Wyniki wyszukiwania - BazTech

1

Electric vehicle motor fault diagnosis using improved wavelet packet decomposition and particle swarm optimization algorithm

Zheng Wenfang, Wang Tieying

Archives of Electrical Engineering

|

2024

|

Vol. 73, nr 2

481--498

EN

This study addresses the issue of diagnosing faults in electric vehicle motors and presents a method utilizing Improved Wavelet Packet Decomposition (IWPD) combined with particle swarm optimization (PSO). Initially, the analysis focuses on common demagnetization faults, inter turn short circuit faults, and eccentricity faults of permanent magnet synchronous motors. The proposed approach involves the application of IWPD for extracting signal feature vectors, incorporating the energy spectrum scale, and extracting the feature vectors of the signal using the energy spectrum scale. Subsequently, a binary particle swarm optimization algorithm is employed to formulate strategies for updating particle velocity and position. Further optimization of the binary particle swarm algorithm using chaos theory and the simulated annealing algorithm results in the development of a motor fault diagnosis model based on the enhanced particle swarm optimization algorithm. The results demonstrate that the chaotic simulated annealing algorithm achieves the highest accuracy and recall rates, at 0.96 and 0.92, respectively. The model exhibits the highest fault accuracy rates on both the test and training sets, exceeding 98.2%, with a minimal loss function of 0.0035. Following extraction of fault signal feature vectors, the optimal fitness reaches 97.4%. In summary, the model constructed in this study demonstrates effective application in detecting faults in electric vehicle motors, holding significant implications for the advancement of the electric vehicle industry.

2

Prediction of flyrock distance induced by blasting using particle swarm optimization and multiple regression analysis: an engineering perspective

Chen Yong, Wang Minghua, Yin Heng, Zhang Tianbao

Acta Geophysica

|

2024

|

Vol. 72, no. 1

287--301

EN

Flyrock is one of the major safety hazards induced by blasting operations. However, few studies were for predicting blasting-induced flyrock distance from the perspective of engineers. The present paper attempts to provide an engineer-friendly equation predicting blasting-induced flyrock distance. Data used in the present study contains s seven blasting parameters including borehole diameter, blasthole length, powder factor, stemming length, maximum charge per delay, burden, and flyrock distance is obtained. Data is inputted into Random Forest for feature selection. The selected features are formulated as two candidate equations, including Multiple Linear Regression (MLR) equation and Multiple Nonlinear Regression (MNR) equation. Those two candidates are respectively referred by Particle Swarm Optimization for searching optimum values for the coefficients of selected features. It is proved that MLR equation has better accuracy. MLR equation is compared with two empirical equations and the MLR equation based on least squares method. It is found that the coefficient of correlation of the proposed MLR equation reaches 0.918, which is the highest compared with the scores of other three equations. The present study utilizes feature selection process to screen inputs, which effectively excludes irrelevant parameters from being considered. Plus the contribution of Particle Swarm Optimization, the accuracy of the obtained equation can be guaranteed.

3

A tuning of PID power controller using particle swarm optimization for an electro-surgical unit

Mohammed Mohammed Jamal, Abed Jameel Kadhim, Mahdi Ali Jafer, Hussein Basheer M.

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 10

23--29

EN

Electro surgical unit is a popular modern device. It has been used in operating rooms for cutting, fulguration and coagulation of human tissues. ESU generates high frequency alternating current to prevent the stimulation of nerves and muscles. The objective of this article was to improve the performance of an ESU by controlling its output power under the variation of tissue impedance using proportional integral derivative controller based on particle swarm optimization to achieve minimum overshoots and fast dynamic response. The controller was simulated in MATLAB/SIMULINK to demonstrate the superiority of the suggested method. A comparative analysis was presented with ESU utilizing manual tuning process. The results showed that the proposed controller offered best performance utilizing manual tuning method. Moreover, both of the tuning methods presented better results from open-loop controller as a result of which charring of tissues could be eliminated and clinical operations could be made more efficient.

PL

Aparat elektrochirurgiczny to popularne nowoczesne urządzenie. Stosowano go na salach operacyjnych do cięcia, nakłuwania i koagulacji tkanek ludzkich. ESU generuje prąd zmienny o wysokiej częstotliwości, aby zapobiec stymulacji nerwów i mięśni. Celem tego artykułu była poprawa wydajności ESU poprzez sterowanie jego mocą wyjściową przy zmianie impedancji tkanki przy użyciu proporcjonalnego całkowego regulatora pochodnego opartego na optymalizacji roju cząstek w celu uzyskania minimalnych przeregulowań i szybkiej odpowiedzi dynamicznej. W celu wykazania wyższości zaproponowanej metody przeprowadzono symulację sterownika w programie MATLAB/SIMULINK. Przedstawiono analizę porównawczą z ESU z wykorzystaniem procesu strojenia ręcznego. Wyniki pokazały, że proponowany regulator oferował najlepszą wydajność przy zastosowaniu metody strojenia ręcznego. Co więcej, obie metody strojenia dały lepsze wyniki w przypadku sterowania z otwartą pętlą, w wyniku czego można było wyeliminować zwęglanie tkanek i zwiększyć efektywność operacji klinicznych.

4

Computer-aided system for layout of fire hydrants on boards designed vessel using the Particle Swarm Optimization algorithm

Gomułka Piotr

Polish Maritime Research

|

2023

|

nr 4

4--16

EN

The functional layout of fire safety equipment in technical spaces of ships is a time-consuming process. When designing a ship fire protection system, the designer must manually position each system component in such a way as to meet the requirements of regulations arising from the technical specification, various legal regulations of maritime conventions and classification societies of the vessel to be designed. Layout of fire hydrants assisted by a computer that is based on pre-defined criteria and various constraints could significantly support the designer in working easier and faster. This paper presents a prototype computer-aided design system that enables optimal placement of fire hydrants using the metaheuristic Particle Swarm Optimization (PSO) algorithm. This algorithm was used in Rhinoceros 3D software with its Grasshopper plugin for visualizing the arrangement of fire safety equipment. Various solution arrangements compared with the fire hydrant placement in real ships are illustrated by a case study. Demonstrating how design work can be facilitated and what potential benefits can be achieved are presented as well.

5

Research on the mill feeding system of an elastic variable universe fuzzy control based on particle swarm optimization algorithm

Tian Niu, Huang Songwei, He Lifang, Du Lingpan, Yang Sheping, Huang Bin

Physicochemical Problems of Mineral Processing

|

2023

|

Vol. 59, iss. 3

art. no. 169942

EN

The grinding process in the concentrator is a part of the largest energy consumption, but also the most likely to cause a waste of resources, so the optimization of the grinding process is a very important link.The traditional fuzzy controller relies solely on the expert knowledge summary to construct control rules, which can cause significant steady-state errors in the model. In order to solve the above problem, this paper proposes an elastic variable universe fuzzy control based on Particle Swarm Optimization (PSO) algorithm. The elastic universe fuzzy control model does not need precise fuzzy rules, but only needs to input the general trend of the rules, and the division of the universe is performed by the contraction-expansionfactor. The control performance is directly related to the contraction-expansionfactor, so this article also proposes using particle swarm optimization to optimize the scaling factor to achieve the optimal value. Finally, simulation models of traditional fuzzy control and elastic universe fuzzy control of feeding system of mill were built using Python to verify the control effect. Itssimulation results show that the time of the reaction of the fuzzy control system in the elastic variable theory universe based on particle swarm optimization was shorter by 34.48% comparing to the traditional one. Elastic variable universe fuzzy control based on particle swarm optimization (PSO) effectively improved the control accuracy of the mill feeding system and improved the response speed of the system to a certain extent.

6

Photovoltaic power prediction based on improved grey wolf algorithm optimized back propagation

He Ping, Dong Jie, Wu Xiaopeng, Yun Lei, Yang Hua

Archives of Electrical Engineering

|

2023

|

Vol. 72, nr 3

613--628

EN

At present, the back-propagation (BP) network algorithm widely used in the short-term output prediction of photovoltaic power stations has the disadvantage of ignoring meteorological factors and weather conditions in the input. The existing traditional BP prediction model lacks a variety of numerical optimization algorithms, such that the prediction error is large. The back-propagation (BP) neural network is easy to fall into local optimization thus reducing the prediction accuracy in photovoltaic power prediction. In order to solve this problem, an improved grey wolf optimization (GWO) algorithm is proposed to optimize the photovoltaic power prediction model of the BP neural network. So, an improved grey wolf optimization algorithm optimized BP neural network for a photovoltaic (PV) power prediction model is proposed. Dynamic weight strategy, tent mapping and particle swarm optimization (PSO) are introduced in the standard grey wolf optimization (GWO) to construct the PSO–GWO model. The relative error of the PSO–GWO–BP model predicted data is less than that of the BP model predicted data. The average relative error of PSO–GWO–BP and GWO–BP models is smaller, the average relative error of PSO–GWO–BP model is the smallest, and the prediction stability of the PSO–GWO–BP model is the best. The model stability and prediction accuracy of PSO–GWO–BP are better than those of GWO–BP and BP.

7

Parameter estimation of photovoltaic module relied on golden jackal optimization

Nguyen Thuan Thanh

Archives of Electrical Engineering

|

2023

|

Vol. 72, nr 4

987--1003

EN

Due to the nonlinear current-voltage (I-V) relationship of the photovoltaic (PV) module, building a precise mathematical model of the PV module is necessary for evaluating and optimizing the PV systems. This paper proposes a method of building PV parameter estimation models based on golden jackal optimization (GJO). GJO is a recently developed algorithm inspired by the idea of the hunting behavior of golden jackals. The explored and exploited searching strategies of GJO are built based on searching for prey as well as harassing and grabbing prey of golden jackals. The performance of GJO is considered on the commercial KC200GT module under various levels of irradiance and temperature. Its performance is compared to well-known particle swarm optimization (PSO), recent Henry gas solubility optimization (HGSO) and some previous methods. The obtained results show that GJO can estimate unknown PV parameters with high precision. Furthermore, GJO can also provide better efficiency than PSO and HGSO in terms of statistical results over several runs. Thus, GJO can be a reliable algorithm for the PV parameter estimation problem under different environmental conditions.

8

ARL-Wavelet-BPF optimization using PSO algorithm for bearing fault diagnosis

Ahsan Muhammad, Bismor Dariusz, Manzoor Muhammad Arslan

Archives of Control Sciences

|

2023

|

Vol. 33, No. 3

589--606

EN

Rotating element bearings are the backbone of every rotating machine. Vibration signals measured from these bearings are used to diagnose the health of the machine, but when the signal-to-noise ratio is low, it is challenging to diagnose the fault frequency. In this paper, a new method is proposed to enhance the signal-to-noise ratio by applying the Asymmetric Real Laplace wavelet Bandpass Filter (ARL-wavelet-BPF). The Gaussian function of the ARL-wavelet represents an excellent BPF with smooth edges which helps to minimize the ripple effects. The bandwidth and center frequency of the ARL-wavelet-BPF are optimized using the Particle Swarm Optimization (PSO) algorithm. Spectral kurtosis (SK) of the envelope spectrum is employed as a fitness function for the PSO algorithm which helps to track the periodic spikes generated by the fault frequency in the vibration signal. To validate the performance of the ARL-wavelet-BPF, different vibration signals with low signal-to-noise ratio are used and faults are diagnosed.

9

Development of hybrid performance‑based optimization algorithm for structures equipped with vibration damper devices

Ayyash Al‑jbury Najad Amer, Hejazi Farzad

Archives of Civil and Mechanical Engineering

|

2023

|

Vol. 23, no. 2

art. no. e123, 2023

EN

Nowadays, various types of vibration damping systems are being implemented in different buildings to diminish seismic effects on structures. However, engineers are faced with the challenging task of developing an optimum design for structures utilizing a proper type of damping device based on new techniques such as the performance-based design method. Therefore, this research was aimed at developing a multi-objective optimization algorithm by hybridizing the particle swarm optimization (PSO) and gravitational search algorithm (GSA) to obtain an optimum design for structures equipped with vibration damper devices based on the performance-based design method. Then, the developed hybrid algorithm (PSOGSA) would be capable of optimizing the damping system simultaneously with the optimized details of the structural sections, including the steel rebars, by satisfying all the design criteria. For this purpose, a special process for the design of structures equipped with vibration damper devices according to the performance-based design method was developed by considering of a wide range of vibration damping systems. The proposed PSOGSA optimization framework was then implemented to design a 12-storey reinforced concrete structure equipped with different types of dampers to minimize the structural weight while satisfying all the prescribed performance-based design acceptance criteria. The results indicated that the proposed optimization method was able to successfully optimize the details of the structural members as well as the type and properties of the damper, which significantly improved the structural response in terms of the formation of plastic hinges and the structural movements.

10

Developing numerical equality to regional intensity-duration-frequency curves using evolutionary algorithms and multi-gene genetic programming

Citakoglu Hatice, Demir Vahdettin

Acta Geophysica

|

2023

|

Vol. 71, no. 1

469--488

EN

This study aims to carry out regional intensity−duration−frequency (IDF) equality using the relationship with IDF obtained from point frequency analysis. Eleven empirical equations used in the literature for seven climate regions of Turkey were calibrated using particle swarm optimization (PSO) and genetic algorithm (GA) optimization techniques and the obtained results were compared. In addition, in this study, new regional IDF equations were obtained for each region utilizing Multi-Gene Genetic Programming (MGGP) method. Finally, Kruskal–Wallis (KW) test was applied to the IDF values obtained from the methods and the observed values. As a result of the study, it was observed that the coefficients of 11 empirical equations calibrated with PSO, and GA techniques were different from each other. The mean absolute error (MAE), root mean square error (RMSE), mean absolute relative error (MARE), coefficient of determination (R2 ), and Taylor diagram were used to evaluate the performances of PSO, GA, and MGGP techniques. According to the performance criteria, it has been determined that the IDF equations obtained by the MGGP method for the Eastern Anatolia, Aegean, Southeastern Anatolia, and Central Anatolia regions are more successful than the empirical equations calibrated with the PSO and GA method. The empirical IDF equations produced with PSO and the IDF equations acquired with MGGP have similar findings in the Mediterranean, Black Sea, and Marmara. In addition, the KW test results showed that the data of all models were from the same population.

11

Calibration of conceptual rainfall-runoff models by selected differential evolution and particle swarm optimization variants

Napiorkowski Jaroslaw J., Piotrowski Adam P., Karamuz Emilia, Senbeta Tesfaye B.

Acta Geophysica

|

2023

|

Vol. 71, no. 5

2325--2338

EN

The performance of conceptual catchment runoff models may highly depend on the specific choice of calibration methods made by the user. Particle Swarm Optimization (PSO) and Differential Evolution (DE) are two well-known families of Evolutionary Algorithms that are widely used for calibration of hydrological and environmental models. In the present paper, five DE and five PSO optimization algorithms are compared regarding calibration of two conceptual models, namely the Swedish HBV model (Hydrologiska Byrans Vattenavdelning model) and the French GR4J model (modèle du Génie Rural à 4 paramètres Journalier) of the Kamienna catchment runoff. This catchment is located in the middle part of Poland. The main goal of the study was to find out whether DE or PSO algorithms would be better suited for calibration of conceptual rainfall-runoff models. In general, four out of five DE algorithms perform better than four out of five PSO methods, at least for the calibration data. However, one DE algorithm constantly performs very poorly, while one PSO algorithm is among the best optimizers. Large differences are observed between results obtained for calibration and validation data sets. Differences between optimization algorithms are lower for the GR4J than for the HBV model, probably because GR4J has fewer parameters to optimize than HBV.

12

Research on the influence of airflow resistance of layered porous structures on the sound absorption coefficient

Flach Artur

Vibrations in Physical Systems

|

2022

|

Vol. 33, nr 3

art. no. 2022311

EN

The paper presents the research on the influence of airflow resistance on the sound absorption coefficient of layered porous structures. For the calculation of the sound absorption coefficient, the models of layered sound-absorbing structures were developed with the use of numerical computational models. Using the developed models, optimization was carried out to maximize the average sound absorption coefficient of the structures for a given frequency range. As a result of the research, the dependence of the change in airflow resistance for the successive layers of the material was determined. The results of the work will be particularly useful in the design of wedges used in anechoic chambers.

13

Optymalizacja wzmocnień obserwatora Luenbergera silnika indukcyjnego metodą roju cząstek

Białoń Tadeusz

Przegląd Elektrotechniczny

|

2022

|

R. 98, nr 11

277--283

PL

W artykule opisano eksperymenty z doborem wzmocnień obserwatora zmiennych stanu silnika indukcyjnego przy wykorzystaniu metody optymalizacyjnej opartej na roju cząstek (PSO). W badaniach skupiono się na porównaniu różnych wersji algorytmu PSO, poddając optymalizacji funkcję celu o zawsze takich samych parametrach. Przeanalizowano trzy różne metody uczenia, GB (Global Best), LB (Local Best) oraz FIPS (Fully Informed Particle Swarm). Dwie ostatnie metody działają w oparciu o zadaną topologię roju, do wyboru spośród kraty pierścieniowej, kraty Von Neumanna oraz FDR (Fitness Distance Ratio). Przeanalizowano zagadnienia zbieżności i stabilności algorytmu, zależne od parametrów takich jak współczynnik uczenia.

EN

The paper describes experiments with the gain selection of an induction motor state observer, using particle swarm optimization (PSO) method. The research focused on comparing different versions of the PSO algorithm, optimizing the fitness function elaborated during preceding research. Three different learning methods were analyzed, GB (Global Best), LB (Local Best) and FIPS (Fully Informed Particle Swarm). The last two methods operate on the basis of a given swarm topology, to be selected from a ring lattice, Von Neumann lattice and FDR (Fitness Distance Ratio). The problems of convergence and stability of the algorithm, depending on parameters such as a cognition factor, were analyzed. The results for 1000 runs of PSO with 20 different sets of parameters were presented and compared.

14

Optimization of distributed generation placement using particle swarm optimization method at Sampang feeder

Sulistyowati Riny, Sujono Hari Agus, Cipta Yudha

Przegląd Elektrotechniczny

|

2022

|

R. 98, nr 11

92--96

EN

Placement of Distributed Generation in a distribution network has increased power losses due to improper DG connection. One technique to reduce power losses is to determine the exact location of the DG connection through optimization. Optimizing the placement of DG connection locations at the substation aims to minimize power losses in the distribution system of the substation. This research was conducted at the substation in Blegah Sampang Regency. The initial power flow obtained in the distribution system power losses of 1560 KW. To optimize the DG connection, the Particle Swarm Optimization (PSO) method is used. This PSO method was chosen because it can provide more stable results according to the inputted fitness. After applying the PSO method to the distribution network system of the substation in Sampang, the minimum power loss in the distribution system reaches 906 KW. The most optimal DG placement is on Bus 5 and the average power losses are reduced by 58%. Uses are duly drawn.

PL

Umieszczenie generacji rozproszonej w sieci dystrybucyjnej spowodowało wzrost strat mocy z powodu niewłaściwego połączenia DG. Jedną z technik zmniejszania strat mocy jest określenie dokładnej lokalizacji połączenia DG poprzez optymalizację. Optymalizacja rozmieszczenia lokalizacji przyłączy DG w podstacji ma na celu zminimalizowanie strat mocy w systemie dystrybucyjnym podstacji. Badania te przeprowadzono w podstacji w Blegah Sampang Regency. Początkowy przepływ mocy uzyskany w systemie rozdzielczym straty mocy 1560 KW. Aby zoptymalizować połączenie DG, stosuje się metodę optymalizacji roju cząstek (PSO). Ta metoda PSO została wybrana, ponieważ może zapewnić bardziej stabilne wyniki w zależności od wprowadzonej sprawności. Po zastosowaniu metody PSO w systemie sieci dystrybucyjnej stacji w Sampang minimalna strata mocy w systemie dystrybucyjnym sięga 906 KW. Najbardziej optymalne umieszczenie DG znajduje się na magistrali 5, a średnie straty mocy są zmniejszone o 58%. Zastosowania są należycie sporządzone.

15

Enhancing energy efficiency for optimal multiple photovoltaic distributed generators integration using inertia weight control strategies in PSO algorithms

Zellagui Mohamed, Lasmari Adel, Alaboudy Kasem, Settoul Samir, Hassan Heba Ahmed

Polityka Energetyczna

|

2022

|

T. 25, z. 1

59--88

EN

Recently, interest in incorporating distributed generators (DGs) into electrical distribution networks has significantly increased throughout the globe due to the technological advancements that have led to lowering the cost of electricity, reducing power losses, enhancing power system reliability, and improving the voltage profile. These benefits can be maximized if the optimal allocation and sizing of DGs into a radial distribution system (RDS) are properly designed and developed. Getting the optimal location and size of DG units to be installed into an existing RDS depends on the various constraints, which are sometimes overlapping or contradicting. In the last decade,meta-heuristic search and optimization algorithms have been frequently developed to handle the constraints and obtain the optimal DG location and size. This paper proposes an efficient optimization technique to optimally allocate multiple DG units into a RDS. The proposed optimization method considers the integration of solar photovoltaic (PV) based DG units in power distribution networks. It is based on multi-objective function (MOF) that aims to maximize the net saving level (NSL), voltage deviation level (VDL), active power loss level (APLL), environmental pollution reduction level (EPRL), and short circuit level (SCL). The proposed algorithms using various strategies of inertia weight particle swarm optimization (PSO) are applied on the standard IEEE 69-bus system and a real 205-bus Algerian distribution system. The proposed approach and design of such a complicated multi-objective functions are ultimately to make considerable improvements in the technical, economic, and environmental aspects of power distribution networks. It was found that EIW-PSO is the best applied algorithm as it achieves the maximum targets on various quantities; it gives 75.8359%, 28.9642%, and 64.2829% for the APLL, EPRL, and VDL, respectively, with DG units’ installation in the IEEE 69-bus test system. For the same number of DG units, EIW-PSO gives remarkable improved performance with the Adrar City 205-bus test system; numerically, it shows 72.3080%, 22.2027%, and 63.6963% for the APLL, EPRL, and VDL, respectively. The simulation results of this study prove that the proposed algorithms exhibit higher capability and efficiency in fixing the optimum DG settings.

PL

Ostatnio zainteresowanie włączeniem generatorów rozproszonych do sieci dystrybucji energii elektrycznej znacznie wzrosło na całym świecie ze względu na postęp technologiczny, który doprowadził do obniżenia kosztów energii elektrycznej, zmniejszenia strat mocy, zwiększenia niezawodności systemu elektroenergetycznego i poprawy profilu napięcia. Korzyści te można zmaksymalizować, jeśli opracuje się i zaprojektuje optymalną alokację i wielkość generatorów rozproszonych w promieniowym systemie dystrybucji. Uzyskanie optymalnej lokalizacji i wielkości jednostek generatorów rozproszonych, które mają być zainstalowane w istniejącym promieniowym systemie dystrybucji, zależy od różnych ograniczeń, które czasami nakładają się lub są sprzeczne. Aby poradzić sobie z ograniczeniami i uzyskać optymalną lokalizację i rozmiar generatora rozproszonego, w ostatniej dekadzie często opracowywano metaheurystyczne algorytmy wyszukiwania i optymalizacji. W niniejszym artykule zaproponowano skuteczną technikę optymalizacji, aby przydzielić wiele jednostek generatorów rozproszonych do promieniowego systemu dystrybucji. Zaproponowana metoda optymalizacji uwzględnia integrację jednostek generatorów rozproszonych opartych na ogniwach fotowoltaicznych w sieciach dystrybucji energii. Opiera się na funkcji wielokryterialnej, która ma na celu maksymalizację poziomu oszczędności netto, poziomu odchylenia napięcia, poziomu utraty mocy czynnej, poziomu redukcji zanieczyszczenia środowiska i poziomu zwarcia. Zaproponowane algorytmy wykorzystujące różne strategie optymalizacji roju cząstek o masie bezwładności (PSO) są stosowane w standardowym systemie IEEE 69-autobus oraz w rzeczywistym algierskim systemie dystrybucji autobusu 205. Proponowane podejście i projekt tak skomplikowanych, wielozadaniowych funkcji ma ostatecznie doprowadzić do znacznej poprawy technicznych, ekonomicznych i środowiskowych aspektów sieci dystrybucyjnych. Stwierdzono, że algorytm EIW-PSO jest najlepszy do zastosowania w systemie testowym IEEE 69-bus, ponieważ osiąga maksymalne cele dla różnych wielkości: 75,8359%, 28,9642% i 64,2829% odpowiednio dla utraty mocy czynnej, poziomu redukcji zanieczyszczenia środowiska i poziomu odchylenia napięcia w procesie instalacji jednostek rozproszonych. Dla tej samej liczby generatorów rozproszonych, EIW-PSO zapewnia znacznie lepszą wydajność w testach autobusów 205 w mieście Adrar; liczbowo: 72,3080%, 22,2027% i 63,6963% odpowiednio dla utraty mocy czynnej, poziomu redukcji zanieczyszczenia środowiska i poziomu odchylenia napięcia. Wyniki symulacji tego badania dowodzą, że zaproponowane algorytmy wykazują większą zdolność i skuteczność w ustalaniu optymalnych ustawień generatorów rozproszonych.

16

Optymalizacja położenia odwiertów wydobywczych ze względu na czas trwania plateau wydobycia

Łętkowski Piotr

Nafta-Gaz

|

2022

|

R. 78, nr 8

598--607

PL

Określenie optymalnego rozmieszczenia odwiertów eksploatacyjnych na złożu węglowodorów jest kluczowe dla jego efektywnej eksploatacji. Tak sformułowane zagadnienie stanowi złożony problem optymalizacyjny, którego rozwiązanie w postaci lokalizacji odwiertów zależy między innymi od sposobu zdefiniowania funkcji celu. W literaturze najczęściej występują dwie postacie funkcji celu: zysk bieżący netto (NPV) oraz sumaryczne wydobycie ropy naftowej. Rzadziej spotykana jest funkcja celu bazująca na równomierności sczerpania złoża. Artykuł jest poświęcony próbie zastosowania funkcji celu opartej na czasie wydobycia ropy ze stałą wydajnością (tzw. plateau). Optymalizację prowadzono dla sumarycznego wydobycia ropy oraz zysku bieżącego netto w czasie trwania fazy plateau. W tym celu zbudowano hybrydowy algorytm optymalizacyjny bazujący na optymalizacji rojem cząstek. Zastosowanie algorytmu hybrydowego łączącego trzy mechanizmy wynikało z jednej strony z konieczności poprawienia skuteczności podstawowej metody optymalizacyjnej, z drugiej zaś miało na celu ograniczenie tzw. przedwczesnej zbieżności. Cele te zostały zrealizowane poprzez wykorzystanie mapy potencjału produktywności oraz wprowadzenie mechanizmu mutacji. Optymalizację prowadzono dla dwóch różnych sposobów sterowania odwiertami: sterowania grupowego ze stałą wydajnością oraz sterowania indywidualnego. Zbudowany algorytm potwierdził efektywność, uzyskując wzrost wartości funkcji celu w stosunku do wartości pierwotnej od 40% do 300%. We wszystkich analizowanych przypadkach algorytm rozmieścił odwierty produkcyjne poprawnie, co do zasady. Odwierty zostały rozmieszczone w strefie ropnej w bezpiecznej odległości zarówno od kontaktu woda–ropa, jak i ropa–gaz, przy czym stwierdzono pewne różnice w zależności od przyjętej funkcji celu. Przeprowadzone symulacje potwierdziły możliwość zastosowania czasu trwania plateau jako funkcji celu dla optymalizacji położenia odwiertów produkcyjnych.

EN

Determining the optimal placement of production wells in a hydrocarbon reservoir is crucial for the effective exploitation. The problem formulated in this way is a complex optimization problem, the solution of which in the form of the location of the wells depends, inter alia, on the method of defining the objective function. Two forms of the objective function are most often found in the literature. These are the net pay value (NPV) and total oil production. The objective function based on the uniformity of the reservoir depletion is less common. The article is devoted to an attempt to apply the objective function based on the duration of oil production with a constant production rate (the so-called production plateau). The optimization was carried out for the total oil production and for the net pay value for the plateau period. The need to use a hybrid algorithm combining three mechanisms resulted, on the one hand, from the need to improve the effectiveness of the basic optimization method, and on the other hand, to reduce the so-called “premature convergence”. For this purpose, a hybrid optimization algorithm based on particle swarm optimization was built. These goals were achieved through the use of a productivity potential map and a mutation mechanism. Optimization was carried out for two different well control methods: group control with constant production rate and individual well control. The developed algorithm confirmed the effectiveness, obtaining an increase in the value of the objective function in relation to the original value from 40% to 300%. As a rule, the algorithm placed the production wells correctly in all analyzed cases. The well were located in the oil zone at a safe distance from both water-oil and oil-gas contacts, with some differences depending on the target function adopted. The simulations carried out confirmed the possibility of using the plateau duration as a function of the objective for optimizing the location of production wells.

17

Optymalizacja liczby i położenia odwiertów eksploatacyjnych z wykorzystaniem mapy potencjału produktywności

Łętkowski Piotr

Nafta-Gaz

|

2022

|

R. 78, nr 12

861--871

PL

Jednym z podstawowych elementów planu zagospodarowania złoża węglowodorów jest określenie liczby i położenia odwiertów eksploatacyjnych (produkcyjnych i zatłaczających). Należy jednak zauważyć, że zdecydowana większość prac poświęcona temu zagadnieniu opisuje proces optymalizacji położenia, a nie liczby odwiertów, przyjmując, że jest ona zadana arbitralnie. Wynika to z faktu, że znane i stosowane metody optymalizacyjne operują na stałej liczbie parametrów optymalizacyjnych, w związku z czym liczba odwiertów wydobywczych nie może zmieniać się w trakcie procesu optymalizacji. W artykule przedstawiono modyfikację podstawowej metody optymalizacyjnej uwzględniającą zmianę liczby odwiertów w czasie optymalizacji, przy czym optymalizacja położenia i liczby odwiertów przebiega równocześnie. Podstawową metodą optymalizacyjną w skonstruowanym algorytmie jest optymalizacja rojem cząstek (ang. PSO) – jedna z najbardziej efektywnych metod optymalizacji bezgradientowej, należąca do grupy metod stochastycznych. Została ona zmodyfikowana dla potrzeb przyjętego problemu optymalizacyjnego poprzez zmianę postaci funkcji celu oraz wprowadzenie zmiennej progowej, co pozwoliło na operowanie zmienną liczbą odwiertów. W celu poprawienia zbieżności algorytm uzupełniono o mechanizm mutacji oparty na mapie potencjału produktywności. Testy zbieżności metody przeprowadzone na przykładzie złoża testowego PUNQ-S3 wskazały na zadowalającą efektywność zaproponowanego rozwiązania. Algorytm potrzebował 150 iteracji i 750 wywołań funkcji celu, aby 2,5-krotnie zwiększyć początkową wartość NPV przy równoczesnej 3,5-krotnej redukcji liczby odwiertów produkcyjnych. Z kolei zastosowanie algorytmu do optymalizacji liczby i rozmieszczenia odwiertów zatłaczających przy zadanej liczbie konfiguracji odwiertów wydobywczych pozwoliło na zwiększenie zysku netto o 1/3 przy ponad 2-krotnej redukcji liczby odwiertów

EN

One of the basic elements of the hydrocarbon reservoir development plan is to determine the number and location of production and injection wells. However, it should be noted that most of the research works dedicated to this issue describe the process of placement optimization but not the number of exploitation wells assuming that it was an arbitrary set. This is partly due to the fact that known and used optimization methods operate on a fixed number of optimization parameters, therefore the number of production wells can not change during the optimization process. The paper presents modification of the basic optimization method taking into account the change in the number of wells during optimization. The optimization of the placement and number of wells run simultaneously. The basic optimization method in the constructed algorithm is particle swarm optimization (PSO) – one of the most effective methods of non-gradient optimization, belonging to the group of stochastic methods. It was modified for the needs of the adopted optimization problem by changing the form of the objective function and introducing the threshold variable which allowed to change the number of wells. In order to improve the convergence, the algorithm is supported by a mutation mechanism based on the productivity potential map. The convergence tests carried out based on the example of the PUNQ-S3 benchmark field showed the satisfactory effectiveness of the proposed solution. The algorithm took 150 iterations and 750 objective function calls to increase the starting NPV value by 2.5 times while reducing the number of production wells by 3.5 times. On the other hand, the use of the algorithm to optimize the number and placement of injection wells for a given number of production wells configuration allowed to increase the NPV value profit by 1/3 with a reduction of more than 2 times in the number of wells.

18

Performance Comparison of Optimization Methods for Flat-Top Sector Beamforming in a Cellular Network

Nandi Pampa, Roy Jibendu Sekhar

Journal of Telecommunications and Information Technology

|

2022

|

nr 3

39--46

EN

The flat-top radiation pattern is necessary to form an appropriate beam in a sectored cellular network and to pro vide users with best quality services. The flat-top pattern offers sufficient power and allows to minimize spillover of signal to adjacent sectors. The flat-top sector beam pattern is relied upon In sectored cellular networks, in multiple-input multiple-output (MIMO) systems and ensures a nearly constant gain in the desired cellular sector. This paper presents a comparison of such optimization techniques as real-coded genetic algorithm (RGA) and particle swarm optimization (PSO), used in cellular networks in order to achieve optimum flat-top sector patterns. The individual parameters of flat-top sector beams, such as cellular coverage, ripples in the flat-top beam, spillover of radiation to the adjacent sectors and side lobe level (SLL) are investigated through optimization performed for 40◦ and 60◦ sectors. These parameters are used to compare the performance of the optimized RGA and PSO algorithms. Overall, PSO outperforms the RGA algorithm.

19

Optimizing the Bit-flipping Method for Decoding Low-density Parity-check Codes in Wireless Networks by Using the Artificial Spider Algorithm

Ghaffoori Ali Jasim, Abdul-Adheem Wameedh Riyadh

International Journal of Electronics and Telecommunications

|

2022

|

Vol. 68, No. 1

109--114

EN

In this paper, the performance of Low-Density Parity-Check (LDPC) codes is improved, which leads to reduce the complexity of hard-decision Bit-Flipping (BF) decoding by utilizing the Artificial Spider Algorithm (ASA). The ASA is used to solve the optimization problem of decoding thresholds. Two decoding thresholds are used to flip multiple bits in each round of iteration to reduce the probability of errors and accelerate decoding convergence speed while improving decoding performance. These errors occur every time the bits are flipped. Then, the BF algorithm with a low-complexity optimizer only requires real number operations before iteration and logical operations in each iteration. The ASA is better than the optimized decoding scheme that uses the Particle Swarm Optimization (PSO) algorithm. The proposed scheme can improve the performance of wireless network applications with good proficiency and results. Simulation results show that the ASA-based algorithm for solving highly nonlinear unconstrained problems exhibits fast decoding convergence speed and excellent decoding performance. Thus, it is suitable for applications in broadband wireless networks.

20

The application of different optimization techniques and Artificial Neural Networks (ANN) for coal-consumption forecasting: a case study

Seker Mustafa, Unal Kartal Neslihan, Karadirek Selin, Gulludag Cevdet Bertan

Gospodarka Surowcami Mineralnymi

|

2022

|

T. 38, z. 2

77--112

EN

The demand for energy on a global scale increases day by day. Unlike renewable energy sources, fossil fuels have limited reserves and meet most of the world’s energy needs despite their adverse environmental effects. This study presents a new forecast strategy, including an optimization-based S-curve approach for coal consumption in Turkey. For this approach, Genetic Algorithm (GA) and Particle Swarm Optimization (PSO), Grey Wolf Optimization (GWO), and Whale Optimization Algorithm (WOA) are among the meta-heuristic optimization techniques used to determine the optimum parameters of the S-curve. In addition, these algorithms and Artificial Neural Network (ANN) have also been used to estimate coal consumption. In evaluating coal consumption with ANN, energy and economic parameters such as installed capacity, gross generation, net electric consumption, import, export, and population energy are used for input parameters. In ANN modeling, the Feed Forward Multilayer Perceptron Network structure was used, and Levenberg-Marquardt Back Propagation has used to perform network training. S-curves have been calculated using optimization, and their performance in predicting coal consumption has been evaluated statistically. The findings reveal that the optimization-based S-curve approach gives higher accuracy than ANN in solving the presented problem. The statistical results calculated by the GWO have higher accuracy than the PSO, WOA, and GA with R2 = 0.9881, RE = 0.011, RMSE = 1.079, MAE = 1.3584, and STD = 1.5187. The novelty of this study, the presented methodology does not need more input parameters for analysis. Therefore, it can be easily used with high accuracy to estimate coal consumption within other countries with an increasing trend in coal consumption, such as Turkey.

PL

Zapotrzebowanie na energię w skali globalnej rośnie z dnia na dzień. W przeciwieństwie do odnawialnych źródeł energii, paliwa kopalne mają ograniczone rezerwy i zaspokajają większość światowego zapotrzebowania na energię pomimo ich niekorzystnego wpływu na środowisko. Niniejsze opracowanie przedstawia nową strategię prognozowania, w tym oparte na optymalizacji podejście oparte na krzywej S dla zużycia węgla w Turcji. W tym podejściu algorytmy optymalizacji genetycznej (GA) i optymalizacji roju cząstek (PSO), optymalizacja Gray Wolf (GWO) i algorytm optymalizacji wielorybów (WOA) należą do metaheurystycznych technik optymalizacji stosowanych do określenia optymalnych parametrów krzywej S. Ponadto algorytmy te oraz sztuczna sieć neuronowa (SSN) zostały również wykorzystane do oszacowania zużycia węgla. Przy ocenie zużycia węgla za pomocą SSN jako parametry wejściowe wykorzystuje się parametry energetyczne i ekonomiczne, takie jak moc zainstalowana, produkcja brutto, zużycie energii elektrycznej netto, import, eksport i energia ludności. W modelowaniu SSN wykorzystano strukturę Feed Forward Multilayer Perceptron Network, a do uczenia sieci wykorzystano propagację wsteczną Levenberg-Marquardt. Krzywe S zostały obliczone za pomocą optymalizacji, a ich skuteczność w przewidywaniu zużycia węgla została oceniona statystycznie. Wyniki pokazują, że podejście oparte na optymalizacji opartej na krzywej S zapewnia większą dokładność niż SSN w rozwiązaniu przedstawionego problemu. Wyniki statystyczne obliczone przez GWO mają wyższą dokładność niż PSO, WOA i GA z R2 = 0,9881, RE = 0,011, RMSE = 1,079, MAE = 1,3584 i STD = 1,5187. Nowość tego badania, prezentowana metodyka nie wymaga dodatkowych parametrów wejściowych do analizy. Dzięki temu może być z łatwością wykorzystany z dużą dokładnością do oszacowania zużycia węgla w innych krajach o tendencji wzrostowej zużycia węgla, takich jak Turcja.