عنوان انگلیسی این مقاله
Multi-objective biogeography-based optimization for dynamic economic emission load dispatch considering plug-in electric vehicle charging
و عنوان فارسی این مقاله
“ بهینه‌سازی مبتنی بر بیوگرافی چندهدفه برای پخش بار اقتصادی زیست‌محیطی دینامیکی با در نظر گرفتن خودروهای نقلیه الکتریکی شارژی”
مربوط به سال 2017 و شامل 11 صفحه فایل انگلیسی و 21 صفحه فایل ترجمه فارسی تعداد کلمات فارسی: 4106
a b s t r a c t
The climate change is addressing unprecedented pressures on conventional power system regarding the significant fossil fuel consumptions and carbon emissions, which largely challenges the conventional power system operation. This paper proposes a novel dynamic non-dominated sorting multi-objective biogeography-based optimization (Dy-NSBBO) to solve multi-objective dynamic economic emission load dispatch considering the mass integration of plug-in electric vehicles (PEVs), namely MO-DEELDP problem. First, a real-world economic emission load dispatch considering PEVs charging is first formulated as a constrained dynamic multi-objective optimization problem. Then a new multi-objective BBO is proposed adopting the non-dominated solution sorting technique, change detection and memory-based selection strategies in the multi-objective BBO method to strengthen the dynamic optimization performance
The proposed Dy-NSBBO is applied to solve three different dynamic economic emission load dispatch cases integrating four plug-in electric vehicle charging scenarios respectively. Comprehensive analysis shows that the novel algorithm is promising to bring considerable economic and environmental benefits to the power system operators and provides competitive charging strategies for policy makers and PEVs aggregators.
چکیده
تغییرات آب و هوایی، در حال پرداختن به فشارهای بی‌سابقه‌ای بر سیستم برق سنتی که مربوط به مصرف سوخت‌های فسیلی قابل‌توجه و انتشار کربن است می‌باشد؛ که این امر عمدتاً عملکرد معمول سیستم قدرت را به چالش می‌کشد. این مقاله یک بهینه‌سازی مبتنی بر جغرافیای زیستی چندهدفه نامغلوب (Dy-NSBBO) پیشنهاد می‌کند تا پخش بار اقتصادی زیست‌محیطی چندهدفه را با درنظرگرفتن ادغام خودروهای الکتریکی شارژی (PEVs)، به‌عبارت‌دیگر مسئله MO-DEELDP را حل کند. ابتدا یک پخش بار اقتصادی با در نظر گرفتن شارژPEV ها به‌عنوان یک مسئله بهینه‌سازی چندهدفه زیست‌محیطی فرموله شد. سپس یک BBO جدید چندهدفه با استفاده از تکنیک مرتب‌سازی بر اساس راه‌حل نامغلوب، تشخیص تغییر و راهبردهای انتخاب مبتنی بر حافظه در روش BBO چندهدفه برای تقویت عملکرد بهینه‌سازی دینامیکی پیشنهادشده است. الگوریتم پیشنهادی Dy-NSBBO برای حل سه حالت مختلف پخش بار اقتصادی زیست‌محیطی به ترتیب در چهار سناریوی شارژ خودروهای الکتریکی اعمال می‌شود. تجزیه‌وتحلیل جامع نشان می‌دهد که الگوریتم جدید امیدوارکننده است که مزایای اقتصادی و زیست‌محیطی قابل‌توجهی را به اپراتورهای سیستم برق وارد کند و راهبردهای شارژ رقابتی را برای سیاست‌گذاران و جمع کننده‌های PEV فراهم سازد.
دانلود رایگان مقاله انگلیسی
دانلود مقاله دات کام 
توضیحات محصول
عنوان انگلیسی این مقاله
Multi-objective biogeography-based optimization for dynamic economic emission load dispatch considering plug-in electric vehicle charging
و عنوان فارسی این مقاله
“ بهینه‌سازی مبتنی بر بیوگرافی چندهدفه برای پخش بار اقتصادی زیست‌محیطی دینامیکی با در نظر گرفتن خودروهای نقلیه الکتریکی شارژی”
مربوط به سال 2017 و شامل 11 صفحه فایل انگلیسی و 21 صفحه فایل ترجمه فارسی تعداد کلمات فارسی: 4106
a b s t r a c t
The climate change is addressing unprecedented pressures on conventional power system regarding the significant fossil fuel consumptions and carbon emissions, which largely challenges the conventional power system operation. This paper proposes a novel dynamic non-dominated sorting multi-objective biogeography-based optimization (Dy-NSBBO) to solve multi-objective dynamic economic emission load dispatch considering the mass integration of plug-in electric vehicles (PEVs), namely MO-DEELDP problem. First, a real-world economic emission load dispatch considering PEVs charging is first formulated as a constrained dynamic multi-objective optimization problem. Then a new multi-objective BBO is proposed adopting the non-dominated solution sorting technique, change detection and memory-based selection strategies in the multi-objective BBO method to strengthen the dynamic optimization performance
The proposed Dy-NSBBO is applied to solve three different dynamic economic emission load dispatch cases integrating four plug-in electric vehicle charging scenarios respectively. Comprehensive analysis shows that the novel algorithm is promising to bring considerable economic and environmental benefits to the power system operators and provides competitive charging strategies for policy makers and PEVs aggregators.
چکیده
تغییرات آب و هوایی، در حال پرداختن به فشارهای بی‌سابقه‌ای بر سیستم برق سنتی که مربوط به مصرف سوخت‌های فسیلی قابل‌توجه و انتشار کربن است می‌باشد؛ که این امر عمدتاً عملکرد معمول سیستم قدرت را به چالش می‌کشد. این مقاله یک بهینه‌سازی مبتنی بر جغرافیای زیستی چندهدفه نامغلوب (Dy-NSBBO) پیشنهاد می‌کند تا پخش بار اقتصادی زیست‌محیطی چندهدفه را با درنظرگرفتن ادغام خودروهای الکتریکی شارژی (PEVs)، به‌عبارت‌دیگر مسئله MO-DEELDP را حل کند. ابتدا یک پخش بار اقتصادی با در نظر گرفتن شارژPEV ها به‌عنوان یک مسئله بهینه‌سازی چندهدفه زیست‌محیطی فرموله شد. سپس یک BBO جدید چندهدفه با استفاده از تکنیک مرتب‌سازی بر اساس راه‌حل نامغلوب، تشخیص تغییر و راهبردهای انتخاب مبتنی بر حافظه در روش BBO چندهدفه برای تقویت عملکرد بهینه‌سازی دینامیکی پیشنهادشده است. الگوریتم پیشنهادی Dy-NSBBO برای حل سه حالت مختلف پخش بار اقتصادی زیست‌محیطی به ترتیب در چهار سناریوی شارژ خودروهای الکتریکی اعمال می‌شود. تجزیه‌وتحلیل جامع نشان می‌دهد که الگوریتم جدید امیدوارکننده است که مزایای اقتصادی و زیست‌محیطی قابل‌توجهی را به اپراتورهای سیستم برق وارد کند و راهبردهای شارژ رقابتی را برای سیاست‌گذاران و جمع کننده‌های PEV فراهم سازد.
دانلود رایگان مقاله انگلیسی