عنوان انگلیسی: Ant-Lion Optimizer algorithm and Recurrent Neural Network for Energy Management of Micro Grid Connected System
عنوان فارسی: الگوریتم بهینه ساز شیر- مورچه و شبکه های عصبی بازگشتی برای مدیریت انرژی سیستم متصل به ریز شبکه
تعداد صفحات انگلیسی: 50 صفحه
تعداد صفحات فارسی: 43 صفحه تعداد کلمات فارسی:7932
Abstract: In this paper, an intelligent technique for EMS based on Recurrent Neural Network
(RNN) with aid of Ant-Lion Optimizer (ALO) algorithm is presented to find energy scheduling
in MG. The optimal operation programming of electrical systems through the minimization of
production cost as well as better utilization of renewable energy resources, such as the PV
system, WT, and storage system. The objective of the proposed method is utilized to the
optimum operation of micro-sources for decreasing the electricity production cost by hourly dayahead
and real-time scheduling. The proposed method is able to analyze the technical and
economic time-dependent constraints. The proposed method attempts to meet the required load
demand with minimum energy cost. To accomplish this aim, demand response (DR) is evaluated
by utilizing the RNN and additional indices for evaluating customer response, such as consumers
information based on the offered priority, DR magnitude, duration, and minimum cost of energy(COE). Finally, the ALO algorithm is developed to solve the economic dispatch issues for
determining the generation, storage, and responsive load offers. The proposed method is
implemented in MATLAB/Simulink working platform and their performances are tested with the
existing methods such as GA, ABC, and BFA respectively.
چکیده فارسی: در این مقاله، یک روش هوشمند برای EMS مبتنی بر شبکه عصبی بازگشتی (RNN) با کمک الگوریتم بهینه ساز شیر- مورچه (ALO) برای یافتن برنامه ریزی انرژی در MG ارائه شده است. برنامه ریزی بهینه عملکرد سیستم های الکتریکی از طریق به حداقل رساندن هزینه تولید و همچنین استفاده بهتر از منابع انرژی تجدید پذیر، مانند سیستم PV، WT و سیستم ذخیره سازی. هدف از روش پیشنهادی به منظور بهره برداری بهینه از ریز (میکرو) منابع برای برای کاهش هزینه تولید برق به صورت ساعتی و برنامه ریزی زمان واقعی استفاده شده است. روش پیشنهادی قادر به تحلیل محدودیت های فنی و اقتصادی وابسته به زمان است. روش پیشنهادی سعی در تامین و برآورد تقاضای بار مورد نیاز با حداقل هزینه انرژی دارد. برای دستیابی به این منظور، پاسخ تقاضا (DR) با استفاده از RNN و شاخص های اضافی برای ارزیابی پاسخ مشتری ، مانند اطلاعات مصرف کنندگان بر اساس اولویت ارائه شده، اندازه DR، مدت زمان و حداقل هزینه انرژی (COE) ارزیابی می شود. سرانجام، الگوریتم ALO برای حل مسائل پخش بار اقتصادی به منظور تعیین تعیین تولید، ذخیره سازی و بارهای پاسخگو پیشنهاد شده است. روش پیشنهادی در پلتفرم کاری MATLAB / Simulink پیاده سازی شده و عملکرد آنها به ترتیب با روشهای موجود مانند GA، ABC و BFA آزمایش می شود.
چکیده: در این مقاله، یک روش هوشمند برای EMS مبتنی بر شبکه عصبی بازگشتی (RNN) با کمک الگوریتم بهینه ساز شیر- مورچه (ALO) برای یافتن برنامه ریزی انرژی در MG ارائه شده است. برنامه ریزی بهینه عملکرد سیستم های الکتریکی از طریق به حداقل رساندن هزینه تولید و همچنین استفاده بهتر از منابع انرژی تجدید پذیر، مانند سیستم PV، WT و سیستم ذخیره سازی. هدف از روش پیشنهادی به منظور بهره برداری بهینه از ریز (میکرو) منابع برای برای کاهش هزینه تولید برق به صورت ساعتی و برنامه ریزی زمان واقعی استفاده شده است. روش پیشنهادی قادر به تحلیل محدودیت های فنی و اقتصادی وابسته به زمان است. روش پیشنهادی سعی در تامین و برآورد تقاضای بار مورد نیاز با حداقل هزینه انرژی دارد. برای دستیابی به این منظور، پاسخ تقاضا (DR) با استفاده از RNN و شاخص های اضافی برای ارزیابی پاسخ مشتری ، مانند اطلاعات مصرف کنندگان بر اساس اولویت ارائه شده، اندازه DR، مدت زمان و حداقل هزینه انرژی (COE) ارزیابی می شود. سرانجام، الگوریتم ALO برای حل مسائل پخش بار اقتصادی به منظور تعیین تعیین تولید، ذخیره سازی و بارهای پاسخگو پیشنهاد شده است. روش پیشنهادی در پلتفرم کاری MATLAB / Simulink پیاده سازی شده و عملکرد آنها به ترتیب با روشهای موجود مانند GA، ABC و BFA آزمایش می شود.
دانلود رایگان مقاله انگلیسی
دانلود مقاله دات کام 
توضیحات محصول
عنوان انگلیسی: Ant-Lion Optimizer algorithm and Recurrent Neural Network for Energy Management of Micro Grid Connected System
عنوان فارسی: الگوریتم بهینه ساز شیر- مورچه و شبکه های عصبی بازگشتی برای مدیریت انرژی سیستم متصل به ریز شبکه
تعداد صفحات انگلیسی: 50 صفحه
تعداد صفحات فارسی: 43 صفحه تعداد کلمات فارسی:7932
Abstract: In this paper, an intelligent technique for EMS based on Recurrent Neural Network
(RNN) with aid of Ant-Lion Optimizer (ALO) algorithm is presented to find energy scheduling
in MG. The optimal operation programming of electrical systems through the minimization of
production cost as well as better utilization of renewable energy resources, such as the PV
system, WT, and storage system. The objective of the proposed method is utilized to the
optimum operation of micro-sources for decreasing the electricity production cost by hourly dayahead
and real-time scheduling. The proposed method is able to analyze the technical and
economic time-dependent constraints. The proposed method attempts to meet the required load
demand with minimum energy cost. To accomplish this aim, demand response (DR) is evaluated
by utilizing the RNN and additional indices for evaluating customer response, such as consumers
information based on the offered priority, DR magnitude, duration, and minimum cost of energy(COE). Finally, the ALO algorithm is developed to solve the economic dispatch issues for
determining the generation, storage, and responsive load offers. The proposed method is
implemented in MATLAB/Simulink working platform and their performances are tested with the
existing methods such as GA, ABC, and BFA respectively.
چکیده فارسی: در این مقاله، یک روش هوشمند برای EMS مبتنی بر شبکه عصبی بازگشتی (RNN) با کمک الگوریتم بهینه ساز شیر- مورچه (ALO) برای یافتن برنامه ریزی انرژی در MG ارائه شده است. برنامه ریزی بهینه عملکرد سیستم های الکتریکی از طریق به حداقل رساندن هزینه تولید و همچنین استفاده بهتر از منابع انرژی تجدید پذیر، مانند سیستم PV، WT و سیستم ذخیره سازی. هدف از روش پیشنهادی به منظور بهره برداری بهینه از ریز (میکرو) منابع برای برای کاهش هزینه تولید برق به صورت ساعتی و برنامه ریزی زمان واقعی استفاده شده است. روش پیشنهادی قادر به تحلیل محدودیت های فنی و اقتصادی وابسته به زمان است. روش پیشنهادی سعی در تامین و برآورد تقاضای بار مورد نیاز با حداقل هزینه انرژی دارد. برای دستیابی به این منظور، پاسخ تقاضا (DR) با استفاده از RNN و شاخص های اضافی برای ارزیابی پاسخ مشتری ، مانند اطلاعات مصرف کنندگان بر اساس اولویت ارائه شده، اندازه DR، مدت زمان و حداقل هزینه انرژی (COE) ارزیابی می شود. سرانجام، الگوریتم ALO برای حل مسائل پخش بار اقتصادی به منظور تعیین تعیین تولید، ذخیره سازی و بارهای پاسخگو پیشنهاد شده است. روش پیشنهادی در پلتفرم کاری MATLAB / Simulink پیاده سازی شده و عملکرد آنها به ترتیب با روشهای موجود مانند GA، ABC و BFA آزمایش می شود.
چکیده: در این مقاله، یک روش هوشمند برای EMS مبتنی بر شبکه عصبی بازگشتی (RNN) با کمک الگوریتم بهینه ساز شیر- مورچه (ALO) برای یافتن برنامه ریزی انرژی در MG ارائه شده است. برنامه ریزی بهینه عملکرد سیستم های الکتریکی از طریق به حداقل رساندن هزینه تولید و همچنین استفاده بهتر از منابع انرژی تجدید پذیر، مانند سیستم PV، WT و سیستم ذخیره سازی. هدف از روش پیشنهادی به منظور بهره برداری بهینه از ریز (میکرو) منابع برای برای کاهش هزینه تولید برق به صورت ساعتی و برنامه ریزی زمان واقعی استفاده شده است. روش پیشنهادی قادر به تحلیل محدودیت های فنی و اقتصادی وابسته به زمان است. روش پیشنهادی سعی در تامین و برآورد تقاضای بار مورد نیاز با حداقل هزینه انرژی دارد. برای دستیابی به این منظور، پاسخ تقاضا (DR) با استفاده از RNN و شاخص های اضافی برای ارزیابی پاسخ مشتری ، مانند اطلاعات مصرف کنندگان بر اساس اولویت ارائه شده، اندازه DR، مدت زمان و حداقل هزینه انرژی (COE) ارزیابی می شود. سرانجام، الگوریتم ALO برای حل مسائل پخش بار اقتصادی به منظور تعیین تعیین تولید، ذخیره سازی و بارهای پاسخگو پیشنهاد شده است. روش پیشنهادی در پلتفرم کاری MATLAB / Simulink پیاده سازی شده و عملکرد آنها به ترتیب با روشهای موجود مانند GA، ABC و BFA آزمایش می شود.
دانلود رایگان مقاله انگلیسی