کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8071598 1521397 2018 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Optimization of hydropower reservoirs operation balancing generation benefit and ecological requirement with parallel multi-objective genetic algorithm
ترجمه فارسی عنوان
بهینه سازی مخازن بهره برداری هیدرولیکی از مزایای تولید متعادل و نیازهای زیست محیطی با الگوریتم ژنتیک چند هدفه موازی
کلمات کلیدی
عملیات سیستم آبی، بهینه سازی چند هدفه، الگوریتم ژنتیک، محاسبات موازی، روش دست زدن به محدودیت، چنگال / چارچوب پیوستن
ترجمه چکیده
اخیرا با افزایش توجه به تولید انرژی و حفاظت از محیط زیست، بهره برداری از مخازن آبی با بهره گیری از تولید انرژی متعادل و نیازهای زیست محیطی نقش مهمی در منابع و سیستم های آب دارد. بنابراین، الگوریتم ژنتیک چند هدفه موازی به طور موثر برای حل این مسئله بهینه سازی محدودیت چند هدف با دو هدف رقابتی و محدودیت های فیزیکی متعددی معرفی شده است. در روش پیشنهادی، سوسپانسیون بزرگ بزرگ به چند خرده مقیاس کوچکتر تجزیه می شود که به طور همزمان در چندین واحد محاسباتی تکامل یافته است، که به طور موثر افزایش بهره وری و تنوع جمعیتی را افزایش می دهد. در طی فرآیند تکاملی، روش ابتدایی هرج و مرج برای بهبود کیفیت جمعیت اولیه، مورد استفاده قرار می گیرد، در حالی که روش شناسایی فضای قابل اجرا و استراتژی سلطه اصلاح شده برای بهبود امکان سنجی میزان راه حل و همگرایی افراد طراحی شده است. نتایج حاصل از سیستم هیدرولیکی چین وو نشان می دهد که روش ارائه شده می تواند به طور کامل از منابع گرانقیمت محاسبه شده برای بهبود عملکرد جمعیت استفاده کند. به عنوان مثال، در مقایسه با روش سنتی، روش ارائه شده می تواند به ترتیب 69.23٪ و 27.44٪ بهبود در انحراف استاندارد تولید برق و کسری آب در سال طبیعی باشد. بنابراین، این مقاله یک ابزار موثر برای پشتیبانی از عملیات چند هدفه بهینه سازی سیستم آبی را فراهم می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
پیش نمایش مقاله
بهینه سازی مخازن بهره برداری هیدرولیکی از مزایای تولید متعادل و نیازهای زیست محیطی با الگوریتم ژنتیک چند هدفه موازی
چکیده انگلیسی
Recently, with increasing attention paid to energy production and ecological protection, the hydropower reservoirs operation balancing generation benefit and ecological requirement is playing an important role in water resource and power systems. Thus, the parallel multi-objective genetic algorithm is introduced to effectively resolve this multi-objective constrained optimization problem with two competing objectives and numerous physical constraints. In the proposed method, the original large-sized swarm is decomposed into several smaller subpopulations that will be simultaneously evolved on several computing units, effectively enhancing the execution efficiency and population diversity. During the evolutionary process, the chaotic initialization method is used to enhance the quality of initial population, while the feasible space identification method and the modified domination strategy are designed to improve the feasibility of solution and convergence rate of individuals. The results from the Wu hydropower system of China show that the presented method can make full use of computationally expensive resources to improve the performance of population. For instance, compared with the traditional method, the presented method can make 69.23% and 27.44% improvements in the standard deviation of power generation and water deficit in normal year, respectively. Thus, this paper provides an effective tool to support the multi-objective operation optimization of hydropower system.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy - Volume 153, 15 June 2018, Pages 706-718
نویسندگان
, , ,