بررسی الگوریتم های تکاملی جدید برای ارایه یک روش بهینه در حل مسئله pbuc

در سال های اخیر، بازار برق به عنوان یکی از تأثیرگذارترین عناصر اقتصاد کشورهای دنیا، دست خوش تغییرات چشم-گیری بوده است. با شکل گیری موازی سازی و اجرای تجدید ساختار در بازار برق، برخی از قواعد و الگوهای بازار برق سنتی به صورت متفاوتی نسبت به گذشته اجرا می شوند. در این راستا، برنامه ریزی مشارکت واحدها (uc)، که در ساختار عمودی یکپارچه گذشته با هدف حداقل سازی هزینه های بهره برداری اجرا می شد، با تغییر الگو به برنامه ریزی مبتنی بر سود واحدهای تولید (pbuc) تبدیل شده است که در آن، هدف نهایی حداکثرسازی سود شرکت های تولید توان (gencos) است. مسئله pbuc به عنوان یکی از مهمترین زمینه های تحقیقاتی در مدیریت سیستم تولید انرژی سیستم های قدرت تجدید ساختار یافته، یک مسئله غیرخطی پیچیده و ترکیب عددی مختلط مقید است. در بخش اول این نوشتار، یک تکنیک بهینه سازی جدید با نام الگوریتم رقابت استعماری (ica) برای حل مسئله pbuc پیشنهاد شده است. سپس، یک روش نوین بر اساس ترکیب الگوریتم تکاملی کترل گستردگی (dgea) و ica، به منظور ارتقاء کاربردپذیری و بهبود کیفیت عملکرد ica کلاسیک ارائه شده است. در این میان، روش سنتی کدگذاری پاسخ های اولیه با یک تکنیک بهبود یافته مبتنی بر دانش شخص خبره جایگزین شده است که حجم محاسبات و در پی آن سرعت همگرایی پاسخ را بهبود می بخشد. در بخش دوم این نوشتار، با توجه به رشد روز افزون منابع تولید توان مبتنی بر انرژی های تجدیدپذیر و با هدف شرکت واحدهای تولید پراکنده در تأمین بار روزانه، یک الگوریتم هیبرید جدید با ترکیب شبکه عصبی (nn) و ica برای پیش بینی توان یک مزرعه بادی واقعی پیشنهاد شده است. تکنیک پیشنهادی برای دو بازه زمانی خیلی کوتاه مدت (در افق های زمانی 3-6 ساعت) و کوتاه مدت (در افق های زمانی 12-36 ساعت) اجرا شده است. در این پژوهش، از مدل های فیزیکی پیش بینی هوای عددی (nwp) و مدل های آماری در قالب سیستم اسکادا آنلاین (scada) به صورت همزمان برای آموزش و سیستم پیش بینی پیشنهادی استفاده شده است که موجب افزایش دقت روش حاضر نسبت به سایر الگوریتم ها شده است. در بخش سوم نیز یک genco با مالکیت همزمان چندین واحد حرارتی و یک مزرعه بادی در نظر گرفته شده است. سپس برنامه ریزی مشارکت واحدهای تولید روز-پیش در بازار رقابتی پیاده سازی شده است. دراین بخش، الگوریتم ica کلاسیک برای اجرای برنامه به خدمت گرفته شده است. برای ارزیابی و مدل سازی عدم قطعیت در توربین های بادی، از روش ارزش و ریسک استفاده شده است. نتایج حاصل از اجرای شبیه سازی در هر بخش با نتایج پژوهش های گذشته مقایسه شده است و قابلیت های الگوریتم های پیشنهادی تصدیق شده است.