The problem of economic dispatch is the minimization of the total cost of production by satisfying the demand of the load. The resolution of this problem is a way of managing an electricity production system taking into account the constraints of equalities and inequalities, in other words it is to find the optimal production for a given combination of units in operation. The appearance of meta-heuristic methods which are part of artificial intelligence, has effectively contributed to solving this problem. Bee colony optimization is a very recent family of meta-heuristics. Its principle is based on the behavior of real bees in life. Bees have properties that are quite different from those of other insect species. They live in colonies, building their nests in tree trunks or other similar enclosed spaces. In this paper, we will apply the optimization by colony of bees in test systems of different sizes with the aim of minimizing the cost of production of electrical energy by taking into account the effect of the valve points of the power plants. In order to see the effectiveness of the proposed algorithm, it has been compared with other algorithms in the literature.
PL
Problem ekonomicznej wysyłki polega na minimalizacji całkowitego kosztu produkcji poprzez zaspokojenie zapotrzebowania na ładunek. Rozwiązanie tego problemu to sposób zarządzania systemem wytwarzania energii elektrycznej z uwzględnieniem ograniczeń równości i nierówności, czyli znalezienie optymalnej produkcji dla danej kombinacji pracujących jednostek. Pojawienie się metod metaheurystycznych wchodzących w skład sztucznej inteligencji skutecznie przyczyniło się do rozwiązania tego problemu. Optymalizacja kolonii pszczół to bardzo nowa rodzina metaheurystyk. Jego zasada opiera się na zachowaniu prawdziwych pszczół w życiu. Pszczoły mają właściwości zupełnie odmienne od właściwości innych gatunków owadów. Żyją w koloniach, budując gniazda w pniach drzew lub innych podobnych zamkniętych przestrzeniach. W tym artykule zastosujemy optymalizację przez rodzinę pszczół w układach testowych różnej wielkości w celu minimalizacji kosztów produkcji energii elektrycznej poprzez uwzględnienie wpływu punktów zaworowych elektrowni. Aby sprawdzić skuteczność zaproponowanego algorytmu, porównano go z innymi algorytmami dostępnymi w literaturze.
Thermal power plants, vital for the production of electrical energy, pose challenges due to the emission of harmful gases, contributing to environmental pollution and global warming. To address these issues while ensuring cost-effective operation, the Dynamic Economic Emission Dispatch (DEED) was formulated. This paper addresses Dynamic Economic Emission Dispatch (DEED) problems incorporating varying real transmission losses and considering valve point effects, which make DEED a non-smooth and more complex optimization problem that requires an effective optimization method. The method proposed in this article is new metaheuristic method, inspired by the lifestyle of African vultures. The algorithm is called the African Vultures Optimization Algorithm (AVOA), it is first tested on 36 standard reference functions. (AVOA) was applied to standard 10, and 15 unit test systems to meet 24-hour load demands. Comparison of the obtained results with other research shows that the proposed method outperforms other methodologies in terms of reduction in fuel cost, emissions, and transmission losses.
PL
Elektrownie cieplne, niezbędne do produkcji energii elektrycznej, stwarzają wyzwania ze względu na emisję szkodliwych gazów, przyczyniających się do zanieczyszczenia środowiska i globalnego ocieplenia. Aby rozwiązać te problemy, zapewniając jednocześnie opłacalną eksploatację, opracowano Dynamiczny Ekonomiczny Wysyłanie Emisji (DEED). W artykule omówiono problemy dynamicznego ekonomicznego wysyłania emisji (DEED), uwzględniając zmieniające się rzeczywiste straty w przekładni i uwzględniając efekty punktu zaworowego, które sprawiają, że DEED nie jest gładkim i bardziej złożonym problemem optymalizacyjnym, wymagającym skutecznej metody optymalizacji. Metoda zaproponowana w tym artykule jest nową metodą metaheurystyczną, inspirowaną stylem życia sępów afrykańskich. Algorytm nazywa się algorytmem optymalizacji sępów afrykańskich (AVOA) i jest najpierw testowany na 36 standardowych funkcjach odniesienia. (AVOA) zastosowano w standardowych 10 i 15 systemach testów jednostkowych, aby sprostać wymaganiom obciążenia 24-godzinnego. Porównanie uzyskanych wyników z innymi badaniami pokazuje, że proponowana metoda przewyższa inne metodyki pod względem redukcji kosztów paliwa, emisji i strat przesyłowych.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.