1 / 34

Primjena genetskih algoritama za optimiranje pogonskih stanja razdjelnih mreža

Analiza slučaja:. Primjena genetskih algoritama za optimiranje pogonskih stanja razdjelnih mreža. Mladen Maras. Cilj. Genetski algoritam Min  I 2 R Proračun struja i padova napona Max P =  P 1 Proračun raspoloživosti Poštivanje ograničenja. Prostor pretraživanja.

morna
Download Presentation

Primjena genetskih algoritama za optimiranje pogonskih stanja razdjelnih mreža

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Analiza slučaja: Primjena genetskih algoritama za optimiranje pogonskih stanja razdjelnih mreža Mladen Maras

  2. Cilj • Genetski algoritam • Min  I2R • Proračun struja i padova napona • Max P =  P1 • Proračunraspoloživosti • Poštivanje ograničenja

  3. Prostor pretraživanja • Prostor pretraživanja: • Trenutna konfiguracija mreže: • gdje je:

  4. Načelni matematički model • - funkcija cilja • - zadane varijable • uz: • - jednadžba tokova snaga • - nejednadžba ograničenja mreže

  5. Funkcija cilja • Funkcija cilja: • Ukupni gubici: • Ako je za sve moguće tada je globalni optimum

  6. Ograničenja u razdjelnoj mreži • Topološka ograničenja: radijalnost • Ograničenja snage: • Ograničenja struja: • Ograničenja napona:

  7. Modeliranje elemenata • Vodovi: • π shema, dozemni kapaciteti zanemareni • Uklopnice: • Napon stabilan i neovisan o broju potrošača • Transformatori:

  8. Raspoloživost • Ispravan rad komponente • Iskopčan kvar • Izoliran kvar • λ – učestalost kvara • ν – učestalost prekapčanja, • μ – učestalost popravka Ispravan rad Kvar 2 λ 1 υ μ 3

  9. Proračun raspoloživosti • Srednja vremena boravka u stanjima: , , • Vrijeme cijelog ciklusa: • Vjerojatnost zauzimanja nekog stanja: , , • Vjerojatnost stanja razdjelne mreže: • Srednja raspoloživost:

  10. Metoda zbrajanja struja • Struja koja odlazi u transformator: • Zbrajanje struja:

  11. Metoda zbrajanja struja • Određivanje padova napona: • Korigiranje napona razdjelnih TS:

  12. Metoda zbrajanja struja • Nova iteracija

  13. Pristup problemu Izvedba Analiza mreže Dekompozicija mreže

  14. Genetski algoritam

  15. Genetski algoritam • Za: • Ne zahtijeva da funkcija cilja bude neprekinuta ili derivabilna • Struktura nudi velike mogućnosti nadogradnje i povećanja efikasnosti • Primjenjiv na veliki broj problema • Pogodan za višekriterijske probleme • “Iskače” iz lokalnih optimuma • Rezultat je skup rješenja • Daje prihvatljivo rješenje u prihvatljivom vremenu • Protiv: • Veliki utjecaj parametara na efikasnost • Spora konvergencija • Ne garantira globalni optimum • Teško se definira dobra funkcija dobrote

  16. Klasični GA i graf • Rješenje: 001 010 011 100 101 110 • Rješenje: 001 100 010 011 101 110

  17. A A F F B B C C E E D D Klasični GA i graf 1. Potomak: 001 010 011 011 101 110 2. Potomak: 001 100 010 100 101 110

  18. Permutacijsko kodiranje • Operatori križanja: • PMX operator (eng.partially-mapped crossover), • CX operator (eng.cycle crossover), • OX operator (eng.order crossover), • OBX operator (eng.order based crossover), • ER operator (eng.edge recombination). • Mutacija: • Promjena redosljeda • Promjena redosljeda u dijelu kromosoma • Pozicijska 1. Rješenje: 001 010 011 100 101 110 = ABCDEF 2. Rješenje: 001 100 010 011 101 110 = ADBCEF

  19. 1 2 7 2 3 4 e a 3 1 5 4 f b 5 6 2 6 d c 6 3 4 7 1 5 Kodiranje rješenja – lista susjedstva

  20. Implementirani GA • Eliminacijska selekcija bez duplikata • Inherentni elitizam • ER operator križanja • 2 jednaka roditelja? • Mutacija jednog • Potomak se stvara kao početno rješenje • Mutacija • Samo jedan čvor • Prebacivanje na neki susjedni izvod

  21. Eliminacijski GA • Inicijalizacija • Generiranje populacije • Evaluacija • Izračun funkcije cilja • Translacija • Izračun funkcije kazne • Selekcija • Eliminacija m jedinki • Vjerojatnost proporcionalna funkciji kazne • Najbolja jedinka ima vjerojatnost eliminacije nula • Kažnjavanje prekoračenja ograničenja • Računanje kumulativne kazne • Roulette wheel selekcija • Križanje • Mutacija

  22. Stvaranje početnih rješenja • Korišteni izrazi: • Krajnja TS • Fiksni geni • Varijabilni geni • Načini stvaranja početne populacije: • U širinu • U dubinu ,

  23. ER operator križanja • Tablica veza • Moguća UKS

  24. ER operator križanja • Kao rješenje daje 1 potomka • Koristi samo veze koje postoje kod roditelja • Dobiveno rješenje:

  25. Mutacija

  26. Rasterećenje izvoda

  27. Zaključak • GA je postupak koji kaže što raditi sa genetskim materijalom da bi se postiglo zadovoljavajuće rješenje • Prilagodba GA problemu ili problema GA • Velika sloboda u prikazu rješenja i odabiru odgovarajućih operatora • Bitno je dobro podesiti parametre • Primjena GA na optimiranje razdjelnih mreža: • Postoji prostor za smanjenje gubitaka • Povećava iskoristivost postojeće mreže (smanjuje ulaganja) • Moguće traženje optimalnog UKS ovisno o opterećenju • “Samooptimirajuće” razdjelne mreže

More Related