چطور این مقاله مهندسی برق را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2000205 رایگان است. ترجمه چکیده این مقاله مهندسی برق در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل انگلیسی :
487 Kb
حجم فایل فارسی :
298 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
برنامه ریزی در مدار قرار گرفتن واحدهای حرارتي با استفاده از الگوریتم ژنتیک
عنوان انگليسي
Thermal unit commitment using genetic algorithms
نویسنده/ناشر/نام مجله
Generation, Transmission and Distribution, IEE Proceedings
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی برق شامل 7 صفحه انگلیسی به صورت پی دی اف و 13 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
مسئله در مدار قرار گرفتن واحدها یک روش تصمیم گیری بسیارپیچیده به دلیل وجود چندین قید که نباید از حدود خود تجاوز کنند و در عین حال جواب بهینه یا نزدیکترین جواب را به دست دهند، می باشد. در این مقاله درباره کاربرد الگوریتم ژنتیک برای محاسبه کوتاه مدت با به کار گرفتن واحدهای حرارتی در تولید توان بحث شده است. هدف از به کارگیری بهینه، محاسبه حالت روشن و خاموش بودن واحدها برای تغذیه بار و رزرو چرخان مورد نیاز در هر دوره زمانی می باشد با این هدف که هزینه کلی تولید حداقل شده و قیود بهره برداری نیز ارضا گردند. در این مقاله شدنی بودن استفاده از الگوریتم ژنتیک بررسی شده و نتایج اولیه در محاسبه نزدیکترین نقطه بهینه اجرایی واحدهای حرارتی در شبکه مورد مطالعه گزارش شده است.
فهرست مطالب
1-مقدمه
2-
الگوریتم ژنتیک
.
3-تعریف مسئله
.
1-3-تابع هدف
4-جزئیات اجرا
5-نتایج تجربی
6-نتیجه گیری
الگوریتم ژنتیک در مدار قرار گرفتن واحد های حرارتی
:کلمات کلیدی
Abstract
Unit commitment is a complex decision-making process because of multiple constraints which must not be violated while finding the optimal or near-optimal commitment schedule. The paper discusses the application of genetic algorithms to determine the short-term commitment order of thermal unit in power generation. The objective of optimal commitment is to determine the on/off states of the units in the system to meet the load demand and spinning reserve requirement at each time period, such that the overall cost of generation is minimized, while satisfying various operational constraints. The paper examines the feasibility of using genetic algorithms, and reports preliminary results in determining a near-optimal commitment order of thermal units in a studied power system
Contents
1. Introduction
2. Genetic algorithms
3. Problem description
3.1. Objective function
4. Implementation
5. Experimental results
6.Conclusion
Keywords:
genetic algorithms commitment near-optimal commitment schedule
سایر منابع مهندسی برق-مهندسی برق قدرت در زمینه الگوریتم ژنتیک