Almuatasim M. ALFARRAS, Osman Nuri UÇAN, Oğuz BAYAT

ÇOKLU YÖNTEMLERLE YENİLENEBİLİR ENERJİNİN EKONOMİK DAĞITIM PROBLEMİ

ÖzetHerhangi bir güç sisteminin başarılı bir şekilde tasarlanması ve çalıştırılması, büyük ölçüde ekonomik yüktevzi(dağıtım) problemine bağlıdır, bu nedenle herhangi bir güç sistemi için önemli bir faktör olarak düşünülebilir.Ekonomik yük tevzi(ELD) problemi, sistem sınırlaması altında istenen yükü en düşük maliyetle karşılarken,en iyi nesil/jenerasyon düzeninin kısa süreli olarak belirlenmesidir. Genel olarak, ikinci derece fonksiyonolarak belirtilen maliyet fonksiyonu, farklı yöntemler kullanılarak çözülmüştür. Geçtiğimiz on yıl boyunca, ekonomikyük tevzi sorunlarını çözmek ve en iyi sonuçları elde etmek için, iki ana kategoriye ayrılan (sürü zekâsıve evrimsel) üst-sezgisel algoritmalar teknikleri gibi birçok yeni yöntem geliştirilmiştir. Bu çalışmada, yeni tekniklerolan planktonik tunikap (salp) sürü algoritması (SSA) ve çekirge optimizasyon algoritması (GOA) olmaküzere iki (sürü zekası) optimizasyon teknikleri kullanılmıştır. Ekonomik Yük Tevzi (ELD) analitik yöntemi, farklınesil kombinasyon/düzen senaryoları için yenilenebilir enerji kaynaklarını (güneş ve rüzgar) göz önünde bulundurarakbir mikro şebekeye uygulanan analitik yöntem ve optimizasyon tekniklerinin (SSA, GOA) basitleştirilmişversiyonudur. Sonuç olarak, aralarındaki mümkün olan en iyi sonucu göstermek için kullanılan yöntemlerarasında sunulan bir karşılaştırma, sonuca ek olarak, yenilenebilir enerjinin toplam üretim maliyetineetkisini de gösterecektir. Önerilen yöntemler (analitik yöntem, analitik yöntemin sadeleştirilmiş versiyonuve salp sürüsü algoritması (SSA)) yaklaşık olarak ortalama toplam maliyet için aynı sonuçları (7292.64$/h) ancak uygulama süresi analitik sadeleştirilmiş versiyonuyla daha iyi (0.373) ‘e dayanan yöntem, çekirgeoptimizasyon algoritması (GOA) yaklaşık olarak (7292.94 $ /h) daha yüksek bir toplam maliyet göstermiştir.

Anahtar Kelimeler:

Algoritmalar, Çekirge optimizasyon algoritması, Ekonomik yük tevzi, Mikro şebeke, Optimizasyon, Planktonik Tunikap (Salp) sürü algoritması, Yenilenebilir enerji

ECONOMIC DISPATCH PROBLEM INCLUDING RENEWABLE ENERGY USING MULTIPLE METHODS

Abstract

Keywords:

Optimization, SSA, GOA, Microgrid, Renewable Energy, ELD,

PDF

___

A. G. Neve, G. M. Kakandikar, and O. Kulkarni. 2017. “Application of Grasshopper Optimization Algorithm for constrained and Unconstrained Test Function,” Int. J. Swarm Intel. Evol. Comput., doi:10.4172/2090- 4908.1000165
A. J. Wood and B. F. Wollenberg. 1996. Power generation, operation, and control. J. Wiley & Sons.
A. Kaur and S. Bhullar. 2011. “Analysis and Comparison of Economic Load Dispatch Using Genetic Algorithm and Particle Swarm Optimization,” Thapar Institute of Engineering & Technology Master Thesis, Punjab, India.
C. Natesan, S. Ajithan, S. K. Ajithan, P. Palani and P.Kandhasamy. 2014. “Survey on microgrid: Power quality improvement techniques,” downloads.hindawi.com, 2014.
E. U. and E. U. Turkenburg, W. C., D. J. Arent, R. Bertani, A. Faaij, M. Hand, W. Krewitt,
E. D. Larson, J. Lund, M. Mehos, T. Merrigan, C. Mitchell, J. R. Moreira, W. Sinke, V. Sonntag-O’Brien, B. Thresher, W. van Sark. 2012. Chapter 11: Renewable Energy - Chapter 11 - IIASA.
F. N. Al Farsi, M. H. Albadi, N. Hosseinzadeh, and A. H. Al Badi. 2015.“Economic Dispatch in power systems,” in 2015 IEEE 8th GCC Conference & Exhibition, pp. 1–6.
H. Saadat. 1999. Power System Analysis McGraw-Hill Series in Electrical Computer Engineering. Mcgraw-Hill College, ISBN-13: 978-0070122352 “Home - Energy Explained, Your Guide To Understanding Energy - Energy Information Administration.” [Online]. Available: https://www.eia.gov/energyexplained/. [Accessed: 05-Dec-2018].
M. Meiqin, J. Meihong, D. Wei, and L. Chang. 2010. “Multi-objective economic dispatch model for a microgrid considering reliability,” in The 2nd International Symposium on Power Electronics for Distributed Generation Systems, pp. 993–998.
N. Augustine, S. Suresh, P. Moghe, and K. Sheikh. 2012. “Economic dispatch for a microgrid considering renewable energy cost functions,” in 2012 IEEE PES Innovative Smart Grid Technologies (ISGT), pp. 1–7.
N. Rajput, V. Chaudhary, H. M. Dubey, M. Pandit. 2017. “Optimal generation scheduling of thermal System using biologically inspired grasshopper algorithm,” in 2017 2nd International Conference on Telecommunication and Networks (TEL-NET), 2017, pp. 1–6.
P. A. V. Anderson and Q. Bone. 1980. “Communication between Individuals in Salp Chains II. Physiology,” Proc. R. Soc. B Biol. Sci., vol. 210, no. 1181, pp. 559–574, Nov.
R. H. Lasseter, P. Paigi. 2004. “Microgrid: a conceptual solution,” in 2004 IEEE 35th Annual Power Electronics Specialists Conference (IEEE Cat. No.04CH37551), pp. 4285–4290.
R. Ramanathan. 1985. “Fast Economic Dispatch Based on the Penalty Factors From Newton’s Method,” IEEE Trans. Power Appar. Syst., vol. PAS-104, no. 7, pp. 1624–1629.
S.-J. Ahn and S.-I. Moon. “Economic scheduling of distributed generators in a microgrid considering various constraints,” in 2009 IEEE Power & Energy Society General Meeting, 2009, pp. 1–6.
S. Mirjalili, A. H. Gandomi, S. Z. Mirjalili, S. Saremi, H. Faris, and S. M. Mirjalili. 2017. “Salp Swarm Algorithm: A bio-inspired optimizer for engineering design problems,” Adv. Eng. Softw., vol. 114, pp. 163–191.
S. Mirjalili, S. M. Mirjalili, and A. Lewis. 2014. “Grey Wolf Optimizer,” Adv. Eng. Softw., vol. 69, pp. 46–61
S. Saremi, S. Mirjalili, and A. Lewis. 2017. “Grasshopper Optimisation Algorithm: Theory and application,” Adv. Eng. Softw., vol. 105, pp. 30–47.
S. Z. Mirjalili, S. Mirjalili, S. Saremi, H. Faris, and I. Aljarah. 2018. “Grasshopper optimization algorithm for multi-objective optimization problems,” Appl. Intell., vol. 48, no. 4, pp. 805– 820.
Y.-H. Chen, S.-Y. Lu, Y.-R. Chang, T.-T. Lee, and M.-C. Hu. “Economic analysis and optimal energy management models for microgrid systems: A case study in Taiwan,” Appl. Energy, vol. 103, pp. 145–154, Mar. 2013.