Genetic algorithm solution to unit commitment problem

Madraswala, Hatim S.; Deshpande, Anuradha

doi:10.1109/icpeices.2016.7853075

Cited by 521 publications

(5 citation statements)

References 24 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Xét về phương pháp giải, một số kỹ thuật giải đã được đề xuất để giải bài toán UC như nới lỏng Lagrangian (LR) [9], thuật toán di truyền (GA) [10] và quy hoạch tuyến tính nguyên thực hỗn hợp (MILP) [11] - [13]. Đặc điểm của một số phương pháp giải như sau:…”

Section: Giới Thiệuunclassified

Giải Bài Toán Uc Sử Dụng Mô Hình Milp Cho Hệ Thống Hỗn Hợp Nhiệt Điện, Điện Gió Và Tích Trữ Năng Lượng Dạng Pin Có Xét Tổn Thất Công Suất Lưới Điện

Văn¹,

Thu²,

Hoàng³

et al. 2022

TNUJST

View full text Add to dashboard Cite

Lựa chọn tổ máy vận hành là một trong các bài toán quan trọng nhất của vận hành hệ thống điện. Mục đích của bài toán lựa chọn tổ máy vận hành là xác định trạng thái vận hành của các tổ máy trong một khoảng thời gian để đáp ứng nhu cầu của phụ tải, thỏa mãn các ràng buộc kỹ thuật và ràng buộc an toàn của hệ thống, đồng thời cực đại tổng lợi ích xã hội trong khoảng thời gian xét. Bài báo này đề xuất mô hình quy hoạch tuyến tính nguyên thực hỗn hợp (MILP) để giải bài toán lựa chọn tổ máy vận hành cho hệ thống hỗn hợp nhiệt điện, điện gió và tích trữ năng lượng dạng pin có xét tổn thất công suất của lưới điện. Mô hình MILP được phát triển từ mô hình quy hoạch phi tuyến nguyên thực hỗn hợp (MINLP) bằng cách sử dụng kỹ thuật tuyến tính hóa tổn thất công suất của lưới điện. Lưới điện truyền tải 24 nút IEEE được áp dụng để đánh giá mô hình đề xuất. Kết quả tính toán cho thấy rằng tổn thất công suất của lưới điện có ảnh hưởng đáng kể đến trạng thái vận hành, công suất phát của các tổ máy và sự hoạt động của tích trữ năng lượng dạng pin.

show abstract

Section: Giới Thiệuunclassified

Giải Bài Toán Uc Sử Dụng Mô Hình Milp Cho Hệ Thống Hỗn Hợp Nhiệt Điện, Điện Gió Và Tích Trữ Năng Lượng Dạng Pin Có Xét Tổn Thất Công Suất Lưới Điện

Văn¹,

Thu²,

Hoàng³

et al. 2022

TNUJST

View full text Add to dashboard Cite

show abstract

“…In (17) and 18, M U T j and M DT j are the minimum-up-time and minimum-down-time limits on unit j respectively. Constraints (14) to (18) define unit operation limits and are similar to the formulation of a traditional utility's cost minimization UC problem [25]. Constraint (13) -the power balance constraint -states that the GENCO's total output at any given hour must equal its own load which is the sum of its expected spot market allocation P h s and its bilateral market commitment P h b .…”

Section: Operational Constraintsmentioning

confidence: 99%

“…Classical mathematical methods such as Priority Listing (PL), Dynamic Programming (DP), Branch and Bound, Mixed Integer Programming (MIP), and Lagrangian Relaxation have been proposed in [11,12]. Newer, heuristic based methods such as Genetic Algorithm (GA), Ant colony optimization (ACO), Particle swarm optimization (PSO), and Artificial bee colony (ABC) have been proposed in [13,14,15]. Hybrid methods that combine two or more solution approaches have also been proposed [16,17].…”

Section: Introductionmentioning

confidence: 99%

GENCO Optimal Bidding Strategy and Profit based Unit Commitment using Evolutionary Particle Swarm Optimization Illustrating the Effect of GENCO Market Power

Bikeri¹,

Muriithi²,

Kihato³

2018

IJECE

View full text Add to dashboard Cite

<p>In deregulated electricity markets, generation companies (GENCOs) make unit commitment (UC) decisions based on a profit maximization objective in what is termed profit based unit commitment (PBUC). PBUC is done for the GENCOs demand which is a summation of its bilateral demand and allocations from the spot energy market. While the bilateral demand is known, allocations from the spot energy market depend on the GENCOs bidding strategy. A GENCO thus requires an optimal bidding strategy (OBS) which when combined with a PBUC approach would maximize operating profits. In this paper, a solution of the combined OBS-PBUC problem is presented. An evolutionary particle swarm optimization (EPSO) algorithm is implemented for solving the optimization problem. Simulation results carried out for a test power system with GENCOs of differing market strengths show that the optimal bidding strategy depends on the GENCOs market power. Larger GENCOs with significant market power would typically bid higher to raise market clearing prices while smaller GENCOs would typically bid lower to capture a larger portion of the spot market demand. It is also illustrated that the proposed EPSO algorithm has a better performance in terms of solution quality than the classical PSO algorithm.</p>

show abstract

“…The target function formula 7 represents the UAV that satisfies the constraints. [3] A schematic diagram of path planning, as shown in Figure 4.…”

Section: Figure 3 Flow Chart Of Genetic Algorithmmentioning

confidence: 99%

Optimal application of unmanned aerial vehicle in disaster relief

Li¹

2018

Proceedings of the 2018 3rd International Conference on Automation, Mechanical Control and Computational Engineering (AMCCE 201

View full text Add to dashboard Cite

Based on the theory of optimization, this paper researches the route planning of multi unmanned aerial vehicle(UAV) cooperative task and the task planning problem of multi UAV scheduling. In this paper, we set up a feature point location model based on the traditional base station location model, which is our basic model. The problem one researches the task planning of UAV cooperative investigation. We transform the problem into the multiple traveling salesman problem and use genetic algorithm to get the optimal number and route of UAV with high computational efficiency. The optimization model is also established, and the genetic algorithm is used to solve it, so as to calculate the optimal number and route of UAV and the flight time of each UAV. Problem two researches the multi-starting multi-unmanned aerial vehicle cooperative investigation task planning problem. Problem three researches the scheduling problem of UAV with communication constraints.

show abstract

Genetic algorithm solution to unit commitment problem

Cited by 521 publications

References 24 publications

Giải Bài Toán Uc Sử Dụng Mô Hình Milp Cho Hệ Thống Hỗn Hợp Nhiệt Điện, Điện Gió Và Tích Trữ Năng Lượng Dạng Pin Có Xét Tổn Thất Công Suất Lưới Điện

Giải Bài Toán Uc Sử Dụng Mô Hình Milp Cho Hệ Thống Hỗn Hợp Nhiệt Điện, Điện Gió Và Tích Trữ Năng Lượng Dạng Pin Có Xét Tổn Thất Công Suất Lưới Điện

GENCO Optimal Bidding Strategy and Profit based Unit Commitment using Evolutionary Particle Swarm Optimization Illustrating the Effect of GENCO Market Power

Optimal application of unmanned aerial vehicle in disaster relief

Contact Info

Product

Resources

About