Wyniki wyszukiwania - BazTech

1

Locating Energy Storage Devices in Power Grids Using Evolutionary Algorithms

Korpikiewicz J.

Acta Energetica

|

2018

|

nr 3

33--42

EN

The article presents the premises of the application for locating energy storage devices in the HV power grid. The substation number to which it is to be connected and the value of its power are defined as the storage location. The connected energy storage devices are designed to increase the total capacity of the connected renewable energy sources without compromising any technical constraints of the power grid. The location problem is defined as the process of optimisation with nonlinear constraints implemented in the MATLAB environment, using the application for calculating power distribution. In order to compare the locations with each other, a fixed sum of absolute values of the storage devices’ capacity was assumed. Evolutionary algorithms were used to implement the optimisation process. Due to the non-linearity of constraints, a new function of creating the initial population and eight genetic operators were designed. Most of the tests were carried out in two versions, with and without energy storage devices connected, after which the increase in the possibility of introducing additional generation in both variants was compared. Then, many tests were carried out to determine the parameters and select the algorithm version. Based on the results, an application for optimising the location of storage devices was created.

PL

W artykule przedstawiono założenia aplikacji do lokalizacji zasobników energii w sieci elektroenergetycznej WN. Jako lokalizację magazynu zdefiniowano numer węzła, do którego ma być przyłączony, oraz wartość jego mocy. Przyłączone magazyny energii mają za zadanie zwiększenie mocy sumarycznej przyłączonych odnawialnych źródeł energii, przy nienaruszaniu żadnego z ograniczeń technicznych sieci elektroenergetycznej. Problem lokalizacji zdefiniowano jako proces optymalizacji z ograniczeniami nielinio- wymi zrealizowany w środowisku MATLAB, wykorzystującym aplikację do obliczeń rozpływów mocy. Chcąc porównać ze sobą lokalizacje, założono stałą sumę wartości bezwzględnych mocy magazynów. Do realizacji optymalizacji wykorzystano algorytmy ewolucyjne. Ze względu na nieliniowość ograniczeń zaprojektowano nową funkcję tworzenia populacji początkowej oraz osiem operatorów genetycznych. Większość badań wykonywano w dwóch wersjach z przyłączonymi magazynami energii i bez nich, po czym porównywano wzrost możliwości wprowadzenia dodatkowej generacji w obu wariantach. Następnie wykonywano wiele testów i badań w celu ustalenia parametrów i wyboru wersji algorytmu. Na podstawie wyników stworzono aplikację do optymali- zacji lokalizacji zasobników.

2

Zastosowanie krzyżowania uśredniającego do ewolucyjnej metody wyznaczania ścieżki przejścia na morzu

Kuczkowski Ł., Kolendo P., Jaworski B., Śmierzchalski R.

Elektronika : konstrukcje, technologie, zastosowania

|

2012

|

Vol. 53, nr 12

67-71

PL

Artykuł przedstawia zastosowanie operatora krzyżowania uśredniającego do wyznaczania ścieżki przejścia przy użyciu algorytmu ewolucyjnego w zastosowaniu do unikania kolizji na morzu. Krzyżowanie uśredniające zapewnia rozszerzenie zbioru rozwiązań możliwych do uzyskania w porównaniu z wariantem krzyżowania wymieniającego. Przeprowadzone badania wykazały, że zastosowany wariant krzyżowania pozwala na uniezależnienie wyników symulacji od postaci populacji początkowej oraz szybsze przejście algorytmu z fazy eksploracji do eksploatacji obszaru przyciągania optimum. Nowa wersja algorytmu pozwala na skuteczne poszukiwanie rozwiązań w sytuacji kolizyjnej na morzu.

EN

This paper presents the use of mean crossover genetic operator for path i planning using evolutionary algorithm for collision avoidance on sea. ! Mean crossover ensures widening of the possible solutions' set that can be achieved in comparison to exchange crossover variant. The research i shown, that the mean crossover allows to achieve results independent i from the initial generation and quicker transition of the algorithm from the exploration to the exploitation phase. New version of the algorithm i allows for an effective solution search for the problem of a collision scenario on sea.

3

Porównanie działania operatorów genetycznych w zadaniach optymalizacji korpusów obrabiarek

Wilk P.

Prace Naukowe Katedry Budowy Maszyn / Politechnika Śląska

|

2009

|

nr 1

93-106

PL

Niniejszy artykuł zawiera analizę wpływu struktury algorytmu ewolucyjnego na jego skuteczność w rozwiązywaniu wielomodalnych zadań testowych. Przeprowadzono również próbę optymalizacji grubości ścian wrzeciennika frezarki. W ramach badań skupiono się jedynie na operatorach genetycznych pozostawiając bez zmian pozostałą część struktury algorytmu. Dobór parametrów algorytmów ewolucyjnych, wykorzystanych w zadaniu optymalizacji grubości ścian wrzeciennika, przeprowadzono korzystając z wielomodalnych funkcji testujących.

EN

The present article contains analysis influence of evolutionary algorithm structure on effectiveness in solving of multimodal tasks. Optimization of thickness walls headstock of milling machinę was realized. Algorithms differed of genetic operators only. The rest of structure was left without changes. Parameters of evolutionary algorithms were chosen using of multimodal testing function. In next step analysis of received results was executed.

4

Efektywność algorytmu ewolucyjnego wykorzystującego warunkową wartość oczekiwaną funkcji celu

Kadłuczka P., Chmiel W.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

|

2005

|

T. 9, z. 1-2

105-114

PL

Artykuł prezentuje wyniki prac związanych z implementacją i badaniem efektywności algorytmów ewolucyjnych, wykorzystujących warunkową wartość oczekiwaną funkcji celu dla częściowo ustalonych rozwiązań w optymalizacji zagadnień permutacyjnych. Jako przykład tego problemu rozważamy kwadratowe zagadnienie przydziału - QAP.

EN

The papers presents the results of our work on implementation and testing of new evolutionary algorithms for optimization of permutation problems. The algorithm flow is controlled by an additional parameter that is used for evaluation of quality of partially fixed solutions: the expected value of objective function. As an example, the quadratic assignment problem QAP is examined.

5

Criteria for well designed chromosome representation and genetic operators

Arabas J.

Prace Naukowe Politechniki Warszawskiej. Elektronika

|

2002

|

z. 139

75--83

EN

This chapter postulates criteria for the proper choice of chromosome encoding and genetic operators. The criteria are given intuitively and exemplified. To formulate the criteria, a set of genotypes is presented as a metric space with the metric introduced by the mutation. Encoding is a mapping from the phe notype to the genotype space: the pruper transformation of metrics is a quality criterion for the encoding. Operator bias is defined with respect to the genotype metric.

6

Algorytm ewolucyjny dla problemu pakowania

Stawowy A.

Mechanika / Akademia Górniczo-Hutnicza im. St. Staszica

|

1998

|

T. 17, z. 4

593-598

PL

Z prac E. Falkenauera wynika, że standardowy schemat i elementy algorytmu ewolucyjnego nie nadają się do problemu grupowania wyrobów. Obserwacje te potwierdziły badania S. Khuriego i zespołu. Jako rozwiązanie E. Faikenauer zaproponował specjalizowany schemat kodowania i nowe operatory genetyczne dostosowane do problemów grupowania (ang. Grouping Genetic Algorithm - GGA). Zdaniem autora nie ma potrzeby stosowania specjalizowanych operatorów i reprezentacji do problemów grupowania. W pracy przedstawiono udane zastosowanie strategii ewolucyjnej do jednego z problemów grupowania jakim jest zagadnienie pakowania pudełek. Zastosowano (1, X) - ES, w której X potomków jest generowanych z jednego rodzica za pomocą prostej mutacji. Krzyżowanie nie jest stosowane. Najlepszy z potomków zastępuje rodzica w nowej populacji. W algorytmie zastosowano znaną z literatury reprezentację porządkową, w której dopuszczalne rozwiązania są reprezentowane przez listę n obiektów i s separatorów grup, przy czym wartość ;' (1 <;'< n) określająca numer obiektu może wystąpić na liście tylko jeden raz, podobnie jak wartość i (n + 1 < i < n + s) określająca numer separatora. Jednym z elementów funkcji dopasowania jest funkcja kary, eliminująca niedopuszczalne rozwiązania. Przeprowadzone badania eksperymentalne wykazały dużą przydatność strategii ewolucyjnej dla problemu pakowania pudełek. Zaproponowany algorytm daje tylko nieznacznie gorsze rozwiązania niż, o wiele bardziej skomplikowany, GGA, natomiast dużo lepsze niż inne algorytmy przybliżone.

EN

From the works by E. Falkenauer it appears that a standard scheme and elements of an evalutionary algorithm are not suitable for the problem of grouping the products. These observations are confirmed by researches by S. Khuri at all. As a remedy E. Falkenauer proposed a new encoding scheme and genetic operators adapted to the grouping problem, yielding Grouping Genetic Algorithm (GGA). In our opinion there is no need to apply specialized operators and representations for the grouping problems. In this paper we investigate the use of evolutionary strategy for the bin packing problem. We used (1, X) - ES, where 30 children are generated from one parent by means of a simple mutations; the cross-over is not applied. The best of the descendants becomes the new parent solution. A widely known ordered representation modified for the purposes of the grouping the objects was used in the algorithm. Admissible solutions arę represented by a list of n objects and s. Separators of groups.; the value ;' (1 <;'< n) determiningjhe object number can appear in the list just once, just as the value / (n + 1 < /'< n + s) determining the number of separators. One of the term of the fitness function is the penalty. The researches shown a great usefulness of the evolutionary strategy for the bin packing problem. The results of the experiments confirmed once more the power of the evolutionary algorithms which consist in ability to generale very good solutions without going into the structure of the problem.