كاربرد الگوريتم كاوش باكتري ديناميكي تطبيقي براي پخش بار بهينه با در نظر گرفتن تاثير نقطه‌ي شير و توان بادي

Application of Dynamic adaptive bacterial foraging algorithm for optimum economic dispatch with valve-point effects and wind power

اين مطالعه به ارائه الگوريتم كاوش باكتري ديناميكي تطبيقي (DABFA) براي حل مسأله پخش بار اقتصادي (ED) با در نظر گرفتن تأثير نقطه شير و تلفات توان مي‌پردازد. به علاوه توان باد نيز در فرمول‌سازي مسأله در نظر گرفته شده است. منابع انرژي تجديد پذير و به خصوص انرژي بادي، اخيراً به علت ملاحظات محيطي و اقتصادي گوناگون جلب توجه زيادي نموده‌اند. الگوريتم (BFA) اوليه، روش بهينه سازي تكاملي اخيراً پيشرفت يافته‌اي است كه با الگوگيري از رفتار كاوشي باكتري Escherichia coli به دست آمده است. روش BFA ابتدايي به طرز موفقيت آميزي براي حل مسائل بهينه سازي كوچك اجرا شده است، با اين وصف، اين روش مشخصه همگرايي ضعيفي براي مسائل مقيد بزرگتر نشان مي‌دهد. براي حل مشكل پيچيدگي و بعد زياد فضاي جستجوي مسأله، اصلاحاتي لازم براي بهبود عملكرد الگوريتم معرفي شده‌اند. گام پايه‌اي به گونه‌اي تنظيم شده كه رفتار ديناميكي غير خطي داشته باشد تا بين جستجوي عمومي و محلي تعادل برقرار شود. معيار توقف روش BFA ابتدايي نيز اصلاح شده تا به صورت تطبيقي وابسته به پيشرفت حل مسأله باشد، به جاي اين كه توقف مسأله وابسته به ماكزيمم تعيين شده تعداد تكرارها باشد. الگوريتم پيشنهادي با استفاده از تعدادي سيستم تست صحه‌گذاري شده است. نتايج به دست آمده با نتايج ساير الگوريتم‌هاي اعمال شده براي حل مسأله با در نظر گرفتن اثر نقطه شير و تلفات توان همراه با توان بادي مقايسه شده‌اند.

This study presents a dynamically adapted bacterial foraging algorithm (BFA) to solve the economic dispatch (ED) problem considering valve-point effects and power losses. In addition, wind power is included in the problem formulation. Renewable sources and wind energy in particular have recently been getting more interest because of various environmental and economical considerations. The original BFA is a recently developed evolutionary optimisation technique inspired by the foraging behaviour of the Escherichia coli bacteria. The basic BFA has been successfully implemented to solve small optimisation problems however, it shows poor convergence characteristics for larger constrained problems. To deal with the complexity and highdimensioned search space of the ED problem, essential modifications are introduced to enhance the performance of the algorithm. The basic chemotactic step is adjusted to have a dynamic non-linear behavior in order to improve balancing the global and local search. The stopping criterion of the original BFA is also modified to be adaptive depending on the solution improvement instead of the preset maximum number of iterations. The proposed algorithm is validated using several test systems. The results are compared with those obtained by other algorithms previously applied to solve the problem considering valve-point effects and power losses in addition to wind power.