Modifiye hibrit optimizasyon yöntemi ile rüzgâr-termal güç sistemleri için ekonomik dağıtım probleminin çözümü

Abstract

Ekonomik dağıtım problemi (EDP) karmaşık, sınırlamalı ve doğrusal olmayan bir optimizasyon problemidir. EDP’de talep edilen güç için, aktif güç baralarının minimum ve maksimum sınırları arasında sistemin yakıt maliyetini minimum yapmak amaçlanmaktadır. Bu çalışmada, Türkiye 19 baralı rüzgâr-termal güç sisteminin EDP çözümü amacıyla yerçekimsel arama algoritması (YAA) ile öğretme-öğrenme temelli optimizasyon (ÖÖTO) algoritmasının birleştirilmesi ile hızlı, etkili ve güvenilir bir hibrit optimizasyon algoritması olan modifiye hibrit yerçekimi arama-öğretme-öğrenme temelli optimizasyon yöntemi (MHYÖ) tasarlanmıştır. MHYÖ yöntemi, sınırlamalı optimizasyon problemi çözümü için YAA’nın güçlü global arama ve TLBO’nun yerel arama özelliği modifiye edilerek geliştirilmiştir. MHYÖ, literatürde iyi bilinen ve sık kullanılan on adet benchmark fonksiyonlarıyla deneysel amaçlı test edilmiştir. Geliştirilen MHYÖ yöntemi, EDP çözümü için ilk olarak 6-baralı rüzgâr-termal güç sisteminde talep edilen sırasıyla 400 MW, 450 MW ve 500 MW güç için uygulanmıştır. Daha sonra geliştirilen MHYÖ yöntemi, Türkiye 19 baralı rüzgâr-termal güç sisteminin EDP çözümü amacıyla sistemdeki toplam planlanan gücün %25, %27,5 ve %30 talep edilen güç oranına göre üç farklı durumda uygulanmıştır. Elde edilen sonuçlar diğer çalışmaların sonuçları ile kıyaslanmıştır. Bu sonuçlara göre, MHYÖ yönteminin hem yakıt maliyeti hem de hesaplama zamanı ikilisi açısından, kısa çalışma zamanında, güvenilir, etkili ve minimum yakıt maliyeti ile sonuçları bulduğunu göstermektedir.

Economic Dispatch Problem (EDP) is a complex, constrained and non-linear optimization problem. In the EDP, it is aimed to minimize the system fuel cost between minimum and maximum limits of the active power buses. In this study, a modified hybrid Gravitational Search- Teaching-Learning Based Optimization Algorithm (MHGT), a quick, efficient and reliable method is proposed by combining standard Gravitational Search Algorithm (GSA) and Teaching-Learning Based Optimization (TLBO). The proposed MHGT method was developed by modifying the global search superiority in GSA and powerful local search specialty in TLBO for the solution of constrained optimization problem. The MHGT was tested experimentally by well-known and mostly used ten benchmark function in the literature. The proposed method was first implemented on a 6 bus wind-thermal power system for 400, 450 and 500 MW powers. Then, it was implemented on Turkey 19 bus wind-thermal power system according to different ratios of the installed power as 25, 27.5 and 30 percent to solve the EDP problem. The obtained results were compared with the results of other studies. From the results, it is seen that the proposed MHGT method finds the solution in a short execution time and less fuel cost with more reliably and more efficiently in terms of both fuel cost and execution time.