جستجوی مقالات مرتبط با کلیدواژه "پرداخت بر اساس پیشنهاد" در نشریات گروه "عمران"
تکرار جستجوی کلیدواژه «پرداخت بر اساس پیشنهاد» در نشریات گروه «فنی و مهندسی»-
اغلب مسایل تصمیم گیری در دنیای واقعی به ویژه در زمینه مدیریت منابع آب، مسایل چندهدفه ای هستند که تصمیم گیری بر اساس اهداف متفاوت و متضاد انجام می شود. با توجه به دامنه وسیع کاربرد این گونه مسایل، مدل های متفاوتی برای حل آن ها پیشنهاد شده است، که از مهم ترین آن ها می توان به مدل های بهینه سازی چندهدفه NSGA-II و MOPSO اشاره کرد. هدف از این پژوهش مقایسه عملکرد الگوریتم های NSGA-II و MOPSO در حل مسئله بهره برداری بهینه چندهدفه از مخزن برقابی است. با توجه به اینکه مخازن برقابی در تامین بار پیک شبکه برق مشارکت دارند، در ابتدا با استفاده از شبکه عصبی به پیش بینی قیمت روزانه انرژی در ساعت های اوج پرداخته شده، سپس نتایج حاصل از آن برای بهینه سازی چندهدفه بهره برداری از مخزن سد کارون 5، شامل دو هدف بیشینه سازی درآمد سالانه و بیشینه سازی حداقل انرژی تولیدشده روزانه، به کار گرفته شده است. نتایج این مطالعه نشان می دهد که هرچند زمان اجرای روش NSGA II بیش از دو برابر روش MOPSO است، ولی دقت نتایج آن در هر دو هدف بهتر از MOPSO است، به نحوی که میانگین درآمد سالانه و حداقل انرژی تولیدی روزانه به دست آمده از روش NSGA-II به ترتیب 18درصد و 20 درصد بهتر از روش MOPSO است.
کلید واژگان: قیمت اوج مصرف, بار پیک, شبکه عصبی, شبکه برق, پرداخت بر اساس پیشنهادNear the most of real-world decision-making issues, especially in the water resource management area, are multi-objective issues that are taken based on different and conflicting goals. Due to the wide range of application of these issues, different models have been proposed to solve them, NSGA-II and MOPSO are the most important of these multi-objective optimization models. The purpose of this study is to compare the performance of NSGA-II and MOPSO algorithms in solving multi-objective optimal operation of a hydropower reservoir. Due to the fact that the hydropower reservoirs are involved in providing the peak load of the network electricity, a neural network to predict daily energy prices in peak hours was developed initially, then the results were used to optimize the multi-objective operation of Karun 5 Dam reservoir, includes two goals of maximizing annual income and maximizing minimum daily energy production. Although the run time of the NSGA-II method is about twice as high as the MOPSO, the precision of its results is 20% better for both purposes than MOPSO.
Keywords: Peak consumption, Peak Load, Neural Network, Electricity Network, PAB
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.