پخش بار اقتصادي ديناميكي – زيست محيطي مبتني بر پيشنهاد سمت مصرف با استفاده از الگوريتم تركيبي غذا يابي باكتري و تكامل تفاضلي

Solving Bid-based Environmental-Dynamic Economic Dispatch Using a Hybrid Algorithm Based on Bacterial Foraging and Differential Evolution Algorithm

يكي از وظايف اپراتور مستقل سيستم و يا اپراتور بازار، دريافت پيشنهادات سمت عرضه و تقاضا به‌ منظور تعيين برنامه‌ريزي نيروگاه‌ها در سمت عرضه، برنامه‌ريزي توان مصرفي مشتريان و قيمت برق در دوره برنامه‌ريزي دربردارندة چندين بازه زماني است. معيار اصلي اپراتور مستقل سيستم، حداكثر شدن رفاه اجتماعي بازيگران است. براي اين منظور لازم است علاوه بر تابع هزينه سمت عرضه، تابع منفعت سمت مصرف نيز در تابع هدف گنجانده شود. در اين مقاله، الگوريتم بهينه‌سازي تركيبي جديدي مبتني بر الگوريتم غذايابي باكتري و تكامل تفاضلي براي حل مسئله پخش بار اقتصادي ديناميكي - زيست‌ محيطي مبتني بر حداكثر رفاه اجتماعي ارائه شده است. الگوريتم تركيبي ارائه‌شده علاوه بر جست‌وجو در يك فضاي گسترده براي دستيابي به پاسخ بهينه كلي، سرعت همگرايي پذيرفتني را نيز داراست. براي نشان‌دادن كارايي الگوريتم، چندين سيستم تست بررسي شده است و نتايج به‌ دست‌ آمده با ديگر روش‌ها مقايسه شده است. نتايج نشان‌دهندة برتري روش پيشنهادي نسبت به ديگر روش‌هاست.

In an electricity market, all market players, generating companies and large customers, submit their bids to market operator. Then using the aggregated supply/demand curve, the market operator determines the market prices and the schedules the supply of generating companies and the demand level of customers within the planning horizon to maximize the social profit. In this paper, a new hybrid optimization algorithm based on bacterial foraging and differential evolution algorithm is presented to solve the bid-based environmental-dynamic economic dispatch. The hybrid algorithm performs search through a stochastic gradient search with adaptive movement operation that has been coupled with differential evolution mutation and crossing over of the optimization agents. Simulation results on different case studies show that the performance of the purposed method is better than previous methods in convergence speed, stability and precision