通过灰狼优化器使用Cuckoo优化算法,用于工程优化和可再生能源最佳功率流
Rabeh Abbassi1, Pavel Trojovský2, Zulkefli Mansor3
1Department of Electrical Engineering, College of Engineering, University of Ha'il, 81451, Hail, Saudi Arabia. r.abbassi@uoh.edu.sa.
一个新的混合元启发方法,COGWO,通过集成灰狼优化器 (GWO) 和古柯优化算法 (COA) 来增强电力系统优化. 这种方法提高了电力分配管理的弹性和效率,特别是在可再生能源方面.
科学领域:
- 电气工程 电气工程
- 计算智能是一种计算智能.
- 优化技术 优化技术
背景情况:
- 最佳功率流 (OPF) 对于高效的电力分配管理至关重要.
- 现有的优化技术面临复杂的电力系统和可再生能源整合的挑战.
- 现代电网需要有弹性和高效的优化方法.
研究的目的:
- 引入COGWO,一种混合的元启发方法,将GWO和COA结合起来,用于增强的OPF解决方案.
- 根据标准工程问题和最先进的方法验证COGWO的性能.
- 将COGWO应用于波动可再生能源的大型电力系统中的OPF问题.
主要方法:
- 通过集成 Grey Wolf Optimizer (GWO) 和 Cuckoo 优化算法 (COA) 开发了 COGWO.
- 在CEC2020基准问题上验证了COGWO,证明了卓越的性能.
- 将COGWO应用于IEEE 30公交和118公交系统,考虑到可再生能源 (RES) 的波动.
主要成果:
- 与GWO,COA和其他metaheuristics相比,COGWO实现了优越的融合质量和解决方案弹性.
- 该方法有效地降低了燃料成本,功率损失,电压变化和排放.
- 对于非凸和非光滑的优化函数,COGWO证明了勘探和利用之间的最佳平衡.
结论:
- 对于大规模的电力系统优化,COGWO提供了一种计算效率高,灵活且有弹性的解决方案.
- 混合方法显著提高了OPF的解决方案稳定性和融合速度.
- COGWO是一种有前途的技术,用于管理集成可再生能源的现代电网.
更多相关视频
10:36Author Spotlight: Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption
Published on: November 3, 2023
14:33Optimize Flue Gas Settings to Promote Microalgae Growth in Photobioreactors via Computer Simulations
Published on: October 1, 2013
相关概念视频
Fast Decoupled and DC Powerflow
Maximum Power Flow and Line Loadability
The Power Flow Problem and Solution
Maximum Power Transfer
By substituting the entire circuit with...
Conservation of AC Power
Control of Power Flow
