Economic load dispatch problem solution based on linear variational inequalities-dynamic neural network

• Autorzy: Debbache Ghania , Boudab Smail , Sakri Djamel , Goléa Noureddine

Identyfikatory

DOI

10.15199/48.2024.09.05

Warianty tytułu

PL

Rozwiązanie problemu dyspozytorskiego obciążenia ekonomicznego w oparciu o liniowe nierówności wariacyjne – dynamiczna sieć neuronowa

• Języki publikacji: EN

Abstrakty

EN

This paper introduces a solution of the economic load dispatch (ELD) problem using linear variational inequalities (LVI) dynamic neural network (LVI-DNN). This technique guarantees the global optimality of the solution and fast convergence, so that it can be employed in large on-line power systems where variations in load are quite frequent. The new algorithm is applied and tested to an example from the literature and the solution is then compared with that obtained by some other techniques to prove the superiority and effectiveness of the proposed algorithm.

PL

W artykule przedstawiono rozwiązanie problemu ekonomicznego rozłożenia obciążenia (ELD) z wykorzystaniem dynamicznej sieci neuronowej LVI-DNN z wykorzystaniem liniowych nierówności wariacyjnych (LVI). Technika ta gwarantuje globalną optymalność rozwiązania i szybką konwergencję, dzięki czemu może być stosowana w dużych systemach elektroenergetycznych on-line, gdzie wahania obciążenia są dość częste. Nowy algorytm jest stosowany i testowany na przykładzie z literatury, a następnie rozwiązanie jest porównywane z rozwiązaniem uzyskanym innymi technikami, aby wykazać wyższość i skuteczność proponowanego algorytmu.

Słowa kluczowe

EN

economic load dispatch; ELD; linear Variational inequalitie; LVI; dynamic neural network; DNN; power generation; cost optimization

PL

ekonomiczne rozmieszczenie obciążenia; ELD; liniowa nierówność wariacyjna; LVI; dynamiczna sieć neuronowa; DNN; wytwarzanie energii; optymalizacja kosztów

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2024
• Tom: R. 100, nr 9
• Strony: 34--38
• Opis fizyczny: Bibliogr. 19 poz., rys., tab.

Twórcy

autor

Debbache Ghania

• Oum El Bouaghi University, Oum El Bouaghi 04000 Algeria

• https://orcid.org/0000-0002-1414-3075

autor

Boudab Smail

• Oum El Bouaghi University, Oum El Bouaghi 04000 Algeria

• https://orcid.org/0000-0001-5372-4246

autor

Sakri Djamel

• Oum El Bouaghi University, Oum El Bouaghi 04000 Algeria

• https://orcid.org/0000-0002-469-810

autor

Goléa Noureddine

• Oum El Bouaghi University, Oum El Bouaghi 04000 Algeria

• https://orcid.org/0000-0002-1414-3075

Bibliografia

• [1] Zhu J. Optimization of Power System Operation. IEEE Press Series on Power Engineering. Wiley, 2015.
• [2] Chen C., Qu L., Tseng M.-L., Li L., Chen C.-C., Lim M.K. Reducing fuel cost and enhancing the resource utilization rate in energy economic load dispatch problem. J. Clean. Prod., vol. 364, 2022.
• [3] 5. Huneault M., Galiana F.D. A survey of the optimal power flow literature. IEEE Trans. Power Syst. vol. 6, pp. 762-770, 1991.
• [4] Lee K., El-Sharkawi M. Modern Heuristic Optimization Techniques: Theory and Applications to Power Systems. IEEE Press Series on Power Engineering. Wiley, 2008.
• [5] Si Tayeb A., Bouzeboudja H. Application of a New Meta heuristic Algorithm using Egyptian Vulture Optimization for Economic Load Dispatch. Przeglad Elektrotechniczny (Electrical Review), vol. 95, no. 6, pp. 56-65, 2019.
• [6] Lee K.Y., Sode-Yome A., Park J.H. Adaptive Hopfield neural networks for economic load dispatch, IEEE Trans. Power Syst. vol. 13, no. 2, pp. 519-525, 1998.
• [7] Yalcinoz T., Altun H. Comparison of simulation algorithms for the Hopfield neural network: An application of economic dispatch, Turk J. Elec. Eng., vol.8, no. 1, pp. 67-80, 2000.
• [8] Aravindhababu P., Nayar K.R. Economic dispatch based on optimal lambda using radial basis function network. Elec. Power Energy Syst., vol. 24, pp. 551-556, 2002.
• [9] Naresh R., Dubey J., Sharma J.D. Two-phase neural network based framework for modelling of constrained economic load dispatch. IEE Proceedings Generation, Transmission and Distribution, vol. 151, no. 3, pp. 373-380, 2004.
• [10] Benhamida F., Bendaoud A., Medles K., Tilmatine A., Dynamic Economic Dispatch Solution with Practical Constraints Using a Recurrent neural network. Przeglad Elektrotechniczny (Electrical Review), vol. 87, no. 8, pp. 149-153, 2011.
• [11] Kim M-J. Kim T-S., Flores R.J., Brouwer J. Neural-network based optimization for economic dispatch of combined heat and power systems. Applied Energy, vol. 265, no. 1, 2020.
• [12] Nangia U., Jain N., Rastogi P., Malik R., Jain P. Artificial neural network algorithms for the optimum solution of economic load dispatch problem. Int. Conf. on Communication, Control and Information Sciences (ICCISc), Idukki, India, 2021, pp. 1-6.
• [13] Kennedy M.P., Chua L. O. Neural networks for nonlinear programming. IEEE Trans. Circuits Syst., vol. 35, pp. 554-562, 1988.
• [14] Zhang S., Constantinides A.G. Lagrange programming neural networks. IEEE Trans. Circuits Syst., vol. 39, pp. 441-452, July 1992.
• [15] Xia Y., Feng G., Wang J. A primal-dual neural network for online resolving constrained kinematic redundancy in robot motion control. IEEE Trans. Syst., Man, Cybern. B, 35, 1, 54 64, 2005.
• [16] Zhang Y., Wang J. A dual neural network for convex quadratic programming subject to linear equality and inequality constraints. Physics Letters A, 298, 271–278, 2002.
• [17] Xia Y. S., Wang J. A generl projection neural network for solving monotone variational inequality and related optimization problems, IEEE Trans. Neural Networks, vol. 15, pp. 318-328, Mar. 2004.
• [18] Wu H., Shi R., Qin L., Tao F., He L. A Nonlinear projection neural network for solving Interval quadratic Programming problems. .Mathematical Problems in Engineering, vol. 2010, pp. 1-13. doi:10.1155/2010/403749
• [19] Bazaraa M.S., Sherali H.D., Shetty C.M. Nonlinear programming- Theory and algorithms. New York: Wiley, 1993.

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).