應用量子電荷演算法求解最佳化短期火力機組排程

Application of Quantum Charge System Search for Optimal Short Term Thermal Generation Unit Commitment

蔡依恬(E-Ten Tsai)

指導教授 ： 曹大鵬

國立臺北科技大學/電資學院/電機工程系研究所/碩士(2014年)

https://doi.org/10.6841/NTUT.2014.00176

摘要

本論文提出一種新的演算法於電力系統進行短期火力機組最佳化機組排程。機組排程是將一段時間內，在滿足各個發電機和系統上需考慮的限制條件前提下，以總發電成本最小為目標，作為各發電機組分配的依據。在求解機組排程時，過程需穩定及精確以提供調度人員做為參考，因此機組排程的求解方法更顯重要。
本論文採用量子電荷演算法求解機組排程問題，此新穎演算法相對於其他人工智慧演算法更為精準及有效率。量子電荷演算法是以傳統的電荷演算法進行改良，其參考量子演算法中的量子旋轉閘，使用電荷之速度更新取代量子旋轉閘旋轉角度的更新方式，以形成二位元的變數進行求解二進制最佳化問題。
最後本論文以量子電荷演算法進行兩個最佳化機組排程模擬，以IEEE 30-bus與IEEE 14-bus之系統做一天24小時負載的機組排程，並與二進制粒子群演算法和量子電荷演算法做發電成本、輸電線路損失的比較，模擬結果可驗證量子電荷演算法適合用於求解最佳化短期火力機組排程。

關鍵字

機組排程 ； 經濟調度 ； 二進制粒子群演算法 ； 電荷搜尋演算法

並列摘要

This thesis presents a solution to unit commitment (UC) of thermal units by a new evolutionary algorithm. The main objective of UC problem is to obtain minimum cost solution under various equality and unequality constraints during a period of time. In order to making stable and accurate solution for the power system operator, we should pay more attention to the method for solving UC problem.
Quantum charge system search (QCSS) is a new and modern optimization method which improves the update velocity of charge system search (CSS) instead of the angle of quantum algorithm for solving the binary optimal problem.
The proposed algorithm has been validated by the IEEE 30-bus and the IEEE 14-bus system for a one day scheduling period. The results compared with binary particle swarm optimization (BPSO) show that the generating cost and electric transmission line loss of QCSS is better than BPSO.

並列關鍵字

unit commitment ； eecmonic dispatch ； binary particle swarm optimization ； charge system search

參考文獻

[15] 劉律伸，應用量子基因演算法求解最佳化短期火力機組排程，碩士論文，國立台北科技大學，台北，2012。

[2] P. G. Lowery, “Generation unit commitment by dynamic programming,” IEEE Trans. on Power Apparatus and system, Vol. 85, No. 5, 1996, pp. 422-426.

[3] F. Zhuang, and F. D. Galiana, “Toward a More Rigorous and Practical Unit Commitment by Lagrangian Relaxation,” IEEE Trans. on Power Systems, Vol. 3, No. 2, 1983, pp. 1218-1225.

[4] S. Virmani, C. Adrian, K. lmhof and S. Mukherjee, “Implementation of A Lagrangian Relaxation Based Unit Commitment Problem,” IEEE Trans. on Power Systems, Vol. 4, No. 3, 1988, pp. 1373-1380.

[5] S. J. Wang, S. M. Shahidehpour, D. S. Kirschen, S. Mokhtari and G. D. Irisarri, “Short-Term Generation Scheduling with Transmission and Environmental Constraints Using on Augmented Lagrangian Relaxation,” IEEE Trans. on Power Systems, Vol. 10, No. 3, 1995, pp. 1294-1301.