يك روش تركيبي براي برنامه ريزي توسعه شبكه انتقال

A Combinatorial Method for Transmission Expansion Planning

در اين مقاله با تركيب الگوريتم سازنده ابتكاري و الگوريتم ژنتيكي ويژه يك روش موثر براي برنامه ريزي توسعه شبكه انتقال در محيط هاي انحصاري پيشنهاد مي شود. الگوريتم ژنتيك پيشنهادي داراي چندين مشخصه مختص به خود است كه آن را مناسب تر از ديگر الگوريتم هاي فراابتكاري براي حل مسيله TEP نشان مي دهد. مهمترين مشخصه اين است كه در اين الگوريتم فازي به نام فاز بهبود وجود دارد، به اين معني كه اگر جواب به دست آمده (كرموزم) پس از مراحل انتخاب، تركيب و جهش جوابي ناممكن براي مسيله باشد، اين جواب تبديل به جوابي ممكن مي شود. دراين مقاله به منظور حل مسيله TEP از يك الگوريتم سازنده ابتكاري مناسب در فاز بهبود الگوريتم ژنتيك پيشنهادي استفاده شده است. همچنين با به كارگيري مدل خطي ساده شده و وارد كردن نويز به هزينه خطوط، با روشي جديد، نسل اول با كيفيتي براي الگوريتم ژنتيك به دست مي آيد. در نهايت مقايسه نتايج بدست آمده با ساير روش ها از ديد زمان حل مسيله و كيفيت، موثر بودن اين روش را تاييد مي كند.

This paper proposes an efficient and novel method for transmission expansion planning in regulated environment of power systems. The method is based on combination of two algorithms such as special genetic algorithm (GA) and constructive heuristic algorithm. The proposed GA has its own special characteristics that make it better than other metahuristic methods in transmission expansion planning problems. The improvement phase is the main characteristic that makes this type of GA more efficient. It means that if after mating procedure (selection, crossover and mutation), the offspring was an infeasible one, by using a suitable constructive heuristic algorithm, and the aforementioned offspring is changed to a feasible one. Also by using a relaxed linear model of TEP and importing cost perturbation, a qualified initial population is obtained and used as an initial population of GA. The simulation results obtained from the proposed method were compared to those achieved from previous literature in terms of solution quality and computational efficiency. Results reveal that the superiority of this method in both aspects of financial and CPU time.