Application of a hybrid multi-criteria evolutionary-fireworks algorithm for the optimization of power systems operation

• Autorzy: Filipiak Sylwester

Identyfikatory

DOI

10.15199/48.2024.09.03

Warianty tytułu

PL

Zastosowanie hybrydowego wielokryterialnego algorytmu ewolucyjno-fajerwerkowego do optymalizacji pracy systemów energetycznych

• Języki publikacji: EN

Abstrakty

EN

This paper presents the concept and analyses for a hybrid evolutionary-fireworks algorithm applied to multi-criteria optimisation of power system operation. The analyses consider optimization criteria related to minimizing technical losses in the analysed power system structures, voltage deviation minimization, reduction of network equipment overloads, and optimal power flow in the systems. The results presented in this paper demonstrate the capabilities of the proposed hybrid algorithm, illustrated and described through selected optimization tasks.

PL

Artykuł przedstawia koncepcję i analizy dla hybrydowego algorytmu ewolucyjno-fajerwerkowego zastosowanego do wielokryterialnej optymalizacji pracy systemów elektroenergetycznych. W analizach uwzględniono przyjęto kryteria optymalizacyjne dotyczące minimalizacji strat technicznych w analizowanych strukturach elektroenergetycznych, minimalizacji odchyleń napięcia, minimalizacji przeciążeń urządzeń sieciowych oraz optymalizacji rozpływów mocy w systemach. Zaprezentowane w artykule rezultaty przedstawiają możliwości zaproponowanego hybrydowego algorytmu zilustrowane i opisane na przykładzie wybranych zadań optymalizacyjnych.

Słowa kluczowe

EN

power grid; optimization; evolutionary method; fireworks algorithm

PL

sieć elektroenergetyczna; optymalizacja; metoda ewolucyjna; algorytm fajerwerkowy

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2024
• Tom: R. 100, nr 9
• Strony: 22--28
• Opis fizyczny: Bibliogr. 16 poz., rys., tab.

Twórcy

autor

Filipiak Sylwester

• Politechnika Świętokrzyska w Kielcach, Katedra Energetyki, Maszyn Elektrycznych i Energoelektroniki

Bibliografia

• [1] Ciro G., Dugardin F., Yalaoui F., Kelly R.: A NSGA-II and NSGA-III comparison for solving an open shop scheduling problem with resource constraints. IFAC, International Federation of Automatic Control, 2016 s. 1272–1277.
• [2] Delbem A. C. B., Carvalho A. C. P. L. F., Bretas N. G.: Main chain representation for evolutionary algorithms applied to distribution system reconfiguration. IEEE Trans. Power Systems, vol. 20, no. 1, Feb. 2015, pp. 425-436.
• [3] Daniel Gómez-Lorente, Isaac Triguero, Consolación Gil, Rabaza: Multi-objective evolutionary algorithms for the design of grid-connected solar tracking systems. International Journal of Electrical Power & Energy Systems. Volume 61, October 2014, pp. 371–379.
• [4] Guohua Fang, Wei Guo, Xianfeng Huang, Xinyi Si, Fei Yang, Qian Luo, Ke Yan: A New Multi-objective Optimization Algorithm: MOAFSA and its Application. Przegląd Elektrotechniczny, R. 88 Nr 9b/2012, s. 172-176.
• [5] Niknam T., Farsani E. A., Nayeripour M., Firouzi B. B.: Hybrid fuzzy adaptive particle swarm optimization and differential evolution algorithm for distribution feeder reconfiguration. Electric Power Components and Systems, vol. 39, Issue 2, 2011, pp. 158 – 175.
• [6] Khushalani S., Solanki, J.M., Schulz, N.N. Optimized Restoration of Unbalanced Distribution Systems. IEEE Transactions on Power Systems, no. 22, Issue 2. 2007, p. 624 630.
• [7] Helt P., Parol M., Piotrowski P.: Metody sztucznej inteligencji przykłady zastosowań w elektroenergetyce. Wydawnicza Politechniki Warszawskiej, 2012. Oficyna
• [8] Hong Y. Y., Ho S. Y.: Determination of network configuration considering multiobjective in distribution systems using genetic algorithms. IEEE Trans. Power Systems, 2005. – Vol. 20. – No. 2. – p. 1062–1069.
• [9] Janik P.: Porsinger T., Leonowicz Z., Gono R.: Modelling and Optimization in Microgrids, Energies, 2017, p. 161-170,
• [10] Kumar Y., Das, B., Sharma, J.: Multiobjective, Multiconstraint Service Restoration of Electric Power Distribution System With Priority Customers. IEEE Transactions on Power Delivery, no. 23, Issue 1, 2008, p. 261-270.
• [11] Marzecki J., Drab M.: Obciążenia i rozpływy mocy w sieci terenowej średniego napięcia-wybrane problemy. Przegląd Elektrotechniczny, R.91, pp. 192-195, luty, Nr 2, 2015.
• [12] Parol M., Baczyński D., Brożek J.: Optimisation of Urban MV Multi-Loop Electric Power Distribution Networks Structure by Means of Artificial Intelligence Methods, Control and Cybernetics, 2012, vol. 41 (2012), s.667-689.
• [13] Paździor, P.: Optymalizacja ewolucyjna przepływu materiału w procesie formowania wtryskowego komponentów dla branży motoryzacyjnej. Rozprawa doktorska 2021, Wydawnictwo Politechniki Śląskiej.
• [14] Pijarski P.: Optymalizacja heurystyczna w ocenie warunków pracy i planowaniu rozwoju systemu elektroenergetycznego. Monografia, Wydawnictwo Politechniki Lubelskiej, Lublin 2019.
• [15] Pijarski P., Sidor K., Miller P.: Zastosowanie optymalizacji konfiguracji sieci do redukcji kosztów strat energii elektrycznej, Przegląd Elektrotechniczny R. 95 nr 10/2019, s. 110-113.
• [16] Sharma D., Thulasiraman K., Jiang D.: A network science based k-means++ clustering method for power systems network equivalence. Computational Social Networks volume 6, Article number: 4 (2019).

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).