Sterowanie pracą hydroelektrowni z wykorzystaniem algorytmu ewolucyjnego

• Autorzy: Gajer M.

Warianty tytułu

EN

Controlling a hydropower plant with use of evolutionary algorithm

• Języki publikacji: PL

Abstrakty

PL

W artykule rozważono możliwość wykorzystania techniki obliczeniowej opartej na zastosowaniu algorytmów ewolucyjnych w celu optymalizacji pracy elektrowni wodnej. Założono, że rozważana elektrownia wodna, oprócz stałego dopływu wody z rzeki, dodatkowo wyposażona jest również w człony pompowe, za pomocą których można w okresie niskiego zapotrzebowania na energię elektryczną tłoczyć wodę ze zbiornika retencyjnego do zbiornika głównego elektrowni, gromadząc w ten sposób energię potencjalną mas wodnych, którą można następnie wykorzystać do produkcji energii elektrycznej w okresie występowania szczytu zapotrzebowania, czyli wtedy, gdy koszty wytworzenia energii w klasycznych elektrowniach cieplnych są relatywnie najwyższe. Przedstawione w artykule wyniki symulacji komputerowych wskazują, że algorytmy ewolucyjne można z powodzeniem wykorzystać do realizacji rozważanego zagadnienia optymalizacyjnego, dzięki czemu są w stanie zagwarantować odpowiednio niskie dobowe koszty produkcji energii elektrycznej przy jednoczesnym spełnieniu wszelkich koniecznych ograniczeń nałożonych na pracę systemu elektroenergetycznego. Dodatkowo gwarantują one zbilansowanie zbiornika elektrowni wodnej w dobowym przedziale czasowym.

EN

The paper discusses implementation of a computational technique based on evolutionary algorithms for the purpose of optimisation of hydropower plant work. There is assumed that a hydropower plant is situated on a river that delivers water into a reservoir. The hydropower plant is additionally equipped with pumping units by means of which the water can be stored in the main reservoir during the periods of low power demand. In the next stage, the potential energy of the pumped water can be converted again into electrical energy during the periods of high power demand. The fitness function for the evolutionary algorithm is defined by the equation (5) and it takes into account the cost of burnt fuel, the balance of power in the energetic system, and the balance of water in the reservoir. The paper is divided into four sections. Section 1 is short introduction to the problems of energetic system optimisation. Section 2 describes in detail the energetic system to be optimised. The system is composed of one large thermal power unit and one hydropower plant with pumping units. The changes of power demand in the energetic system are presented in Table 1; Table 2 provides the parameters of the thermal unit. In Section 3 there are given the results of numerical experiments obtained by use of the evolutionary algorithm. Figure 1 shows the plot of power changes of the thermal unit. It can be noted that the thermal unit power for most time is as low as possible, which guarantees low cost of burnt fuel. The thermal unit power grows only during the period of high power demand in order to fulfill the balance of power in the energetic system. Figure 2 is a diagram illustrating the mode of the hydropower plant operation. It can be noted that the hydropower plant operates in the pumping mode only during the hours of the lowest power demand. The results of computer simulations presented in the paper show that evolutionary algorithms can be effectively used for solving the optimisation task for energetic systems. Moreover, evolutionary algorithms can guarantee low cost of pro-duction of electrical energy, when simultaneously meeting all the constraints connected with necessity of balancing the power in the energetic system and balancing the amount of water in the hydropower plant reservoir.

Słowa kluczowe

PL

systemy ewolucyjne; systemy elektroenergetyczne; hydroelektrownie; optymalizacja

EN

evolutionary systems; energetic systems; hydropower plant; optimization

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2011
• Tom: R. 57, nr 2
• Strony: 193--196
• Opis fizyczny: Bibliogr. 14 poz., rys.,tab., wzory

Twórcy

autor

Gajer M.

• Akademia Górniczo-Hutnicza w Krakowie, Katedra Automatyki, Al. Mickiewicza 30, 30-059 Kraków,

Bibliografia

• [1] Goldberg D. E.: Algorytmy genetyczne i ich zastosowania. Wydawnictwa Naukowo-Techniczne, Warszawa 1996.
• [2] Arabas J.: Wykłady z algorytmów ewolucyjnych. Wydawnictwa Naukowo-Techniczne, Warszawa 2004.
• [3] Michalewicz Z.: Algorytmy genetyczne struktury danych programy ewolucyjne. Wydawnictwa Naukowo-Techniczne, Warszawa 2003.
• [4] Rutkowska D., Piliński M., Rutkowski L.: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. Wydawnictwo Naukowe PWN, Warszawa-Łodź 1997.
• [5] Molina D., Lozano M., Garcia-Martinez C., Herrera F.: Memetic algorithms for continous optimization based on local search chains, Evolutionary Computation, vol. 18, 2010, pp. 27-63.
• [6] Elhossini A., Areibi S., Dony R.: Strength Pareto particle swarm optimization and hybride EA-PSO for multi-objective optimization, Evolutionary Computation, vol. 18, 2010, pp. 127-156.
• [7] Schütze O., Laumanns M., Tantar E., Coello C. A., El-Ghazali T.: Computing gap free Pareto front approximations with stochastic search algorithms, Evolutionary Computation, vol. 18, 2010, pp. 65-96.
• [8] Gras R., Devaurs D., Wozniak A., Aspinall A.: An individual-based evolving predator-prey ecosystem simulation using a fuzzy cognitive map as the behavior model, Artificial Life, vol. 15, 2009, pp. 423-463.
• [9] Bullinaria J. A.: Lifetime learning as a factor in life history evolution, Artificial Life, vol. 15, 2009, pp. 389-409.
• [10] Stanley K. O., D’Ambrosio D. B., Gauci J.: A hypercube-based encoding for evolving large-scale neural networks, Artificial Life, vol. 15, 2009, pp. 185-212.
• [11] Paenke I., Kawecki T. J., Sendhoff B.: The influence of learning on evolution: A mathematical framework, Artificial Life, vol. 15, 2009, pp. 227-245.
• [12] Laudyn D., Pawlik M., Strzelczyk F.: Elektrownie. Wydawnictwa Naukowo-Techniczne, Warszawa, 2000.
• [13] Kremens Z., Sobierajski M.: Analiza systemów elektroenergetycznych. Wydawnictwa Naukowo-Techniczne, Warszawa, 1995.
• [14] Marecki J.: Podstawy przemian energetycznych. Wydawnictwa Naukowo-Techniczne, Warszawa, 2000.