跳到主要內容

臺灣博碩士論文加值系統

(3.236.124.56) 您好!臺灣時間:2021/08/02 08:36
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:劉律伸
研究生(外文):Lu-Shen Liu
論文名稱:應用量子基因演算法求解最佳化短期火力機組排程
論文名稱(外文):Application of Quantum Genetic Algorithm for Optimal Short Term Thermal Generation Unit Commitment
指導教授:曹大鵬曹大鵬引用關係
口試委員:周至如王順源蔡忠諺林惠民
口試日期:2012-07-17
學位類別:碩士
校院名稱:國立臺北科技大學
系所名稱:電機工程系研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2012
畢業學年度:100
語文別:中文
論文頁數:100
中文關鍵詞:機組排程最佳化電力潮流量子基因演算法線性規劃
外文關鍵詞:Unit CommitmentOptimal Power FlowQuantum Generation AlgorithmLinear Programming
相關次數:
  • 被引用被引用:9
  • 點閱點閱:257
  • 評分評分:
  • 下載下載:25
  • 收藏至我的研究室書目清單書目收藏:0
機組排程是一個在排程的時間內以最經濟方式來排定機組狀態與決定機組發電量的問題,其目的在於使總發電成本最小並同時滿足負載需求、備轉容量需求與一些個別限制條件;求解機組排程必須迅速而有效,才能做為發電策略的參考依據,因此如何選擇一個有效且穩定的求解方法來求解機組排程問題已成為一種重要的課題。本論文在機組排程上採用一種較新穎的量子基因演算法,此演算法是融合量子演算法和基因演算法所實現的一種新的演算法,此演算法採用量子機率向量的編碼方式,同時使用量子位元、量子疊加狀態的思想,而量子疊加狀態的特性能使排列更多元化,而由機率表達的特性是將解的狀態以一定的機率表達出來,藉此有效提高最佳解搜索能力。本論文同時以線性規劃法為基礎來建立一個求解最小線損的最佳化電力潮流;最佳化電力潮流主要是在滿足電力系統運轉條件下,處理如何達成其目標函數最佳化的問題,諸如發電成本、最小線損、最大傳輸功率、或是系統最佳安全運轉等問題,都可以藉由改變目標函數來求解。最後以本論文所提出的量子基因演算法結合最佳化電力潮流對三個案例做分析,分別以IEEE 14-Bus、IEEE 30-Bus、IEEE 57-Bus的電力系統做24小時負載的線路損失最佳化機組排程,並和忽略限制的動態規劃法,基因演算法做比較,模擬結果印證量子基因演算法可以達到較低的發電成本同時兼顧輸電線損失,因而適合將此方法使用在求解最佳火力機組排程。

The purpose of unit commitment for a specified power system is to decide the generator status, electrical total power outputs to satisfy load demands, spinning reserves and constraints in the most economic way. To be a good reference for a power generation policy, the process of unit commitments must be fast and effective. How to find out an effective and stable solution method for the best of unit commitments is a major course for modern power system. This thesis combines Quantum Algorithm and Genetic Algorithm to present a new algorithm, called Quantum Genetic Algorithm (QGA). The Quantum Genetic Algorithm uses the coding method of quantum probability vector, and also use the quantum bit and quantum superposition at the same time. The characteristic of quantum superposition can make code express more flexible. The probability expression characteristic can be expresses the solution state by certain probability. It can raise the ability of optimal solution. In this thesis, the optimal power flow with linear programming is also carried out to obtain minimum power line losses. Under certain power system operating conditions, the optimal power flow study is to obtain the optimal objective functions such as the cost of power generation, the minimum line losses, the maximum transmission power and the best security operating conditions. In this thesis, three research cases including IEEE 14-bus, IEEE 30-bus and IEEE 57-bus have been studied and analyzed for a short-term unit commitments. These study results have been comparison with other methods i.e. Dynamic Programming and Genetic Algorithm. It is indicated that Quantum Genetic Algorithm which proposed in this thesis is more useful and efficient in short-term unit commitments.


摘要 i
ABSTRACT ii
誌謝 iv
目錄 v
表目錄 vii
圖目錄 ix
第一章 緒論 1
1.1 研究背景與動機 1
1.2 文獻回顧 3
1.3 研究目的與方法 4
1.4 論文架構 5
第二章 機組排程及經濟調度 6
2.1 機組排程 6
2.1.1 目標函數 6
2.1.2 機組限制條件 7
2.1.3 優先順序表列法 9
2.1.4 動態規劃法 11
2.2 經濟調度 12
2.2.1 火力發電廠之運轉成本 12
2.2.2 忽略發電機限制之經濟調度 14
2.2.2 考慮發電機限制之經濟調度 16
第三章 最佳化電力潮流 17
3.1 電力潮流分析 17
3.1.1 電力潮流方程式 18
3.1.2 求解電力潮流的方法 19
3.1.3 牛頓拉福森法求解電力潮流 20
3.2 最佳化問題 25
3.2.1 目標函數及限制式 25
3.2.2 線性規劃基本原理 28
3.2.3 利用線性規劃求解最佳化電力潮流 30
第四章 演算法之理論介紹 33
4.1 基因演算法 33
4.1.1 基因演算法之基本概念 33
4.1.2 基因演算法的方法及步驟 33
4.1.3 利用基因演算法求解機組排程 40
4.2 量子基因演算法 41
4.2.1 量子基因演算法之基本觀念 41
4.2.2 量子基因演算法的步驟 41
4.2.3 利用量子基因演算法求解機組排程 47
第五章 模擬結果與討論 49
5.1 模擬案例一:IEEE 14-bus 49
5.1.1 IEEE 14-bus系統說明 49
5.1.2 IEEE 14-bus模擬結果與討論 53
5.2 模擬案例二:IEEE 30-bus 61
5.2.1 IEEE 30-bus系統說明 61
5.2.2 IEEE 30-bus模擬結果與討論 66
5.3 模擬案例三:IEEE 57-bus 77
5.2.1 IEEE 57-bus系統說明 77
5.2.2 IEEE 57-bus模擬結果與討論 84
第六章 結論與未來研究方向 95
6.1 結論 95
6.2 未來研究方向 97
參考文獻 98


[1]台灣電力公司網站
http://www.taipower.com.tw/
[2]P. G. Lowery, “Generation unit commitment by dynamic programming,” IEEE Transactions on Power Apparatus and system, Vol. 85, No. 5, 1996, pp. 422-426.
[3]G. L. Kusic and H. A. Putnarn, “Dispatch and unit commitment including commonly owned units,” IEEE Transactions on Power Apparatus and Systems, Vol. 104, No. 9, 1985, pp. 2408-2412.
[4]蘇木春、張孝德編,類神經網路、模糊系統以及基因演算法則,台北:全華科技圖書,2004。
[5]H. Sasaki, M. Watanabe, and R. Yokoyama, “A Solution Method of Unit Commitment by Artificial Neural Networks,” IEEE Trans. on Power Systems, Vol. 7, No. 3, 1992. pp. 974-981.
[6]T. Saksornchai, Wei-Jen Lee, K. Methaprayoon, J. R. Liao and R. J. Ross, “Improve the unit commitment scheduling by using the neural-network-based short-term load forecasting,” IEEE Transactions on Industry Applications, Vol. 41, No. 1, 2005, pp. 169-179.
[7]F. Zhuang and F. D. Galiana, “Unit Commitment by Simulated Annealing,” IEEE Tran on Power Systems, PWRS-5, 1990, pp. 311-317.
[8]廖國清、曹大鵬,「以混合免疫演算法和遺傳演算法做短期火力機組排程」,中華民國第二十四屆電力工程研討會,台灣, 2003,第1411-1415頁
[9]G. Xiao, S. Li, X. Wang and R. Xiao. ”A solution to unit commitment problem by ACO and PSO hybrid algorithm,” Proceedings of the 6th World Congress on Intelligent Control and Automation, Dalian, China, 2006, pp. 7475-7479.
[10]L. M. Gambardella and M. Dorigo. “Solving symmetric and asymmetric TSPs by ant colonies,” Proceeding of IEEE International Conference on Evolutionary Computation, Nagoya, Japan, 1996, pp. 622-627.
[11]M. Dorigo, V. Maniezzo and A.Colorni, “Ant system: optimization by a colony of cooperating agents,” IEEE Transactions on Systems, Man and Cybernetices, Part B, Vol. 26, No. 1, 1996, pp. 29.41.
[12]Allen J. Wood, Btuce F. Wollenberg, “Power generation, operation, and control” New York: J. Wiley & Sons, c1996.
[13]O. Alsac, J. Bright, M. Prais, B. Stott, ”Further developments in LP-based optimal power flow”, IEEE Transaction on Power System, Vol. 5, No. 3, August 1990, pp. 697-711.
[14]B. Stott, J. L. Marinho, and O. Alsac, ”Review of linear programming applied to power system rescheduling”, Proceedings of IEEE PICA conference, May 1979, pp. 142-154.
[15]A. Narayanan, M. Moore, “Quantum-inspired genetic algorithms”, Proceedings of IEEE International Conference on Evolutionary Computation, Nagoya, Japan, 1996, pp. 61-66.
[16]K H. Han, J H. Kim, “Genetic Quantum Algorithm and its Application to Combinatorial Optimization Problem”, Proceedings of IEEE International Congress on Evolutionary Computation, IEEE press, 2000, pp. 1354-1360.
[17]G.S.Sailesh Babu, D.B. Das and C. Patvardhan, “Real Parameter Quantum Evolutionary Algorithm for Economic Load Dispatch,” IET Proc.-Gener.Transm. Distrib, Vol. 2,Issuel 1,2008,pp. 22-31.
[18]D.J. Tylavsky, G.T. Heydt, “Quantum Computing in Power System Simulation,” IEEE Power Engineering Society General Meeting 2003, Vol. 2, 2003, pp. 13-17.
[19]J.C. Lee, W.M. Lin, G.C.Liao and T.P. Tsao, ”Quantum genetic algorithm for dynamic economic dispatch with valve-point effects and including windpower system,” International Journal of Electrical Power & Energy Systems, Vol. 33, NO. 2, February 2011, pp. 189-197
[20]陳在相、吳瑞南、張宏展譯,電力系統分析,台北:東華圖書有限公司,
2000。
[21]李清吟、卓明遠、陳鴻誠、李俊良譯,電力系統分析,台北:東華圖書有限公司,2008。
[22]廖國清,最佳演算法應用於負載預測及機組排程問題,博士論文,國立中山大學,高雄,2005。
[23]黃靖銘,以線性規劃法為基礎之最佳潮流分析,碩士論文,國立台灣海洋大學,基隆,2005。
[24]賴慶裕,混合型線性整數規劃應用於火力幾組發電排程預定之研究,碩士論文,國立中正大學電機所,嘉義,2003。
[25]莊景勝,線性整數規劃與拉氏鬆弛法求解火力機組排程之分析比較,碩士論文,國立中正大學電機所,嘉義,2003。
[26]T. Back, Evolutionary Algorithms in Theory and Practice, New York: Oxford University Press, 1996.
[27]J. H. Holland, Adaptation in Natural and Artificial System, Cambridge: the MIT Press, 1992.
[28]K. F. Man, K.S. Tang, and S. Kwong, Genetic Algorithms: Conceptsand Designs. London, U.K.: Springer-Verlag, 1999.
[29]李士勇、李盼池,量子计算与量子优化算法,哈爾濱:哈爾濱工業大學出版社,2009。
[30]廖國清、鄭勛庭,「使用量子基因演算法求解短期發電機排程」,中華民國第三十屆電力工程研討會,台灣, 2009。
[31]University of Washington, Power system test case archive,
http://www.ee.washington.edu/research/pstca/
[32]陳士賢,以倒傳遞網路法結合基因演算法作短期火力機組調派,碩士論文,國立中山大學電機所,嘉義,2001。


QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊