Powiadomienia systemowe
- Sesja wygasła!
Tytuł artykułu
Autorzy
Identyfikatory
Warianty tytułu
Control of the power flow in high-voltage transmission lines with the use of evolutionary algorithm with conditional mutation operator
Języki publikacji
Abstrakty
W artykule rozważono możliwości wykorzystania techniki obliczeniowej opartej na wykorzystaniu algorytmów ewolucyjnych w dziedzinie optymalizacji systemów elektroenergetycznych. Zadaniem algorytmu ewolucyjnego jest wyznaczenie optymalnego rozpływu mocy w elektroenergetycznych sieciach przesyłowych wysokich napięć, w taki sposób, aby moc termicznych strat przesyłowych osiągała możliwie najmniejszą wartość. Skuteczność techniki obliczeniowej bazującej na algorytmach ewolucyjnych została przebadana w przypadku hipotetycznego systemu elektroenergetycznego zawierającego kilkanaście linii przesyłowych pracujących na różnych poziomach napięć. Zadaniem algorytmu ewolucyjnego było dopasowanie wartości mocy, które mają być przesyłane za pośrednictwem poszczególnych linii, w taki sposób, aby suma mocy termicznych strat przesyłowych występujących zarówno w liniach, jak i transformatorach podlegała minimalizacji. Zastosowany algorytm ewolucyjny wykorzystuje system kodowania rozwiązań oparty bezpośrednio na liczbach rzeczywistych. Jedynymi operacjami genetycznymi, które zostały zastosowane, były operacje mutacji i selekcji, ponadto w celu oceny uzyskiwanych rozwiązań zdefiniowano specjalną postać funkcji dopasowania, która występuje w postaci funkcji kary. Uzyskane rezultaty pokazują, że algorytm ewolucyjny jest w stanie znaleźć rozwiązanie charakteryzujące się minimalną wartością strat przesyłowych.
The paper discusses the possibility of using a computational technique based on evolutionary algorithms in the domain of optimization of energetic systems. The purpose of the evolutionary algorithm is to calculate the optimal power flow in high-voltage transmission lines, so as to keep the power of transmission losses as low as possible. The effectiveness of the computational technique based on the evolutionary algorithm is tested by using the example of a hypothetical energetic system, which is composed of several high-voltage lines that operate at different voltage levels. The aim of the evolutionary algorithm is to match the values of power that should be transmitted by each high-voltage line in order to minimize the power of thermal transmission losses both in the wires and transformers. The evolutionary algorithm implements the coding system of feasible solutions, which is based directly on real numbers. The only genetic operations that ware used during the realization of the evolutionary algorithm was the operations of mutation and selection. Moreover, for the purpose of evaluation of obtained solutions a special form of the fitness function was defined as a penalty function. The obtained results proves that the evolutionary algorithm is able to find solution with the minimal values of transmission losses.
Wydawca
Rocznik
Tom
Strony
56--60
Opis fizyczny
Bibliogr. 13 poz., tab.
Twórcy
autor
- AGH Akademia Górniczo-Hutnicza, Katedra Automatyki. Kraków
Bibliografia
- [1] Wróblewski A. K., Zakrzewski J. A.: Wstęp do fizyki, Tom 2, Część 2, Wydawnictwo Naukowe PWN, Warszawa, 1991.
- [2] Figielski T.: Nadprzewodnictwo wysokotemperaturowe. Szansa czy złudzenie?, Wiedza i Życie-Numer specjalny "Sekrety materii", nr 2/2010, ss. 64-67.
- [3] Laudyn D., Pawlik M., Strzelczyk F.: Elektrownie, Wydawnictwa Naukowo-Techniczne, Warszawa, 2000.
- [4] Marecki J.: Podstawy przemian energetycznych, Wydawnictwa Naukowo-Techniczne, Warszawa, 2000.
- [5] Kujszczyk S., Brociek S., Flisowski Z., Gryko J., Nazarko J., Zdun Z.: Elektroenergetyczne układy przesyłowe, Wydawnictwa Naukowo-Techniczne, Warszawa, 1997.
- [6] Kremens Z., Sobierajski M.: Analiza systemów elektroenergetycznych, Wydawnictwa Naukowo-Techniczne, Warszawa, 1995.
- [7] Goldberg D. E.: Algorytmy genetyczne i ich zastosowania, Wydawnictwa Naukowo-Techniczne, Warszawa, 1996.
- [8] Rutkowska D., Piliński M., Rutkowski L.: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, Wydawnictwo Naukowe PWN, Warszawa-Łódź, 1997.
- [9] Arabas J.: Wykłady z algorytmów ewolucyjnych, Wydawnictwa Naukowo-Techniczne, Warszawa, 2004.
- [10] Michalewicz Z.: Algorytmy genetyczne+struktury danych=programy ewolucyjne, Wydawnictwa Naukowo-Techniczne, Warszawa, 2003.
- [11] Elhossini A., Areibi S., Dony R.: Strength Pareto particle swarm optimization and hybrid EA-PSO for multi-objective optimization, Evolutionary Computation, vol. 18, 2010, ss. 12-156.
- [12] Stanley K. O., A'Ambrosio D. B., Gauci J.: A hypercube-based encoding for evolving large-scale neural networks, Artificial Life, vol. 15, 2009, pp. 185-212.
- [13] Ampatzis C., Tuci E., Trianni V., Christensen A. L., Dorigo M.: Evolving self-assembly in autonomous homogeneous robots: Experiments with two physical robots, Artificial Life, vol. 15, 2009, pp. 465-484.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BWAW-0009-0011