Dynamic economic emission dispatch using whale optimization algorithm for multi-objective function

Автор(и)

DOI:

https://doi.org/10.20998/2074-272X.2021.2.09

Ключові слова:

алгоритм оптимізації китів, динамічна економна диспетчеризація викидів, швидкість наростання, багатоцільова задача, економна емісія

Анотація

Вступ. Динамічна економна диспетчеризація викидів – це розширена версія традиційної задачі економної диспетчеризації викидів, в якій враховується коефіцієнт нарощування для межі генераторів в енергомережі. Призначення. Динамічна економна  диспетчеризація викидів розглядала питання економії та викидів як конкурентні цілі для оптимальних задач диспетчеризації, і для розв‘язання задачі потрібне певне вирішення конфліктів. Новизна. Метод прийняття рішень для розв‘язання задачі динамічної економної диспетчеризації викидів має мету для кожної цільової функції, для цього багатоцільова задача трансформується в оптимізацію однієї цілі за допомогою методу зваженої суми, а потім контролюється/розв‘язується за допомогою алгоритму оптимізації китів. Методологія. У цій роботі представлена нещодавно розроблена метаевристична методика, заснована на алгоритмі оптимізації китів для розв‘язання задачі динамічної економної диспетчеризації викидів. Основним натхненням для цієї методики оптимізації є той факт, що метаевристичні алгоритми стають популярними з кожним днем завдяки своїй простоті, відсутності вимог до інформації про градієнт, легкості обходу локальних оптимумів та можливості бути використаними для ряду інших задач. Цей алгоритм включає в себе всі можливі фактори, які забезпечать мінімальні вартість та викиди задачі динамічної економної диспетчеризації викидів для ефективної роботи генераторів в енергомережі. Запропонований підхід добре працює для розв‘язання задач і наближення рішення до найкращого оптимального. Результати. Запропонована стратегія перевірена шляхом моделювання на MATLAB® для 5 стандартних тестових систем IEEE. Чисельні результати демонструють можливості запропонованого алгоритму для встановлення оптимального рішення задачі динамічної економної диспетчеризації викидів за кілька прогонів. Запропонований алгоритм демонструє хорошу ефективність порівняно з нещодавно запропонованими алгоритмами, такими як багатоцільова нейронна мережа, навчена з використанням диференціальної еволюції, оптимізація рою частинок, еволюційне програмування, імітаційний відпал, пошук за шаблоном, багатоцільова диференціальна еволюція та багатоцільова гібридна диференціальна еволюція з імітаційним методом відпалу.

Біографії авторів

M. F. Mehdi , University of Engineering and Technology, Taxila, Pakistan

MS in Electrical Engineering, Department of Electrical Engineering

A. Ahmad , University of Engineering and Technology, Taxila, Pakistan

Professor, Department of Electrical Engineering

S. S. Ul Haq , University of Engineering and Technology, Taxila, Pakistan

MS in Electrical Engineering, Department of Electrical Engineering

M. Saqib , University of Engineering and Technology, Taxila, Pakistan

MS in Electrical Engineering, Department of Electrical Engineering

M. F. Ullah , Wah Engineering College, University of Wah Pakistan, Pakistan

Engineer, Junior Lecturer, Department of Electrical Engineering

Посилання

Zou Y., Zhao J., Ding D., Miao F., Sobhani B. Solving dynamic economic and emission dispatch in power system integrated electric vehicle and wind turbine using multi-objective virus colony search algorithm. Sustainable Cities and Society, 2021, vol. 67, p. 102722. doi: https://doi.org/10.1016/j.scs.2021.102722.

Zare M., Narimani M.R., Malekpour M., Azizipanah-Abarghooee R., Terzija V. Reserve constrained dynamic economic dispatch in multi-area power systems: An improved fireworks algorithm. International Journal of Electrical Power & Energy Systems, 2021, vol. 126, part A, p. 106579. doi: https://doi.org/10.1016/j.ijepes.2020.106579.

Ahmed W., Sheikh J.A., Kouzani A.Z., Mahmud M.A.P. The Role of Single End-Users and Producers on GHG Mitigation in Pakistan – A Case Study. Sustainability, 2020, vol. 12, no. 20, p. 8351. doi: https://doi.org/10.3390/su12208351.

Qian S., Wu H., G Xu. An improved particle swarm optimization with clone selection principle for dynamic economic emission dispatch. Soft Computing, 2020, vol. 24, no. 20, pp. 15249-15271. doi: https://doi.org/10.1007/s00500-020-04861-4.

Azizivahed A., Arefi A., Naderi E., Narimani H., Fathi M., Narimani M.R. An Efficient Hybrid Approach to Solve Bi-objective Multi-area Dynamic Economic Emission Dispatch Problem. Electric Power Components and Systems, 2020, vol. 48, no. 4-5, pp. 485-500. doi: https://doi.org/10.1080/15325008.2020.1793830.

Wu C., Jiang P., Sun Y., Zhang C., Gu W. Economic dispatch with CHP and wind power using probabilistic sequence theory and hybrid heuristic algorithm. Journal of Renewable and Sustainable Energy, 2017, vol. 9, no. 1, p. 013303. doi: https://doi.org/10.1063/1.4976144.

Zhang Y., Liu K., Liao X., Qin L., An X. Stochastic dynamic economic emission dispatch with unit commitment problem considering wind power integration. International Transactions on Electrical Energy Systems, 2018, vol. 28, no. 1, p. e2472. doi: https://doi.org/10.1002/etep.2472.

Hadji B., Mahdad B., Srairi K., Mancer N. Multi-objective economic emission dispatch solution using dance bee colony with dynamic step size. Energy Procedia, 2015, vol. 74, pp. 65-76. doi: https://doi.org/10.1016/j.egypro.2015.07.524.

Jin J., Zhou D., Zhou P., Guo X., Sun Z. Modeling for dynamic economic emission dispatch under uncertainty. Electric Power Components and Systems, 2015, vol. 43, no. 14, pp. 1630-1643. doi: https://doi.org/10.1080/15325008.2015.1050613.

Zhang H., Yue D., Xie X., Hu S., Weng S. Multi-elite guide hybrid differential evolution with simulated annealing technique for dynamic economic emission dispatch. Applied Soft Computing, 2015, vol. 34, pp. 312-323. doi: https://doi.org/10.1016/j.asoc.2015.05.012.

Mason K., Duggan J., Howley E. Multi-objective dynamic economic emission dispatch using particle swarm optimisation variants. Neurocomputing, 2017, vol. 270, pp. 188-197. doi: https://doi.org/10.1016/j.neucom.2017.03.086.

Mason K., Duggan J., Howley E. A multi-objective neural network trained with differential evolution for dynamic economic emission dispatch. International Journal of Electrical Power & Energy Systems, 2018, vol. 100, pp. 201-221. doi: https://doi.org/10.1016/j.ijepes.2018.02.021.

Mirjalili S., Lewis A. The whale optimization algorithm. Advances in Engineering Software, 2016, vol. 95, pp. 51-67. doi: https://doi.org/10.1016/j.advengsoft.2016.01.008.

Hassan M.K., El Desouky A.I., Elghamrawy S.M., Sarhan A.M. A Hybrid Real-time remote monitoring framework with NB-WOA algorithm for patients with chronic diseases. Future Generation Computer Systems, 2019, vol. 93, pp. 77-95. doi: https://doi.org/10.1016/j.future.2018.10.021.

Basu M. Particle swarm optimization based goal-attainment method for dynamic economic emission dispatch. Electric Power Components and Systems, 2006, vol. 34, no. 9, pp. 1015-1025. doi: https://doi.org/10.1080/15325000600596759.

Basu, M. (). Dynamic economic emission dispatch using evolutionary programming and fuzzy satisfying method. International Journal of Emerging Electric Power Systems, 2007, vol. 8, no. 4, Article 1. doi: https://doi.org/10.2202/1553-779X.1146.

Alsumait J.S., Qasem M., Sykulski J.K., Al-Othman A.K. An improved pattern search based algorithm to solve the dynamic economic dispatch problem with valve-point effect. Energy Conversion and Management, 2010, vol. 51, no. 10, pp. 2062-2067. doi: https://doi.org/10.1016/j.enconman.2010.02.039.

##submission.downloads##

Опубліковано

2021-04-10

Як цитувати

Mehdi , M. F., Ahmad , A., Ul Haq , S. S., Saqib , M., & Ullah , M. F. . (2021). Dynamic economic emission dispatch using whale optimization algorithm for multi-objective function. Електротехніка і Електромеханіка, (2), 64–69. https://doi.org/10.20998/2074-272X.2021.2.09

Номер

Розділ

Електричні станції, мережі і системи

Статті цього автора (авторів), які найбільше читають