Abstract
Considering the different requirements for decision and state variables in engineering optimizations, an improved multi-objective particle swarm optimization with preference strategy (IMPSO-PS) is presented and applied to the optimal integration of distributed generation (DG) into the distribution system. Preference factors are introduced to quantify the degree of preference for certain attributes in the constraint-space. In addition to the application of a popular non-dominated sorting technique for identifying Pareto solutions, the performance of IMPSO-PS is strengthened via the inclusion of a dynamic selection of the global bests, a novel circular non-dominated selection of particles from one iteration to the next and a special mutation operation. The proposed algorithm has been successfully applied to benchmark functions and to the multi-objective optimal integration of DG into an IEEE 33-bus system. This real-world application aims to satisfy some special preferences and determine the optimal locations and capacities of DG units to minimize the total active power loss of the system and decrease cost caused by power generation and pollutant emissions. The results show that the proposed approach can provide a wider range of Pareto solutions of high quality, while satisfying special preference demands.
چکیده
با در نظر گرفتن نیازهای مختلف برای متغیرهای تصمیم و حالت در بهینه سازی های مهندسی، یک بهینه سازی ازدحام ذرات چند هدفی بهبود یافته با راهبرد ترجیح (IMPSO-PS) ارائه شده و در الحاق بهینه تولید پراکنده (DG) در سیستم توزیع به کار رفته است. ضرایب ترجیح معرفی شده اند تا درجه ترجیح را برای ویژگی های خاص در فضای قید، کمّی کنند. علاوه بر اعمال یک روش مرتب سازی غیر غالب مشهور برای شناسایی حل های پارتو، عملکرد IMPSO-PS، از طریق وارد کردن یک انتخاب دینامیک بهترین های عمومی، یک انتخاب غیر غالب دایره ای جدید ذرات از یک تکرار تا تکرار بعد و یک عملکرد جهش خاص، تقویت شده است. الگوریتم پیشنهادی، با موفقیت به توابع معیار و به الحاق بهینه چند هدفی DG در سیستم 33 شینه IEEE اعمال شده است. هدف این کاربرد دنیای واقعی، برآوردن برخی ترجیح های ویژه و تعیین محل ها و ظرفیت های بهینه واحدهای DG برای حداقل کردن تلفات توان اکتیو کل سیستم و کاهش هزینه ناشی از تولید توان و انتشار آلاینده هاست. نتایج نشان می دهند که راهکار پیشنهادی می تواند محدوده وسیع تری از حل های با کیفیت بالا را همزمان با تقاضاهای ترجیح خاص فراهم کند.
1-مقدمه
مسائل بهینه سازی چند هدفی (MOP) غالبا به وجود می آیند و اهداف درگیر، معمولا غیر متناسب بوده و اغلب با هم تعارض دارند. بهینه سازی چند هدفی (MOO) به عنوان یک زمینه تحقیقات و کاربرد به سرعت در حال رشد، به طور گسترده مطالعه شده و به مقدار وسیعی برای یافتن یک مجموعه حل پاراتو با توزیع خوب، به کار رفته است. در جامعه مدرن، تنوع و انعطاف انتخاب ها می تواند باعث سادگی و برآوردن نیازها برای وضعیت های خاص شود...