بازآرائي بهینه شبكه هاي توزيع به روش الگوريتم ژنتيك جهت کاهش تلفات 10 ص
دسته بندي :
دانش آموزی و دانشجویی »
دانلود تحقیق
لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل : word (..doc) ( قابل ويرايش و آماده پرينت )
تعداد صفحه : 10 صفحه
قسمتی از متن word (..doc) :
2
بازآرائي بهینه شبكه هاي توزيع به روش الگوريتم ژنتيك جهت کاهش تلفات
علي سوادپور
شركت توزيع نيروي برق آذربايجان‌شرقي
كلمات کلیدی:
بازآرايي بهينه، الگوريتم ژنتيك، كاهش تلفات
چكيده:
در این مقاله الگوریتم ژنتیک جهت حل یک مساله بهینه سازی بکار برده شده است. منظور از بهینه‌سازی انتخاب بهترین ساختار از یک شبکه توزیع جهت کمینه کردن تلفات می باشد. الگوریتم ژنتیک یکی از روشهای پرقدرت در یافتن بهینه مطلق می باشد. نرم افزاری به زبان C برای الگوریتم پیشنهادی تهیه شده است و نتیجه عددی آن برای دو شبکه نمونه آورده شده است.
1. مقدمه
تغيير ساختار در شبكههاي توزيع جهت كاهش تلفات در واقع حل يك مساله بهينه‌سازي مي‌باشد. روش بكارگرفته شده در اين مقاله جهت حل اين مساله بهينه‌سازي استفاده از روش الگوريتم ژنتيك مي‌باشد.
روش الگوريتم ژنتيك به دليل اينكه كليه جوابهاي ممكن را توليد و سپس از ميان آنها بهترين گزينه را انتخاب ميكند. لذا از اطمينان بيشتري براي رسيدن به بهينه مطلق برخوردار مي‌باشد.
در يك شبكه توزيع با گستردگي فراوان تنوع بار (اعم از صنعتي، خانگي يا تجاري) و همچنين تغييرات بار بدليل تنوع فصول، ساعات كار و پیک مصرف و ساير عوامل ديگر و ثايت بودن ساختار شبكه، موجب افزايش تلفات در سيستم مي‌شود. در چنين شرايطي لازم است با اعمال يك آرايش بهينه روي شبكه با باز و بسته كردن كليدهاي موجود به بهينه‌ساختن تلفات اميدوار بود. [1]
براي تجديد آرايش روي شبكههاي توزيع روشهاي مختلفي پيشنهاد شده است كه مي‌توان آنها را به روشهاي خاص و عام تقسيم‌بندي نمود.
الف: روشهاي خاص:
در روشهاي خاص براي حل مساله الگوريتم خاصي پيشنهاد مي‌شود كه با استفاده از اين آلگوريتم ابتدا يك پاسخ محاسبه شده و از روي آن پاسخ و با توجه به الگوريتم مربوطه پاسخ بعدي تا رسيدن به نقطه بهينه با رعايت قيود مساله ادامه مي‌يابد. روشهای خاص به دو روش SEM و SSOM تقسم بندی می گردند.
ب: روشهاي عام:
روشهاي عام روشهايي هستند كه به شكل مساله بستگي نداشته و يگ الگوريتم كلي براي حل مساله پيشنهاد مي‌گردد. دراين روش مجموعه وسيعي از جوابها انتخاب گرديده و با انجام عملياتي بهینه مطلق انتخاب مي‌گردد. الگوريتم ژنتيك يكي از اين روشهاست. دراین مقاله سعی شده است از این روش جهت کاهش تلفات در شبکههای توزیع استفاده گردد.[2]
2. الگوريتم ژنتيك:
الگوريتم ژنتيك يكي از روشهاي بهينه‌سازيي است كه بر پايه ايده توارث و تكامل پياده‌سازي شده‌است.
نحوه عملكرد الگوريتم ژنتيك بدين صورت است كه جمعيتي از نقاط به صورت تصادفي انتخاب گرديده و مقدار تابع هدف به ازاي تك تك آنها محاسبه مي‌شود. درمرحله بعد توسط سه عمليات چرخ رولت، تكثير و جهش نسل جديد توليد مي‌گردد و مقدار تابع هدف براي فرزندان نيز محاسبه مي‌گردد تا سرانجام با توجه به شرايطي پاسخ بهينه بدست آيد.
2
[3]
3. مفاهيم اساسي الگوريتم ژنتيك
3-1: كد كردن:
جايگزين كردن دنبالهي مناسب از اعداد 0.1 (بيت‌ها) به جاي پارامترهاي مساله را كد كردن مي‌نامند.
3-2: كروموزوم:
به رشته يا دنباله‌اي از بيت‌ها كه به‌عنوان مشكل يك پاسخ، (اعم از ممكن يا غيرممكن) اطلاق مي‌گردد. يك كروموزوم داراي n ژن يا بيت مي‌باشد.
3-3: جمعيت:
به مجموعه‌اي از كروموزوم‌ها جمعيت گفته مي‌شود.
3-4: مقدار برازندگي:
مناسب بودن يا نبودن جواب، با معياري كه از تابع هدف بدست مي‌آيد سنجيده مي‌شود. هر چه يك جواب مناسب باشدمقدار برازندگي بزرگتري دارد. براي آنكه شانس بقاي چنين جوابي بيشتر شود، احتمال بقاي متناسب با مقدار برازندگي آن در نظر گرفته مي‌شود. معمولاً در صورت امكان تابع برازندگي را در بين [1.0] نرماليزه مي‌كنند.
3-5: عمل تكثير:
اين عمل براي يك جفت از كروموزوم عمل ميكند و مي‌تواند به صورت تك نقطهاي و يكنواخت باشد. به اين صورت كه دو كروموزوم از يك نقطه شكسته و بخش‌هاي شكسته شده كروموزوم جابه‌جا مي‌گردد. نقطه شكست نيز يك عدد تصادفي n از بين 1 تا k (k طول كروموزوم) با توزيع احتمال يكنواخت ( 1/k ) صورت مي‌پذيرد. (مطابق شکل 1)
3-6: عملگر جهش:
اين عملگر روي هر يك از كروموزوم‌ها حاصل از عملگر تكثير بكارگرفته مي‌شود. بدين ترتيب كه به ازاي هر بيت از كروموزوم يك عدد تصادفي توليد مي‌شود، درصورتيكه مقدار عدد تصادفي توليد شده از مقدار Pm (احتمال عمل جهش ) كمتر باشد در آن بيت عمل جهش انجام مي‌شود. درغير اين صورت در آن بيت عمل جهش صورت نميگيرد. [4] ( مطابق جدول1)
4. مراحل اجراي الگوريتم ژنتيك
با توجه به صورت مساله، متغيرهايي كه بايد تعيين شوند مشخص شده سپس آنها را به نحو مناسبي كدگذاري كرده و به شكل كروموزوم نمايش داده مي‌شوند. بر اساس تابع هدف يك تابع برازندگي براي كروموزوم‌ها تعريف مي‌گردد و يك جمعيت اوليه دلخواه نيز به طور تصادفي انتخاب مي‌شوند و بدنبال ان ميزان تابع برازندگي براي كروموزوم جمعيت اوليه محاسبه مي‌شود و الگوريتم مطابق شکل(2) صورت می پذیرد.
5. اعمال الگوریتم ژنتیک به مساله بهینه سازی
جهت درک بهتر اعمال الگوریتم ژنتیک، موضوع را برای یک شبکه ساده پیاده می کنیم. جهت این کار شبکه مطابق شكل (3) را با 15 شین و 17 فيدر در نظر می گیریم.
ابتدا جمعیت اولیه را به صورت تصادفی جهت شروع عملیات بهینه سازی انتخاب می کنیم. هر آرایش شبکه را در قالب یک کروموزوم (دنباله از اعداد 0.1) مطابق شکل زیر نشان مي دهيم (عدد 0 نشانه بازبودن خط و عدد 1 نشانه بسته بودن خط) می باشد.
3
واضح است که همه کروموزوم های انتخاب شده همگی شرط شعاعی بودن را نداشته باشند. لذا لازم است همه کروموزوم ها بعد از لحاظ دارار بودن این شرط بررسی می گردند:
منظور از شعایی بودن این است که:
اولاً: همه پستهای توزیع مورد تغذیه قرار گیرند.
ثانیاً: هیچ مسیر بسته ای بین پستهای فوق توزیع ایجاد نشود.
ثالثاً: هیچ حلقه ای بین پست های توزیع ایجاد نگردد.
برای بررسی شعایی بودن یک شبکه از دو اصل زیر استفاده می کنیم:
الف: یک شبکه شعاعی با m پست توزیع و n پست توزیع دقیقاً دارای n فیدر در حال وصل است. (شرط لازم)
ب: اگر در یک درخت رئوسی که درجه آنها یک است حذف کنیم و این عمل تکرار پذیرد و چنانچه در نهایت تمامی رئوس درخت حذف شوند شبکه شعاعی خواهد بود. (شرط کافی)
جهت کنترل شرط ایزوله نشدن بار به این صورت عمل می گردد که مجموعه ای از شماره شین های ابتدا و انتهای تمامی خطوط تهیه می گردد و چنانچه این مجموعه تمامی شین های مصرف را در بر بگیرد شرط فوق تامین شده است.
همچنین دیگر قیود الکتریکی شبکه شامل حداکثر افت ولتاژ مجاز شینها و همچنین حداکثر جریان عبوری از خطوط می باشد. درصورت عدم تامین قیود فوق کروموزوم مربوطه از اعضاء جمعیت اولیه کنار گذاشته میشود کروموزوم دیگری انتخاب می گردد. این مرحله از کار تا آنجا انجام میپذیرد که تعداد اعضاء جمعیت اولیه به تعداد تعریف شده برسد.[6]
6. تعيين تابع ارزياب
ارزش‌گذاري يك كروموزوم توسط تابع ارزياب صورت مي‌پذيرد كه مقدار برازندگي كروموزوم مي‌باشد. تابع هدف در اين مرحله مجموع تلفات شبكه است. چنانچه تلفات خط i ام برابر ri و جريان انتقالي در اين خط Ii باشد، تابع هدف به صورت زير خواهد بود:
و چون بدنبال يافتن حداكثر تابع هدف مي‌باشيم، لذا تابع ارزياب به صورت زير تعريف مي‌گردد:
براي آنكه بتوان ارزياب را براي هر آرايش خاص از شبكه توزيع بدست آورد لازم است كه براي هر آرايش از شبكه عمل پخش بار اجرا گردد و مقادير ولتاژ باسها و جريان فیدرها محاسبه گردد. در نتيجه مقدار تلفات محاسبه مي شود.
7. توليد جمعيت جديد و شرط توقف الگوريتم و رسيدن به جواب
جهت توليد جمعيت جديد از دو تابع تكثير و جهش استفاده مي‌گردد. در ضمن لازم است قبل از انجام دو تابع فوق از كروموزوم‌هاي با برازندگي بالا استفاده گردد كه براي اين كار نيز از عمليات چرخ رولت استفاده ميكنيم. در نهايت دوباره از تابع برازندگي استفاده نموده و جمعیت جديد انتخاب مي‌گردد.
4
در اين الگوريتم شرط پايان و همگرايي عمليات جستجو، تغيير نكردن جواب براي تعداد مشخصي از نسل‌ها درنظر گرفته شده است. اما براي اطمينان بيشتر از تغيير نكردن جواب براي مدت طولاني لازم است كه از تغييرات اضافي مانند تغيير مقدار احتمال جهش استفاده نمود. [6]
8. نتایج عددی و مقایسه
نرم افزاری به منظور اعمال الگوریتم پیشنهادی به کمک زبان برنامه نویسی ++C تهیه شده است. این نرم افزار محاسبات افت ولتاژ، پخش بار و تعیین وضعیت فیدرها ( از لحاظ باز یا بسته بودن ) را در شبکههای توزیع شعاعی انجام می دهد. (پخش بار بكار رفته در اين نرم افزار از روش گوس–سايدل استفاده شده است)
برای تست الگوریتم پیشنهادی دو شبکه 16 شینه با 16 فیدر (شكل 5) و یک شبکه 19 شینه با 24 فیدر (شكل 6) درنظر گرفته شده اند. اطلاعات کامل خطوط و بار این دو شبکه در مرجع (5) و جدول (2) نشان داده شده است.
نتایج حاصله از اعمال نرم افزار بر روی این دوشبکه در جداول (3.4) نشان داده شده است و همچنین پاسخ نرم افزار برای شبکه اول که شبکه استفاده شده در مرجع [5] نیز می باشد، یکسان است.
جهت برآورد مقادیر مناسب پارامترهای الگوریتم ژنتیک، تغییرات پاسخ بهینه (تلفات) نسبت به تغییرات پارامترها بررسی گردید، شایان ذكر است برای ارائه این منحنی برای هر مقدار پارامتر به تعداد 10 بار برنامه اجرا و میانگین پاسخهای بهینه جهت رسم منحنی منظور شده است. به عنوان نمونه منحنی تغییرات تلفات توان (Ploss) نسبت به احتمال Pm (جهشی) رسم گردیده است. (شكل 7)
9. نتيجه‌گيري و پيشنهادات:
مزيت روش الگوريتم ژنتيك در يافتن پاسخ بهينه را نسبت به ساير روشها مي‌توان بطور خلاصه چنين بيان نمود.
جستجوي كارآمدتر قسمت‌هاي مختلف فضاي جستجو
سادگي روش در مقايسه با ساير روشهاي موجود دراين زمينه
با آزمايشهاي صورت گرفته درمورد نرم‌افزار چنين پيداست كه بهترين مقدار احتمال جهش و تكثير به ترتيب درحدود 0.8 , 0.7 , 0.085 مي‌باشد.[6]
نرم‌افزار تهيه شده كاملاً به تغيير پروفيل بار حساس است، بطوريكه درصورتيكه اگر توان همه شين‌ها به صورت يكنواخت تغيير مي‌كرد، تغييري در پاسخ بهینه بدست نمي‌آمد. حال آنكه با افزايش ناگهاني در قسمتي از شبكه جواب بهينه بطور كامل تغيير مي‌كرد.
توصيه مي‌گردد براي بهبود يافتن بهينه مطلق اين روش با روشهاي سنتي بهینه سازی ترتيب داده شود و همچنين از روشهاي پروسه موازي نيز استفاده گردد. همچنين با اضافه نمودن يك برنامه واسطه جهت انجام پخش بار از روشهاي جديد استفاده گردد.