فیلم آموزشی حل مسأله دیسپاچینگ اقتصادی توسط الگوریتم PSO (به زبان فارسی)

فلیم آموزشی حل مسأله دیسپاچینگ اقتصادی توسط الگوریتم PSO (به زبان فارسی)

 

 

یکی از مسائل مهمی که در مهندسی قدرت و مدیریت سیستم های تولید و توزیع نیروی برق مطرح می شود، مسأله دیسپاچینگ اقتصادی یا Economic Dispatching است. در این مسأله، که به صورت یک مسأله بهینه سازی مقید و پیوسته مطرح می شود، سعی می شود که سهم توان تولیدی چند واحد تولید برق به نحوی تعیین شود که عملکرد کلی سیستم از نظر اقتصادی بهینه شود. برای هر کدام از منابع تولید انرژی، یک تابع هزینه بر حسب توان تولیدی تعریف شده است، که غالبا به صورت درجه دو می باشد. در این فیلم آموزشی با استفاده از  الگوریتم بهینه سازی ازدحام ذرات یا Particle Swarm Optimizatoion (به اختصار PSO) به حل این مسأله پرداخته شده است.

الگوریتم PSO یکی از مهم ترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. این الگوریتم، توسط جیمز کندی و راسل سی ابرهارت در سال ۱۹۹۵ معرفی گردید، و با الهام از رفتار اجتماعی حیواناتی چون ماهی ها و پرندگان که در گروه هایی کوچک و بزرگ کنار هم زندگی می کنند، طراحی شده است. در الگوریتم PSO، اعضای جمعیت جواب ها، به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته، به حل مسأله می پردازند. الگوریتم PSO برای انواع مسائل پیوسته و گسسته مناسب است و پاسخ های بسیار مناسبی برای مسائل بهینه سازی مختلف داده است.

 

برای کسب اطلاعات بیشتر در مورد این فیلم آموزشی، لطفا بر روی لینک ادامه مطلب کلیک کنید.

فلیم آموزشی حل مسأله دیسپاچینگ اقتصادی توسط الگوریتم PSO (به زبان فارسی)

 

یکی از مسائل مهمی که در مهندسی قدرت و مدیریت سیستم های تولید و توزیع نیروی برق مطرح می شود، مسأله دیسپاچینگ اقتصادی یا Economic Dispatching است. در این مسأله، که به صورت یک مسأله بهینه سازی مقید و پیوسته مطرح می شود، سعی می شود که سهم توان تولیدی چند واحد تولید برق به نحوی تعیین شود که عملکرد کلی سیستم از نظر اقتصادی بهینه شود. برای هر کدام از منابع تولید انرژی، یک تابع هزینه بر حسب توان تولیدی تعریف شده است، که غالبا به صورت درجه دو می باشد. در این فیلم آموزشی با استفاده از  الگوریتم بهینه سازی ازدحام ذرات یا Particle Swarm Optimizatoion (به اختصار PSO) به حل این مسأله پرداخته شده است.

الگوریتم PSO یکی از مهم ترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. این الگوریتم، توسط جیمز کندی و راسل سی ابرهارت در سال ۱۹۹۵ معرفی گردید، و با الهام از رفتار اجتماعی حیواناتی چون ماهی ها و پرندگان که در گروه هایی کوچک و بزرگ کنار هم زندگی می کنند، طراحی شده است. در الگوریتم PSO، اعضای جمعیت جواب ها، به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته، به حل مسأله می پردازند. الگوریتم PSO برای انواع مسائل پیوسته و گسسته مناسب است و پاسخ های بسیار مناسبی برای مسائل بهینه سازی مختلف داده است.

در این فیلم آموزشی منحصر به فرد، در خصوص شیوه های حل مسائل بهینه سازی مقید نیز صحبت شده است، که می توان از این نکات برای حل سایر مسائل بهینه سازی مقید نیز استفاده نمود. بسیاری از نکات بیان شده، مختص الگوریتم PSO نیستند و قطعا می توان آن ها را با سایر الگوریتم های بهینه سازی نیز مورد استفاده قرار داد. همچنین این فیلم می تواند یک سرمشق مناسب برای حل مسأله دیسپاچینگ اقتصادی با استفاده از سایر الگوریتم های بهینه سازی باشد. فرآیندی که برای حل مسأله در این فیلم بیان می شود، یک فرآیند استاندارد و کلی است و می تواند برای سایر مسائل بهینه سازی به کار برده شود.

  

این محصول بخشی از بسته طلایی فیلم های آموزشی الگوریتم PSO است. برای کسب اطلاعات بیشتر بر روی این لینک (+) کلیک کنید. 

 

 

اهم مطالب و سرفصل های مورد بحث در این فیلم آموزشی عبارتند از:

  • بیان ریاضی مسأله دیسپاچینگ اقتصادی یا Economic Dispatching
  • مروری بر روش های حل مسائل بهینه سازی مقید به خصوص قید تساوی
  • پیاده سازی حل مسأله دیسپاچینگ با استفاده از PSO
  • تحلیل و بررسی نتایج به دست آمده از بهینه سازی
  • ارائه پیشنهادهایی برای تعمیم و توسعه مدل مربوط به مسأله دیسپاچینگ

 


 

برای مشاهده جزئیات و تهیه آموزش فرادرس آموزشی حل مسأله دیسپاچینگ اقتصادی توسط الگوریتم PSO به این لینک (+) مراجعه نمایید.

 

 

توجه: برای آموزش مباحث تئوری و عملی مربوط به الگوریتمPSO می توانید از محصول MVRPS9011AB استفاده نمایید. اطلاعات مربوط به این محصول را می توانید از این لینک (+) دریافت نمایید.

مطالب پیشنهادی‎

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *