کاربرد NSGA-II برای توزیع اقتصادی محدودیت های زیست محیطی سیستم انرژی حرارتی-بادی-خورشیدی


امروزه بیشتر انرژی الکتریکی از سوزاندن سوخت‌های فسیلی تولید می‌شود که آلاینده‌های مختلفی مانند اکسیدهای گوگرد را آزاد می‌کند.2اکسیدهای نیتروژن (NOایکساکسیدهای کربن (CO,CO2) و غیره در هوا. یکی از اصولی که برای تاسیسات برقی مخالف است، کاهش آلودگی هوا است. قانون پیشنهادی در سال 1990 مربوط به هوای پاک برای کاهش گرمایش جهانی برنامه ریزی شده است. این امر ایجاب می کند که واحدهای تولید متعارف باید به ابعاد انتشار آلاینده های ذکر شده در بالا بپردازند [1].

بیش از یک روش برای کاهش آلودگی ناشی از آلودگی طبیعی در نوشته پیش بینی شده است [2]. این امر نصب دستگاه سوئیچینگ را در نظر می گیرد که سطح انتشار را حفظ می کند، استفاده از مواد اولیه کم انتشار و جایگزینی محفظه احتراق قدیمی از طریق مدل های جدید و دور شدن از تفکر خروجی [3]، [4]. این روش‌های اولیه یا مستلزم راه‌اندازی آخرین تجهیزات یا تغییر تجهیزات موجود است که مستلزم پرداخت وجوه قابل توجهی است. بنابراین روش آخر بیشتر توصیه می شود. تکنیک های متنوع [5]، [6]، [7] در رابطه با مشکل توزیع انتشار اقتصادی (EED) بحث شده است. با این حال، این تکنیک ها نمی توانند عملکردهای هزینه سوخت غیرخطی و سطح انتشار را مدیریت کنند. بنابراین روش آخر بیشتر توصیه می شود.

سه هدف – قیمت، خیرایکس استخراج و SO2 استخراج ماهیت متناقض دارند و برای کشف توزیع بهینه کلی باید به طور همزمان در نظر گرفته شوند. برای تنظیم بهره وری ژنراتور خطی با نیاز بار مورد انتظار برای به دست آوردن موثرترین نتیجه از نظر قیمت، NOایکس استخراج و SO2 استخراج همزمان با برآوردن هر یک از محدودیت‌های عملیاتی، از ارسال اقتصادی محیطی (EED) استفاده شده است.

چندین روش مرتبط با مشکل EED در متن مورد بحث قرار گرفته است. EED به عنوان یک مسئله عمدی چندگانه متناقض و از روش های برنامه ریزی هدف برای حل مشکل غیر خطی استفاده می کند. [8]، [9]روش بهینه سازی بر اساس برنامه ریزی خطی در این مقاله مورد بحث قرار گرفته است [10]، [11] جایی که اهداف یک به یک در نظر گرفته می شوند. تحقیقات متعددی برای ارزیابی توسعه استراتژی‌های جستجوی تکاملی چند هدفه در طول چند سال گذشته انجام شد. الگوریتم تکاملی پارتو قوی (SPEA 2) [12]، الگوریتم ژنتیک مرتب سازی غیر غالب II (NSGA II) [13]الگوریتم تکاملی چند هدفه (MOEA) [14] و غیره، شامل تکنیک های چند منظوره در حال تکامل است که به حل مسائل EED مربوط می شود.

در ده سال گذشته، شماره EED از طریق ترکیب خطی نقاط مختلف به عنوان یک کل وزنی، به یک شماره با هدف واحد تبدیل شد. [15]. از طریق تغییر وزن، نیاز به دستیابی به یک دسته از پاسخ های غیر تابعی است. متأسفانه، در صورت بروز مشکل در جلوی پارتو بهینه غیر محدب، فایده ای ندارد. با این حال، الگوریتم‌های جستجوی تصادفی بسیار سریع‌تر و دقیق‌تر هستند [16]، [17].

مشخص شده است که در تمام این رویکردها، تابع استخراج به عنوان مخلوطی از دی اکسید گوگرد (SO) فرموله شده است.2و اکسیدهای نیتروژن (NOایکس) یا فقط اکسیدهای نیتروژن (NOایکس) [18]. با این حال، در این مقاله دی اکسید گوگرد (SO2) و اکسیدهای نیتروژن (NOایکس) اهداف استخراج به عنوان توابع جداگانه در نظر گرفته می شوند.

با کاهش اثر گرمایش جهانی، نیروگاه های بادی و خورشیدی PV در کنار تامین برق با قیمت مناسب و بدون استخراج خطرناک محبوب می شوند. [19]. اما انرژی متناوب بادی و خورشیدی نیازمند طرح‌ها و استراتژی‌های ارسال برای حفظ اقتصاد با قابلیت اطمینان و اقدامات ایمنی است.

الگوریتم ژنتیک با کد واقعی (RCGA) [18]، [20]، [21] به منظور خلاص شدن از نماد دودویی دست و پا گیر برخورد با فضای جستجوی پیوسته با ابعاد بزرگ استفاده شده است. علاوه بر این، متقاطع باینری شبیه‌سازی شده (SBX) و جهش چند جمله‌ای در گزاره فعلی استفاده می‌شود.

یک الگوریتم ژنتیک مرتب‌سازی غیرمسلط-II در این مقاله برای ارسال اقتصادی محیطی چارچوب انرژی خورشیدی بادی حرارتی با چارچوب ذخیره‌سازی حیات باتری که در آن قیمت، دی اکسید گوگرد (SO) توصیه می‌شود2استخراج و اکسیدهای نیتروژن (NOایکس) استخراج اهداف رقابتی هستند. این مسئله به عنوان دشواری بهینه‌سازی چند هدفه محدود غیرخطی تولید می‌شود.

آزمایش‌های گسترده‌ای برای اعتبارسنجی طرح پیشنهادی با مرتبط کردن آن بر روی سیستم آزمایشی 1 و سیستم آزمایشی 2 انجام شده است. نتایج گزارش‌شده از بررسی NSGA-II با نتایج به‌دست‌آمده از SPEA 2 مقایسه و تجزیه و تحلیل می‌شود.


ترجمه و ارائه توسط: ttmnews