Wyniki wyszukiwania - BazTech

1

ATC enhancement in restructured power system using whale optimization algorithm

Reddy Sibbala Bhargava, Kumar R. Ashok, Sreenivasan G.

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 7

34--40

EN

Power industries around the world are moving towards the process of deregulation for the improvement in performance, efficiency and to attract private participants. The primary concerns are cost for transmission, congestion clearance, and Available Transfer Capability. Among these, ATC plays a significant role for secure and reliable operation. FACTS devices are viewed as a dynamic element for the quantity of power to be transferred and for increasing the available power transfer capacity. It overcomes the congestion of the transmission path and provides a chance to increase the electrical power flow on the line. This assignment proposes Wale Optimization Algorithm (WOA) for optimized setting of FACTS devices and for enhancing the ATC. The solution avoids the cost of erecting a new transmission system for power transmission. The validity of the proposed algorithm is confirmed through different test cases on standard IEEE test system.

PL

Energetyka na całym świecie zmierza w kierunku procesu deregulacji w celu poprawy wydajności, wydajności i przyciągnięcia prywatnych uczestników. Głównymi problemami są koszty transmisji, usuwanie zatorów i dostępne możliwości transferu. Wśród nich ATC odgrywa znaczącą rolę w bezpiecznym i niezawodnym działaniu. Urządzenia FACTS są postrzegane jako element dynamiczny dla ilości przesyłanej mocy i zwiększania dostępnej przepustowości. Pokonuje przeciążenia toru transmisyjnego i daje szansę na zwiększenie przepływu energii elektrycznej na linii. W tym zadaniu zaproponowano algorytm optymalizacyjny Wale'a (WOA) w celu zoptymalizowania ustawień urządzeń FACTS i ulepszenia ATC. Rozwiązanie pozwala uniknąć kosztów budowy nowego systemu przesyłowego do przesyłu mocy. Poprawność proponowanego algorytmu została potwierdzona przez różne przypadki testowe na standardowym systemie testowym IEEE.

2

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.

3

Self-adaptive whale optimization for the design and modelling of boiler plant

Savargave S. B., Deshpande A. M.

Control and Cybernetics

|

2018

|

Vol. 47, no. 4

329--356

EN

Recently, boiler plants are have been the subject of intensive investigations in the context of energy-saving technologies and management for power saving and reduction of emissions. Modern boiler design oﬀers several beneﬁts with this respect. In the past, improper design of boilers has been the cause of explosions which led to the loss of life and property. Modern designs attempt to avoid such mishaps. This paper presents a novel Self-Adaptive Whale Optimization Algorithm (SAWOA) for improving the learning characteristic of the neural network, the major intention being to model the characteristics of the boiler plant and so to eﬀectively predict the boiler behaviour. The performance analysis of the introduced model has been carried out using the three test cases with consideration of several parameters. In the experimental analysis, the introduced technique is compared with the existing ones, based on such approaches as Neural Model (NM), Fireﬂy (FF-NM), Adaptive Fireﬂy NM (AFF-NM), and Whale Optimization Algorithm-NM (WOANM). In this comparison, the error, i.e. the diﬀerence between the actual and the predicted value, was used, and the results revealed that the error is lower for the introduced technique under diﬀerent experimental scenarios. The experimental results demonstrate that the performance level of SAWOA is by 18% better than those of NM, FF-NM, and AFF-NM, and by 3.74% better than that of WOA-NM. This conﬁrms the quality of performance of the proposed approach regarding boiler plants.