Оптимизация энергосистем с использованием генетического алгоритма: эффективность, устойчивость и управление в динамичной среде

Авторы

  • Л.У Сафарова

    Самаркандский государственный университет ветеринарной медицины, животноводства и биотехнологий image/svg+xml

Ключевые слова: оптимизация энергосистемы, генетический алгоритм, математическая модель, баланс энергии, динами- ческие и нелинейные характеристики

Аннотация

Исследование в данной работе представляет метод оптимизации энергосистем с использованием генетического алгоритма, который учитывает сложные взаимосвязи в энергетической инфраструктуре. Генетический алгоритм обеспечивает гибкость и универсальность для глобальной оптимизации, адаптируясь к динамике системы и устойчивый к локальным мини- мумам. Метод применен для оптимизации баланса энергии, минимизации затрат и учета нелинейных характеристик энергоси- стемы. Результаты экспериментов подтвердили эффективность метода, демонстрируя высокую точность и способность к балан- сировке энергетических ресурсов при учете сложных условий. Однако для дальнейшего совершенствования требуется более глубокий анализ влияния параметров алгоритма и учета дополнительных факторов неопределенности. Это исследование пред- ставляет значимые инсайты в область оптимизации энергосистем и служит основой для разработки более эффективных методов управления в динамичной энергетической среде.

Библиографические ссылки

1. Shaheen A.M., Spea S.R., Farrag S.M., Abido M.A. A review of meta-heuristic algorithms for reactive power planning problem // Ain Shams Engineering Journal, 2018. Vol. 9, №. 2. -P. 215–231.

2. Metia A., Ghosh S. A Literature Survey on Different Loss Minimization Techniques used in Distribution Network.

3. Mahdad B. Optimal reconfiguration and reactive power planning based fractal search algorithm: A case study of the Algerian dis- tribution electrical system // Engineering Science and Technology, an International Journal, 2019. Vol. 22, №. 1. -P. 78–101.

4. Dixit S., Srivastava L., Singh A., Agnihotri G. Optimal Placement of TCSC For Enhancement of Power System Stability Using Heuristic Methods: An Overview // International Journal of Hybrid Information Technology, 2015. Vol. 8, №. 7. -P. 367–374.

5. Jin J., Zhou P., Li C., Guo X., Zhang M. Low-carbon power dispatch with wind power based on carbon trading mechanism // En- ergy, 2019. Vol. 170, №. 1. -P. 250–260.

6. Sedighizadeh M., Rezazadeh A. Using Genetic Algorithm for Distributed Generation Allocation to Reduce Losses and Improve Voltage Profile // World Academy of Science, Engineering and Technology, 2008. Vol. 37, no. 1. -P. 251–256.

7. Singh B., Payasi R.P., Shukla V. A taxonomical review on impact assessment of optimally placed DGs and FACTS controllers in power systems // Energy Reports, 2017. Vol. 3, №. 1. -P. 94–108.

8. Charlangsut A., Rugthaicharoencheep N., Auchariyamet S. Heuristic Optimization Techniques for Network Reconfiguration in Distribution System // International Journal of Electrical, Computer, Energetic, Electronic and Communication Engineering, 2012. Vol. 6, №. 4. -P. 365–368.

9. Beheshti Z., Mariyam S., Shamsuddin H. A Review of Population-based Meta-Heuristic Algorithm // International Journal of Ad- vances in Soft Computing and its Application, 2013. Vol. 5, №. 1. -P. 1-35.

10. Ibrahim A.M., Swief R.A. Comparison of modern heuristic algorithms for loss reduction in power distribution network equipped with renewable energy resources // Ain Shams Engineering Journal, 2018. Vol. 9, №. 4. -P. 3347–3358.

11. Šipoš M., Klaiü Z., Fekete K., Stojkov M. Review of Non-Traditional Optimization Methods for Allocation of Distributed Gen- eration and Energy Storage in Distribution System // Technical Gazette, 2018. Vol. 25, №. 1. -P. 294–301.

12. Tulkin Gayibov, Behzod Pulatov. Taking into account the constraints in power system mode optimization by genetic algorithms. E3S Web of Conferences 264, 04045 (2021). CONMECHYDRO-2021. https://doi.org/10.1051/e3sconf/202126404045. Гайибов Т.Ш. Методы и алгоритмы оптимизации режимов электроэнергетических систем. – Т.: Изд. ТашГТУ, 2014.

13. Манусов В.З., Павлюченко Д.А. Эволюционный алгоритм оптимизации режимов электроэнергетических систем по ак- тивной мощности. Электричество. №3. 2004. – С.2-8.

14. Гайибов Т.Ш. Оптимизация режимов энергосистем генетическими алгоритмами. // Проблемы энерго и ресурсосбереже- ния. –Ташкент: 2017. № 1,2. – С. 43-48. 3. Darrel Whitley "A Genetic Algorithm Tutorial", 2016. -Р.256.

15. Tsoy Yu.R., Spistin V.G. Geneticheskiy algoritm/Spisin V.G., Tsoy Yu.R. Predstavleniye znaniy v informatsionnix sistemax: uchebnoe posobie. -Tomsk: Izd-vo TPU, 2016. -Р.146.

16. Gayibov T.Sh., Pulatov B.M., Qayumov J.A. Minimization of Losses in Distributed Power Networks by Genetic Algorithms.- International Journal of Advanced Research in Science, Engineering and Technology.-Vol. 6, Issue 2, February 2019. - Р. 8037- 8039.

17. Deb K. Multi-Objective Optimization Using Evolutionary Algorithms, John Wiley & Sons AbdellahLaoufi , Collective Intelli- gence for Optimal Power Flow Solution Using Ant Colony Optimization, Leonardo Electronic Journal of Practices and Technologies, - Р.88-105, 2008.