دانشکده بين المللي پرديس تبريز
گروه مهندسي برق – قدرت
پايان نامه
براي دريافت درجه کارشناسي ارشد در رشته مهندسي برق – قدرت

عنوان
مسيريابي بهينه فيدرها در سيستم توزيع درحضور مولدهاي پراکنده بمنظور کاهش هزينه هاي سرمايه گذاري و تلفات با استفاده از الگوريتم ژنتيک
استاد راهنما
دکتر کاظم زارع
استاد مشاور
دکتر سعيد قاسم زاده
استاد داور
دکتر بهنام محمدي
پژوهشگر
محمدرضاملکي
بهمن 1391
نام خانوادگي: ملکي نام: محمدرضاعنوان پايان نامه: مسيريابي بهينه فيدرها درحضور مولدهاي پراکنده جهت کاهش هزينه هاي سرمايه گذاري و تلفات با استفاده از الگوريتم ژنتيکاستاد راهنما: دکتر کاظم زارع
استاد مشاور: دکتر سعيد قاسم زادهمقطع تحصيلي: کارشناسي ارشد رشته: برق گرايش: قدرت دانشگاه: تبريزدانشکده: دانشکده بين المللي پرديس تبريز تاريخ فارغ التحصيلي: بهمن سال 1391 تعداد صفحه: 70واژه نامه: مسيريابي بهينه فيدرها، روش هاي هوشمند، روش درخت پوشاي کمينه، مولدهاي پراکندهچکيده:
طراحي شبکه هاي توزيع مخصوصا در مقياس بزرگ بدليل وجود تعداد کثيري از پارامترها، حل مسائل مرتبط با آن، داراي مشکلات و پيچيدگي هاي زيادي مي باشد. يکي از مسائل مهم در سيستم هاي توزيع، مسيريابي بهينه فيدرها مي باشدکه عموما با اهداف ذيل صورت مي گيرد:
– کاهش تلفات
– افزايش قابليت اطمينان
– کاهش هزينه هاي سرمايه گذاري
دراکثر مراجع مطالعه شده، مسيريابي بهينه فيدرها بدون حضور منابع پراکنده انجام گرديده است. اطلاعات پايه اي مورد نياز براي مسيريابي بهينه فيدرها رشد بار، نرخ تورم و بهره، حداکثر افت ولتاژ مجاز، مسير فيدرهاي موجود، مکان پست فوق توزيع و پست هاي توزيع، ميزان بار هريک از پست هاي توزيع، محدوديت هاي جغرافيائي و شهري، نوع و قيمت فيدرفشار متوسط و مناطقي که بايد الزاما از فيدرهاي زميني استفاده کنند، مي باشد. در مسيريابي بهينه فيدرها، مي بايستي حداکثر بارگذاري سکشن ها و پست فوق توزيع، افت ولتاژ مجاز، تغذيه تمامي بارها، محدوديت هاي جغرافيائي رعايت گردد.
امروزه مولدهاي پراکنده در سيستم هاي قدرت و شبکه هاي توزيع، نقش بسزائي در کاهش پيک مصرف، کاهش تلفات، افزايش کيفيت توان و افزايش قابليت توان، افزايش رقابت در بازار برق، افزايش کارائي انرژي از طريق توليد همزمان برق و حرارت دارد، ضمن اينکه مسائل زيست محيطي، حالت عملکرد جزيره اي، تامين برق مناطق دورافتاده، پائين بودن حجم نقدينگي مورد نياز براي سرمايه گذاري، تجديد نظر در استفاده از انرژي هاي هسته اي و … از ديگر عوامل موثر در گرايش به استفاده از مولدهاي پراکنده مي باشد.
در اين تحقيق مطالعات با درنظرگرفتن فرضيات ذيل صورت مي گيرد:
– محل پست فوق توزيع معلوم مي باشد.
– محل مولدهاي پراکنده معلوم مي باشد.
– محل و بار پست هاي توزيع معلوم مي باشد.
– در پخش بار شبکه، مولدهاي پراکنده بعنوان يک بار ثابت منفي اکتيو و راکتيو فرض مي گردد.
با توجه به ماهيت غير خطي و پيچيدگي مسائل توزيع و کثرت متغيرها، روش هاي کلاسيک ديگر پاسخگوي حل مسائل بزرگ نيستند، از اين رو با توجه به توانائي روش هاي هوشمند در حل مسائل غير خطي و سرعت مناسب آنها، استفاده از روش هاي هوشمند از قبيل الگوريتم ژنتيک، الگوريتم هجوم ذرات، الگوريتم کولوني مورچگان، شبکه هاي عصبي، فازي سازي و … مرسوم و گريزناپذير گرديده است.
در اين پايان نامه براي حل مساله مسيريابي بهينه فيدرهاي فشار متوسط با هدف کاهش هزينه هاي سرمايه گذاري و تلفات و انرژي توزيع نشده، از ترکيب روش درخت پوشاي کمينه و الگوريتم ژنتيک در حضور مولدهاي پراکنده، استفاده شده است و امکان بدست آوردن سطح مقطع هادي هاي سکشن ها و طراحي هر سکشن به صورت هوائي و يا زميني را فراهم کرده است.
نقش مولدهاي پراکنده در کاهش تلفات و کاهش مجموع هزينه هاي سرمايه گذاري اوليه و تلفات و انرژي توزيع نشده و تاثير حضور آنها بر توپولوژي شبکه مورد طراحي، نشان داده شده است. مطالعه بر روي دو شبکه 24 و 33 باسه انجام گرديده و جهت درست آزمائي روش پيشنهادي مسيريابي بهينه فيدرها نتايج بدست آمده مطالعه شده بر روي شبکه 24باسه با نتايج مرجع مقايسه شده است. جهت برنامه نويسي مسيريابي بهينه فيدرها از matlab استفاده شده است.
فهرست مطالب
عنوان صفحه
فهرست جدول‌هاد
فهرست شکل‌هاه
فهرست نمودارهاه
فصل اول1
فصل1- مقدمه1
1-1- مقدمه2
1-2- بيان موضوع و اهداف تحقيق2
1-3- چارچوب پايان‌نامه3
1-3-1 پيش فرض‌ها3
1-3-2 تابع هدف3
1-3-3 قيود مسئله3
1-3-4 خروجي اجراي برنامه4
1-4- مروري بر فصول پايان‌نامه4
فصل‌دوم
فصل2- مروري بر روش‌هاي مسيريابي بهينه فيدرها در شبکه‌هاي توزيع6
2-1- مقدمه6
2-2- مسيريابي بهينه فيدرها درشبکه‌هاي توزيع6
2-3- نظريه گراف10
2-3-1- تعاريف گراف10
2-3-2- درخت پوشاي کمينه10
2-3-2-1- الگوريتم کروسکال11
2-3-2-2- الگوريتم پريم11
2-3-2-3- الگوريتم دايسترا21
2-3-2-4- الگوريتم سولين12
2-4- الگوريتم ژنتيک13
2-4-1- مفهوم الگوريتم ژنتيک13
2-4-2- آشنائي با الگوريتم ژنتيک13
2-4-3- مراحل الگوريتم ژنتيک14
2-4-4- ايجاد ساختار اوليه14
2-4-5- توليد ساختارهاي جديد14
2-4-6- روش هاي انتخاب15
2-4-6-1- انتخاب چرخ گردان15
2-4-6-2- انتخاب مقايسه اي15
2-4-6-3- انتخاب رتبه اي16
2-4-7- تقاطع16
2-4-7-1- تقاطع تک نقطه اي16
2-4-7-2- انتخاب چند نقطه اي16
2-4-8- جهش16
2-4-8-1- جهش تک نقطه اي16
2-4-8-2- جهش چند نقطه اي17
2-4-9- پردازش و برازش17
2-4-10- جايگزيني17
2-5- معرفي دو تابع کاربردي sparse وgraphtraverse18
2-5-1- ماتريس sparse18
2-5-2- تابع sparse18
2-5-3- تابع graphtraverse19
فصل‌سوم
فصل3- مسيريابي بهينه فيدرها در شبکه هاي توزيع در حضور منابع پراکنده21
3-1- مقدمه21
3-2- درخت پوشاي کمينه22
3-2-1- الگوريتم پريم22
3-2-2- ورودي الگوريتم پريم23
3-2-3- خروجي الگوريتم پريم23
3-2-4- شاخص الگوريتم پريم24
3-3- الگوريتم ژنتيک29
3-3-1- ايجاد ساختارهاي اوليه30
3-3-2- ايجاد ساختارهاي جديد30
3-3-2-1- تابع انتخاب30
3-3-2-2- تابع تقاطع30
3-3-2-3- تابع جهش31
3-4- تابع هدف31
3-5- ماتريس هاي مورد استفاده در اين تحقيق31
3-5-1- ماتريس اطلاعات شبکه23
3-5-2- ماتريس مشخصات هادي هاي ACSR32
3-5-3- ماتريس مشخصات کابل ها23
3-5- زيربرنامه تعيين سطح مقطع هادي ها33
3-6- زير برنامه تست شعاعي بودن شبکه33
3-7- پخش بار35
3-7-1- مفهوم پخش بار35
3-7-2- پخش بار به روش پيشرو – پسرو36
3-8- بررسي تعدادي از سناريوهاي مسيريابي فيدرها37
3-8-1- مسيريابي بهينه فيدرها بدون وجود DG38
3-8-2- مسيريابي بهينه فيدرها با وجود DG40
3-8-2-1- مسيريابي بهينه فيدرها توام با جايابي DG40
3-8-2-2- مسيريابي بهينه فيدرها جهت تعيين حساسيت با توان DG42
فصل‌ چهارم
فصل 4- مطالعات عددي45
4-1- شبکه‌ هاي نمونه45
4-1-1- شبکه‌ نمونه 24 باسه]13[45
4-1-2- شبکه‌ نمونه 33 باسهIEEE47
4-2- مطالعات عددي مسيريابي بهينه فيدرها در شبکه هاي 24 باسه]13[ و33 باسهIEEE49
4-2-1- مطالعات عددي پياده سازي شده برروي شبکه 24 باسه]13[49
4-2-1-1- مسيريابي بهينه فيدرها بدون وجود DG در شبکه نمونه 24 باسه]13[49
4-2-1-2- مقايسه نتايج مسيريابي بهينه فيدرها براي شبکه 24 باسه]13[ در روشهاي مختلف51
4-3-1- مطالعات عددي پياده سازي شده برروي شبکه 33 باسهIEEE59
4-3-1-1- مسيريابي بهينه فيدرها بدون وجود DG در شبکه نمونه33 باسهIEEE60
4-3-1-2- مسيريابي بهينه فيدرها توام با جايابي DG در شبکه نمونه 33 باسهIEEE61
4-3-1-3- مسيريابي بهينه فيدرها جهت تعيين حساسيت با توان DG در شبکه نمونه 33 باسهIEEE62
4-3-1-4- مسيريابي بهينه فيدرها با وجود DG با ظرفيت هاي مختلف در چند باس شبکه نمونه 33 باسهIEEE63
4-4- پارامترهاي الگوريتم ژنتيک66
4-5- جمع بندي:66
فصل‌ پنجم
فصل 5- نتيجه گيري68
مراجع:69
فهرست جدول‌ها
عنوان صفحه
جدول 4- 1 طول شاخه سکشن ها در شبکه 24 باسه]13[46
جدول 4- 2 اطلاعات تکميلي سکشن ها در شبکه 33 باسهIEEE47
جدول 4- 3 هزينه ها و اطلاعات تکميلي سکشن ها در شبکه 24 باسه]13[46
جدول 4- 4 مصرف در نقاط بار شبکه 24 باسه]13[46
جدول 4- 2 اطلاعات سکشن ها در شبکه 33 باسهIEEE48
جدول 4- 6 نتايج مسيريابي بهينه فيدرهاي در شبکه 24 باسه]13[49
جدول 4- 7 مقايسه نتايج مسيريابي بهينه فيدرها براي شبکه 24 باسه]13[ در روشهاي مختلف51
جدول 4- 8 جزئيات هزينه هاي سرمايه گذاري اوليه تصحيح يافته]13[52
جدول 4- 9 جزئيات هزينه هاي انرژي توزيع نشده تصحيح يافته]13[ 53
جدول 4- 10 جزئيات نتايج پخش بار و تلفات تصحيح يافته]13[54
جدول 4- 11 جزئيات نتايج پخش بار تصحيح يافته]13[ 55
جدول 4- 12 جزئيات هزينه تلفات انرژي تصحيح يافته]13[ 55
جدول 4- 13 جزئيات هزينه هاي سرمايه گذاري اوليه در روش پيشنهادي56
جدول 4- 14 جزئيات هزينه هاي انرژي توزيع نشده در روش پيشنهادي57
جدول 4- 15 جزئيات نتايج پخش بار و تلفات در روش پيشنهادي58
جدول 4- 16 جزئيات نتايج پخش بار در روش پيشنهادي58
جدول 4- 17 جزئيات هزينه تلفات انرژي در روش پيشنهادي59
جدول 4- 18 نتايج مسيريابي بهينه فيدرها بدون وجود DG در شبکه33 باسهIEEE60
جدول 4- 19 نتايج مسيريابي بهينه فيدرها توام با جايابي DG(ها ) در شبکه33 باسهIEEE61
جدول 4- 20 نتايج مسيريابي بهينه فيدرها و تعيين حساسيت با توان DG در شبکه 33 باسهIEEE62
جدول 4- 21 ظرفيت DG(ها ) و محل نصب آنها در شبکه 33 باسهIEEE63
جدول 4- 22 نتايج مسيريابي بهينه فيدرها و با وجود DG ها در باس هاي3و6 و24و29 درشبکه33 باسهIEEE63

فهرست شکل‌ها
عنوان صفحه
شکل 3- 1 فلوچارت الگوريتم پريم25
شکل 3- 2 نمونه يک گراف ساده با 8 راس و 14 يال25
شکل 3- 3 شکل شماتيک اجراي الگوريتم پريم26
شکل 3- 4 شکل شماتيک اجراي الگوريتم پريم26
شکل 3- 5 شکل شماتيک اجراي الگوريتم پريم27
شکل 3- 6 شکل شماتيک اجراي الگوريتم پريم27
شکل 3- 7 شکل شماتيک اجراي الگوريتم پريم28
شکل 3- 8 شکل شماتيک اجراي الگوريتم پريم28
شکل 3- 9 شکل شماتيک اجراي الگوريتم پريم29
شکل 3- 10 شکل شماتيک اجراي الگوريتم پريم29
شکل 3- 11 فلوچارت زيربرنامه تست شعاعي بودن شبکه34
شکل 3- 12 شبکه توزيع نمونه36
شکل 3- 13 فلوچارت مسيريابي بهينه فيدرها بدون وجود DG39
شکل 3- 14 فلوچارت مسيريابي بهينه فيدرها توام با جايابي DG41
شکل 3- 15 فلوچارت مسيريابي بهينه فيدرها و تعيين حساست شبکه با توان DG43
شکل 4- 1 شبکه نمونه 24 باسه45
شکل 4- 2 شبکه نمونه33 باسه IEEE47
شکل 4- 3 مسيريابي بهينه فيدرها در شبکه 24 باسه]13[50
شکل 4- 4 مسيريابي بهينه فيدرها در شبکه 24 باسه ترسيم شده با WORD50
شکل 4- 5 مسيريابي بهينه فيدرها بدون وجود DG در شبکه 33 باسهIEEE 60
شکل 4- 6 مسيريابي بهينه فيدرها توام با جايابي DG در شبکه 33 باسهIEEE 61
شکل 4- 7 مسيريابي بهينه فيدرها جهت تعيين حساسيت با DG از ظرفيت KW 0 تا KW 125063
شکل 4- 8 مسيريابي بهينه فيدرها جهت تعيين حساسيت با DG به ظرفيت KW15064
شکل 4- 9 مسيريابي بهينه فيدرها با حضورDG(ها ) در باس هاي 3 و6 و24 و 29 در شبکه 33 باسهIEEE65
شکل 4- 10 خروجي الگوريتم ژنتيک مسيريابي بهينه فيدرها در شبکه 33 باسه65

فهرست نمودار‌ها
عنوان صفحه
نمودار4-1 حساسيت شبکه با توان DG در مسيريابي بهينه فيدرها در شبکه 33 باسه64
فصل اول
مقدمه
فصل1- مقدمه
1- 1- مقدمه
طراحي شبکه هاي توزيع به علت کثرت متغيرهاي آن و لزوم بررسي آيتم هاي زيادي، از مسائل پيچيده و تا حد زياد مشکل محسوب مي گردد. طراحي بهينه شبکه هاي توزيع اساسا به صورت يک مسئله بهينه سازي چند منظوره بيان مي گردد که در آن تابع هدف که شامل هزينه هاي سرمايه گذاري و بهره برداري است مي بايستي نسبت به محدوديت هاي الکتريکي و جغرافيائي حداقل گردد. از اين رو طراحي شبکه هاي با حداقل هزينه هاي نصب و بهره برداري و کاهش تلفات يک سناريوي پيچيده است.
به دليل گزينه هاي فني بسيار زياد قابل انتخاب، روش هاي بهينه سازي توانمندي مورد نياز مي باشد که نتايج آن منجر به صرفه جوئي قابل ملاحظه در هزينه هاي شرکتهاي برق، سرمايه گذاران اين بخش و مصرف کنندگان گردد. بدليل پيچيدگي و گستردگي مسئله، معمولا طراحي شبکه هاي توزيع، به قسمت هاي زير تقسيم مي گردد.
* پيش بيني بلند مدت بار
* جايابي و تعيين ظرفيت بهينه پست هاي توزيع
* تعيين مسير فيدرهاي فشار متوسط و جايابي پست هاي فوق توزيع
1-2- بيان موضوع و اهداف تحقيق
بطورکلي براي حل مسائل بهينه سازي دو روش سنتي و هوشمند وجود دارد، با توجه به ماهيت مسائل توزيع و وجود توابع هدف و بعضا محدوديت هاي غيرخطي، حل مسائل بهينه سازي با استفاده از روش هاي سنتي از قبيل روش لاگرانژ1و روش برنامه ريزي خطي سيمپلکس2 و … خيلي مشکل و عملا نا ممکن مي گردد. از اين رو، استفاده از روش هاي هوشمند از قبيل الگوريتم ژنتيک، روش جستجوي غذاي باکتري3، روش شبيه سازي حرارتي4، روش جستجوي مورچگان5، روش فازي سازي، روش هجوم ذرات6 و … در حل مسائل بهينه سازي سيستم هاي توزيع مرسوم مي باشد. در بسياري از موارد از روش هاي تلفيقي و ارتقاء يافته موارد فوق استفاده مي شود. روش هاي هوشمند مذکور با توجه به نوع مسئله و نحوه بکارگيري آنها، داراي مزايا و معايبي نسبت به يکديگر مي باشند.
1-3- چارچوب پايان‌نامه
بطور کلي چارچوب اين تحقيق بصورت زير است:
1-3-1- پيش فرض‌ها
در اين تحقيق مطالعات با درنظرگرفتن فرضيات ذيل صورت مي گيرد:
* محل پست فوق توزيع معلوم مي باشد.
* محل مولدهاي پراکنده معلوم مي باشد.
* بار پست هاي توزيع ثابت فرض مي گردد.
* محل و بار پست هاي توزيع معلوم مي باشد.
* در پخش بار شبکه، مولدهاي پراکنده بعنوان يک بار ثابت منفي اکتيو و راکتيو فرض مي گردد.
1-3-2- تابع هدف
تابع هدف مجموع هزينه هاي سرمايه گذاري اوليه و تلفات مي باشد.
1-3-3- قيود مسئله
در حل مسئله مسيريابي بهينه فيدرها محدوديت هاي ذيل در نظر گرفته مي شود:
* محدوديت افت ولتاژ
* محدوديت شعاعي شبکه
* محدوديت جريان فيدرها
* محدوديت هاي جغرافيائي
* محدوديت تغذيه تمامي بارها
* محدوديت ظرفيت پست هاي توزيع
* محدوديت ظرفيت پست فوق توزيع
1-3-4- خروجي اجراي برنامه
در اين تحقيق در نهايت بهترين مسير فيدرها با بررسي انواع سناريوها در دو حالت وجود و يا عدم وجود مولدهاي پراکنده بدست مي آيد.
1-4- مروري بر فصول پايان‌نامه
در اين پايان نامه، تاثير منابع توليد پراکنده7 بر مسيريابي فيدرهاي فشار متوسط در نظر گرفته شده و با معلوم بودن محل پست فوق توزيع و پست هاي توزيع و منابع پراکنده، بهترين مسير تغذيه از پست فوق توزيع تا پست هاي توزيع با استفاده از تلفيق روش درخت پوشاي کمينه8 و الگوريتم ژنتيک9 تعيين مي شود.
در فصل دوم پايان نامه که مربوط به بررسي منابع است، به تشريح و بررسي روش هاي مختلف مورد استفاده در مسيريابي بهينه فيدرها پرداخته و سپس نظريه گراف10، الگوريتم ژنتيک و دو تابع sparse و graphtraverseاز توابع matlab توضيح داده شده است.
در فصل سوم به تشريح و بررسي درخت پوشاي کمينه و الگوريتم پريم، الگوريتم ژنتيک، زير برنامه تست شعاعي بودن شبکه و نيز الگوريتم پخش بارشعاعي پيشرو- پسرو11 پرداخته شده و در ادامه، مراحل مسيريابي بهينه فيدرها طي روش پيشنهادي با معرفي انواع سناريوها، آورده شده است.
در فصل چهارم شبکه ‌هاي نمونه معرفي و مطالعات عددي بر روي شبکه 24 باسه انجام شده و جهت درست آزمائي12 روش پيشنهادي نتايج حاصله با نتايج]13[ مقايسه گرديده است. همچنين مطالعه بر روي شبکه 33 باسهIEEE در حضور مولدهاي پراکنده صورت گرفته و به جايابي مولدهاي پراکنده و نيز تعيين حساسيت شبکه با توان مولدهاي پراکنده در باس مشخصي پرداخته شده است.
و در بخش پنجم به نتيجه گيري پرداخته شده است.
فصل‌دوم
مروري بر روش‌هاي
مسيريابي بهينه فيدرهاي شبکه‌هاي توزيع
فصل2- مروري بر روش‌هاي مسيريابي بهينه فيدرها در شبکه‌هاي توزيع
2-1- مقدمه
طراحي شبکه هاي توزيع مخصوصا در مقياس بزرگ بدليل وجود تعداد کثيري از پارامترها، حل مسائل مرتبط با آن، داراي مشکلات و پيچيدگي هاي زيادي مي باشد. يکي از مسائل مهم در سيستم هاي توزيع، مسيريابي بهينه فيدرها مي باشد. بررسي مسيريابي بهينه فيدرها در مقالات مختلف، بنا به دلائل متعددي از قبيل کاهش تلفات، ارتقاء قابليت اطمينان، کاهش هزينه هاي سرمايه گذاري ايجاد فيدرهاي جديد، کاهش هزينه هاي تعمير و نگهداري فيدرها و کليدها صورت مي گيرد. دراکثر مقالات مطالعه شده، مسيريابي بهينه فيدرها بدون توجه و بررسي نقش منابع پراکنده و اثرات آنها انجام گرديده است.
2-2- مسيريابي بهينه فيدرها در شبکه‌هاي توزيع
در مطالعه اي، بهينه سازي فيدرها با هدف کمينه سازي هزينه هاي سرمايه گذاري و هزينه هاي تعميرات و نگهداري فيدرها صورت گرفته است. روش مورد استفاده درحل مسئله، از نحوه جستجوي غذا توسط باکتري E- Coli با چهارمرحله اصلي شيمي آرائي13، توليد14، بازتوليد15 و حذف – پراکندگي16 الهام گرفته است. جستجوي غذا براساس تابع علامت دهي سلول به سلول و ميزان ماده غذائي است.
براي جلوگيري از به دام افتادن درکمينه محلي، از مرحله بازتوليد عبورکرده و براي حفظ شعاعيت شبکه از مرحله حذف – پراکندگي گذر مي کند. اين روش، در مقايسه با روشهاي GA و ACS و SA داراي تعداد پارامترهاي اوليه کمتري جهت تنظيم بوده و نيز حل مسئله به تعداد تکرار کمتري نياز دارد[1].
درمطالعه اي ديگر، بهينه سازي فيدرها با هدف کمينه سازي هزينه هاي قطع برق، هزينه هاي تلفات توان و هزينه هاي سرمايه گذاري و تعميرات و نگهداري صورت پذيرفته است. روش مورد استفاده در حل مسئله، روش شبيه سازي حرارتي17، بوده که ازفرايند گداخت و تبريد فلزات الهام گرفته است. در اين روش نقاط نزديك نقطه داده شده، در فضاي جستجو بررسي مي گردد. پياده سازي SA به سه عامل نقطه شروع و مولد حرکت و برنامه تبريد بستگي دارد. قابليت انعطاف دركوچك گرفتن طول گامهاي تصادفي در الگوريتمSA مانع از بروز هرگونه ناپايداري و ناهمگرايي مي‌شود. علاوه بر آن توانايي SA در خروج از بهينه‌هاي محلي و همگرايي به سوي بهينه‌ي سراسري از جنبه‌ نظري و در كاربردهاي عملي به اثبات رسيده است. برخي مسائل پيچيده كه با روش‌هاي ديگر حل بهينه‌ي آن‌ها شايد غير ممكن به نظر برسد از طريق روش SA قابل حل است. لزوماً SA بهترين جواب را ارائه نمي‌كند ولي درصورتي كه پارامترهاي موردنياز درست انتخاب شوند، مي‌تواند يك جواب خوب كه بهينه هم باشد ارائه كند. به طور كلي SA در حل بسياري از مسائل مشكل موفق بوده و دربرخي از آن‌ها جواب بهينه‌تري نسبت به ساير الگوريتم‌ها ارائه نموده است[2].
الگوريتم برنامه ريزي ديناميکي، 18همراه با استفاده از سيستم اطلاعات جغرافيائي،19 روش ديگري براي مسيريابي بهينه فيدرها مي باشد. در اين روش، مرحله صفر فقط شامل پست فوق توزيع بوده و مرحله n دورترين گره هاي موردنظر نسبت به پست فوق توزيع مي باشد. هر گره فقط به يک مرحله تعلق دارد. هر گره در هرمرحله از گره هاي مرحله بعدي به پست نزديکتر است. در هر مرحله در صورت وجود m گره به تعداد 2 m-1 حالت خواهيم داشت. تغذيه بارهاي سيستم بطور مستقيم از طريق يک گره و يا از طريق گره هاي ديگر همان مرحله و يا مراحل بعدي انجام مي پذيرد. براي انتخاب رفتن از يک حالت مرحله k به حالت ديگري در مرحله k+1 يک متغير تصميم گيري صحيح صفر يا يک تعريف مي شود. در مسئله مسيريابي فيدرها، رفتن از يک حالت مرحله k به حالت ديگري در مرحله k+1 معادل با اتصال گره هاي اين دو حالت است. در اين روش گره هاي مرحله k بارهاي تغذيه شده از گره هاي مرحله k+1 را نيز تغذيه مي کند. با استفاده از اين اصل، اتصال بين گره هاي دو حالت منحصر به فرد مي باشد و به اين ترتيب شعاعيت شبکه حفظ مي گردد. به عنوان يک روش بهينه سازي در مسيريابي فيدرها مخصوصا درحضور DG کاربرد دارد[3[.
بهينه سازي فيدرها با هدف کمينه سازي هزينه هاي تلفات توان در پست هاي توزيع موجود و جديد و تلفات انرژي فيدرهاي فشار ضعيف، کارانجام شده ديگري مي باشد. روش مورد استفاده در حل مسئله، الگوريتم ژنتيک همراه با الگوريتم درخت پوشاي کمينه20 است. براي جايابي پست ها ازماتريس مشخصات تلفات21 و براي توليد تعدادي از جواب هاي اوليه ممکن با حفظ شعاعيت شبکه، از روش الگوريتم درخت پوشاي کمينه استفاده گرديده است. براي کاهش حجم محاسبات و پرهيز از جواب هاي غيرممکن روش کدگذاري خاصي براي الگوريتم ژنتيک بکاررفته است. درگرافي با n پست و k فيدر برمبناي روش درخت پوشاي کمينه، درختي که داراي کمترين مجموع طول شاخه هاست، مد نظر مي باشد. روش موثر و نويني درجايابي همزمان محل پست هاي HVو مسير فيدرهاي MV بوده و بطور قابل ملاحظه اي از حجم محاسبات مي کاهد[4[.
در تحقيقي، بهينه سازي فيدرها با هدف کمينه سازي توان انتقالي از يک مسير نسبت به مسافت مسير مورد توجه قرارداده شده است. روش مورد استفاده درحل مسئله، الگوريتم شبيه سازي حرارتي تکاملي هدايت شده22 بوده که تلفيقي از روشهاي شبيه سازي حرارتي و استراتژي تکاملي مي باشد. در اين روش انتخاب افراد (مجموعه جواب ) در هر مرحله براساس ميزان شايستگي افراد طبق احتمال بولتزمن23 صورت مي گيرد. مزيت آن، قابليت جستجوي همزمان با بهينه سازي است [5[.
بهينه سازي فيدرها با هدف کمينه سازي تلفات توان هاي اکتيو و راکتيو هر خط، تحقيق ديگري مي باشد. روش مورد استفاده در حل مسئله، روش جستجوي مورچگان24 بوده که از روش جستجوي غذا توسط مورچه ها بر اساس ميزان فرمون25 ترشح شده توسط آنها در مسير جستجوي غذا الهام گرفته است. مزيت ACS قابليت جستجوي همزمان با بهينه سازي است[6[.
مطالعه اي براي تعيين ظرفيت و مکان بهينه مولدهاي پراکنده26 با هدف کمينه سازي تلفات توان اکتيو طبق فرمول عمومي کاهش تلفات، انجام شده است. در اين روش، جهت حل مسئله بهينه سازي، از الگوريتم ژنتيک به همراه جستجوي الگوريتم تعميم يافته27 و برنامه PSAT بهره گرفته شده است. ايجاد ارتباط الگوريتم ژنتيک و جستجوي الگوريتم تعميم يافته با برنامه PSAT از طريق زيربرنامه اي برقرار مي شود. از اين طريق امکان دادن ورودي هاي متغير به برنامه PSAT وجود دارد. جستجوي الگوريتم تعميم يافته، يک تکنيک بهينه سازي و روش عاري از مشتق گيري بوده، روشي مناسب براي حل انواع مسائل بهينه سازي خارج از حيطه روش هاي بهينه سازي استاندارد است که از لحاظ درک ساده بوده و از لحاظ محاسباتي کارامد مي باشد. داراي عملگر قابل انعطاف و متوازن و سازگار با جستجوي نرم جواب هاي بهينه محلي و کلي است. اساس جستجوي الگوريتم تعميم يافته بر ايجاد حلقه حول نقطه اوليه از طريق ترکيب آن نقطه با بردارهاي موسوم به پايه مثبت و تکرار مراحل مي باشد. برنامه PSAT براي حل مسئله پخش بار در شبکه شعاعي بکار مي رود. در اين روش باس خازن بعنوان باس متغير با توان راکتيو و باس DG بعنوان باس متغير با توان اکتيو به برنامه PSATداده مي شود. جواب بهينه از طريق الگوريتم ژنتيک و جستجوي الگوريتم تعميم يافته، از مقادير بدست آمده از PSAT تعيين مي گردد. اين روش در مقايسه با الگوريتم ژنتيک، به تابع هدف بهتري نائل گرديده و انتخاب نقطه شروع اوليه تاثير اندکي بر سرعت همگرائي و تابع هدف دارد و استفاده از PSAT قابليت اطمينان خروجي ها را تضمين مي کند[7[.
تعيين ظرفيت و مکان بهينه DG با هدف کمينه سازي تلفات انتقال توان، توسط محقق ديگري انجام شده است. روش مورد استفاده در حل مسئله، الگوريتم ژنتيک تطبيقي بهبود يافته28 براساس هزينه حاشيه اي29 (تغيير هزينه بازاء تغيير يک واحد در متغير مورد نظر در اقتصاد خرد30) است. اين روش، نسبت به الگوريتم ژنتيک، سرعت همگرائي و پايداري بالائي داشته و امکان بروز پديده همگرائي زودرس31 (دستيابي به بهينه محلي به جاي بهينه کلي) وجود ندارد[8[.
تعيين ظرفيت و مکان بهينه DG با هدف کمينه سازي تلفات توان، از ديگر کارهاي انجام شده است. جهت حل مسئله، از الگوريتم ژنتيک و ماتريس تزريق جريان معادل32 به باس ها و براساس شاخص هاي پايداري ولتاژ33 و ضريب حساسيت34 استفاده گرديده است. نقطه قوت اين روش همگرائي بالاي آن مي باشد[9[.
تعيين ظرفيت و مکان بهينه DG با هدف کمينه سازي تلفات توان، مطالعه ديگري مي باشد. روش مورد استفاده در حل مسئله، الگوريتم ژنتيک ارتقاء يافته مي باشد. تفاوت اين روش با الگوريتم ژنتيک استفاده از عملگرهاي جديدي براي جستجوي موثر در فضاي جواب مي باشد. از کدگذاري غير باينري و از تابع جريمه35 با انواع استراتژي استفاده مي نمايد. بطور ساده بجاي استفاده از مقدار محدوديت از تعداد آنها بهره گرفته است[10[.
تحقيق ديگري در زمينه تعيين ظرفيت و مکان بهينه DG با هدف کمينه سازي تلفات توان اکتيو صورت گرفته است. دراين تحقيق، مسئله داراي دو قسمت است، يکي تعيين مکان و ظرفيت بهينه DG و ديگري برنامه ريزي زماني DG ها در طول 24 ساعت از طريق الگوريتم برنامه ريزي تکاملي36 مي باشد. الگوريتم برنامه ريزي تکاملي از سيستم هاي بيولوژيکي و فرايند هاي حاکم بر آنها الهام گرفته است. الگوريتم برنامه ريزي تکاملي از دو مرحله اصلي جهش در جمعيت اوليه و انتخاب نسل از نسل جديد و قبل تشکيل شده است. در الگوريتم برنامه ريزي تکاملي وجود جواب کلي در نزديکي جواب مسئله تضمين گرديده است و بهبود در کدگذاري سرعت همگرائي آن را افزايش مي دهد[11[.
تعيين ظرفيت و مکان بهينه DG با هدف کمينه سازي هزينه هاي تلفات توان اکتيو، سرمايه گذاري DG ها و تعداد باس ها و خازن ها و ترانسفورمرها از ديگر مطالعات صورت گرفته مي باشد. برنامه ريزي تکاملي همراه با فازي سازي37 در تعيين مکان و ظرفيت بهينه DG براساس شاخص هاي ضريب حساسيت تلفات و ضريب حساسيت ولتاژ، مورد استفاده قرار گرفته است. هدف مقاله، فازي کردن تابع چند هدفي و حل آن به همراه محدوديت ها است. بر نقش ادغام DG ها در کاهش هزينه تلفات و اثرگذاري بيشتر DG نسبت به خازن در کاهش هزينه تلفات تاکيد دارد[12[.
2-3- نظريه گراف38
به عنوان يکي از شاخه هاي مهم علوم رياضي، درقرن هفدهم ميلادي توسط لئونارد اويلر39 معرفي گرديد.
نظريه? گراف ابزار بسيار مناسبي براي تحقيق در زمينه‌ هاي گوناگون مانند نظريه کدگذاري، تحقيق در عمليات، آمار، شبکه هاي الکتريکي، علوم رايانه، شيمي، زيست شناسي، علوم اجتماعي و ساير زمينه‌ها گرديده است]16[.
2-3-1-تعاريف گراف
يک گراف، مجموعه اي از زوج هاي مرتب شاخه ها وگره هاست که به صورت زير تعريف مي گردد :
G ? (V,E) که در آن V به معني گره و E به معني شاخه است.
در واقع گراف يک مدل دياگرامي از سيستم است]16[.
2-3-2-درخت پوشاي کمينه
درخت پوشا يک زيرگراف ازG و شامل تمام گره هاي آن است.
دريک گراف وزن دار، درختي که داراي مجموع حداقل وزن شاخه ها باشد، درخت پوشاي کمينه40 نام دارد]16[.
ويژگي هاي درخت پوشاي کمينه
* کمينه نمودن مجموع وزن شاخه ها
* توليد گرافي شعاعي بدون وجود مسير بسته
الگوريتم هاي زيادي براي کمينه سازي در نظريه گراف وجود دارد که از اين ميان، متداول ترين الگوريتم ها به صورت ذيل مي باشد:
* الگوريتم کروسکال41
* الگوريتم پريم42
* الگوريتم دايسترا43
* الگوريتم سولين44
2-3-2-1- الگوريتم کروسکال
در الگوريتم کراسکال، يال‌هاي گراف را به ترتيب صعودي مرتب مي کنيم. از کوچکترين يال شروع کرده و هر يال را به گراف اضافه مي کنيم به شرط اينکه حلقه اي در گراف ايجاد نگردد. اين روال را آنقدر ادامه مي دهيم تا درخت پوشاي کمينه تشکيل گردد]16[.
2-3-2-2- الگوريتم پريم
الگوريتم پريم يکي ديگر از الگوريتم هاي مهم در نظريه گراف جهت توليد درخت پوشاي کمينه است. مراحل الگوريتم پريم به صورت ذيل مي باشد:
1) قراردادن همه راس هاي گراف موردنظر در مجموعه فرضي N
2) درنظرگرفتن مجموعه فرضي تهي S
3) قراردادن گره اي به عنوان گره شروع درS
4) انتخاب کوچکترين يال متصل به گره شروع
5) افزودن گره متصل درسمت ديگر آن يال به گره شروع S
6) انتخاب کوچکترين يال ازبين يال‌هاي متصل به دو گره موجود در S
7) افزودن گره متصل به آن يال به دو گره قبلي
8) انتخاب کوچکترين يال از بين يال‌هاي متصل به سه گره موجود در S
9) افزودن گره متصل به آن يال به سه گره قبلي
10) تکرار اين مراحل تا جائي که مجموعه S با مجموعه N برابرگردد.
2-3-2-3- الگوريتم دايسترا
الگوريتم دايسترا از الگوريتم هاي متداول ديگري در نظريه گراف مي باشد که اولين بار توسط دانشمند هلندي بنام دايسترا معرفي گرديد]16[.
مراحل الگوريتم دايسترا به صورت ذيل مي باشد:
1) انتخاب راس مبدا دلخواه و درنظر گرفتن برچسب صفر براي آن
2) زدن برچسب به راس هاي مجاور راس مبداء با اضافه کردن وزن يال ها به برچسب راس مبداء
3) ادامه اين مراحل تا جائي که به راس مقصد موردنظر برسيم.
الگوريتم دايسترا شباهت زيادي به الگوريتم پريم دارد به اين صورت که از راس مبداء شروع و در هر دو الگوريتم از برچسب زني استفاده مي شود. تفاوت دو الگوريتم مذکور در اين است که بر خلاف الگوريتم پريم که در نهايت همه راس هاي گراف را در بر مي گيرد، درخت حاصل از الگوريتم دايسترا فقط به کمينه ترين مقدار رسيده و تمامي راس هاي گراف اوليه را در بر نمي گيرد.
2-3-2-4-الگوريتم سولين
در الگوريتم سولين براي هر گره يال با کمترين وزن که از آن عبور مي‌کند را رسم مي کنيم . در مرحله بعد، گراف به مؤلفه‌ هايي تقسيم مي‌شود و يالي انتخاب مي‌گردد که با کمترين وزن دو مؤلفه گراف را به همديگر متصل نمايد (مشروط بر اينکه حلقه اي در گراف توليد نشود). اين مراحل را تا جائي ادامه مي دهيم که درخت پوشاي کمينه حاصل شود]16[.
2 -4- الگوريتم ژنتيک45
الگوريتم ژنتيک روش جستجوي احتمالاتي فراگير است که از فرايند تکامل زيست شناختي طبيعي پيروي مي کند]15[.
اين الگوريتم، به نحو موثري در حل مسائل بهينه سازي، به خصوص مسائل غيرخطي و گسترده، کاربرد دارد.
2-4-1- مفهوم الگوريتم ژنتيک
مفهوم الگوريتم ژنتيک از نظريه هاي چارلز داروين46 مبني بر سيرتکاملي موجودات زنده و تنازع بقاء و ادامه حيات افراد شايسته تر و توليدمثل آنها و نظريه و آزمايشات گرگور مندل47 (بنيانگدار علم توارث ) در توليد ويژگي هاي مورد انتظار و يا جديدتر از طريق پيوند گياهان با ويژگي هاي مختلف از يک گونه الهام گرفته شده است]15[.
2- 4- 2- آشنائي با الگوريتم ژنتيک
الگوريتم ژنتيک يکي از توانمندترين روش هاي هوشمند است که با الهام از علم وراثت در حل مسائل غير خطي و پيچيده رياضي در کنار روش هاي هوشمند ديگر از قبيل روش هجوم ذرات48، جستجوي غذاي باکتري49 E-Coli، شبيه سازي حرارتي50، شبکه هاي عصبي، کولوني مورچگان51 و … کاربرد دارد.
الگوريتم ژنتيک اولين بار توسط دانشمند علوم رايانه دانشگاه ميشيگان بنام جان هلند52 معرفي گرديد]15[.
در موجودات زنده، توليدمثل از طريق جفت گيري سلول هاي جنسي صورت مي گيرد و هر کدام از سلول ها، حاوي يک يا چند کروموزوم53 مي باشند. کروموزوم ها حاوي تعداد زيادي ژن54 مي باشند که اين ژن ها نماينده ويژگي هاي مخصوصي از موجودات مثلا رنگ چشمان است که صورت هاي مختلف اين ويژگي، رنگ چشم آبي، سبز و … است]15[.
از لحاظ مهفومي در اين تحقيق فرض شده است که مي خواهيم موجودي تک کوروزومي با ويژگي هاي موردنظر از قبيل وزن، قد، زيبائي، رنگ چشم، رنگ مو و … توليدکنيم. تعدادي موجود تک کوروموزومي را بصورت تصادفي جهت شروع در نظر مي گيريم. کوروموزوم ها را ابتدا برحسب ويژگي هاي مطلوب مذکور با دادن وزن ها و اهميت مختلف، ارزيابي مي کنيم. چنانچه بهترين کوروموزوم (با بهترين ارزيابي ) شرائط مطلوب را داشته باشد مورد قبول واقع مي گيرد، در غير اين صورت به تعداد معيني، کوروموزوم هاي با بالاترين ارزيابي نسل موجود را درنظر گرفته و براي توليد باقيمانده کوروموزوم هاي ديگر، از ميان کورموزوم هاي با بالاترين ارزيابي، کورموزوم هائي را به طور تصادفي انتخاب و جهت تبادل ژن ها با يکديگر ترکيب مي کنيم. سپس بطور تصادفي، ژن هائي از کوروموزوم ها را انتخاب و مقدار آنها را (در محدوده قابل قبول ) تغيير مي دهيم. بعد، همه کوروموزوم ها را بر حسب نمره ارزيابي شان مرتب مي کنيم. مراحل ذکر شده تا برآورده شدن شرائط مطلوب تکرار مي کنيم.
بعد از اين واژه هاي ساختار و بيت را به جاي کلمه هاي کوروموزوم و ژن، بکار مي بريم.
2-4-3- مراحل الگوريتم ژنتيک
الگوريتم ژنتيک جهت رمزگذاري55 ساختارها و توليد ساختارهاي شروع و انتخاب ساختارها براي تکرارهاي بعدي، داراي مراحلي است که بطور اجمالي به شرح ذيل توضيح داده مي شود:
2-4-4- ايجاد ساختار اوليه
اولين گام در الگوريتم ژنتيک، توليد ساختارهاي اوليه است. ساختار اوليه مي بايستي به طور مناسبي کدگذاري گردد. روش هاي کدگذاري متعددي برحسب نوع مسئله، وجود دارد. مهمترين روش کدگذاري،



قیمت: تومان


پاسخ دهید