Μέθοδος προγραμματισμού και υπολογισμού της βέλτιστης ανάθεσης φορτίου σε μονάδες απομονωμένων συστημάτων ηλεκτροπαραγωγής με πιθανοτικές βλάβες

Abstract

Η παρούσα διπλωματική εργασία πραγματεύεται το πρόβλημα της βελτιστοποίησης του προγράμματος λειτουργίας και της ανάθεσης φορτίου σε μονάδες σταθμών ηλεκτροπαραγωγής, για δεδομένη ζήτηση, λαμβάνοντας υπόψη πιθανοτικές βλάβες. Η εργασία βασίζεται και επεκτείνει τη μέθοδο που αναπτύχθηκε στο πλάισιο της σχετικής διδακτορικής διατριβής της Δρ. Χαρίκλειας Γεωργοπούλου, στο Εργαστήριο Θερμικών Στροβιλομηχανών του ΕΜΠ. Τα βασικά εργαλεία αυτής της μεθόδου είναι οι εξελικτικοί αλγόριθμοι (ΕΑ), τα δίκτυα συναρτήσεως ακτινικής βάσης (RBF δίκτυα) και η προσομοίωση Monte-Carlo. Σκοπός της εργασίας είναι να υπάρξει μια μέθοδος εύρεσης βέλτιστων λύσεων στο παραπάνω πρόβλημα απομονωμένων συστημάτων, με ορίζοντα προγραμματισμού της τάξης της εβδομάδας, η οποία θα είναι ιδιαίτερα οικονομική σε υπολογιστικό χρόνο, εκμεταλλευόμενη ένα νέο τρόπο ένταξης προσεγγιστικών προτύπων αξιολόγησης ή μεταπροτύπων - εδώ τεχνητών νευρωνικών δικτύων - στην, κατά τα άλλα υπολογιστικά ακριβή, εξελικτική βελτιστοποίηση. Στην παρούσα εργασία προτείνονται και διερευνούνται δύο μέθοδοι επιλογής αντιπροσωπευτικών σεναρίων για την εκπαίδευση RBF δικτύων που εφαρμόζονται στην προσομοίωση Monte-Carlo. Επιπλέον, γίνεται εφαρμογή της μεθόδου βελτιστοποίησης σε δύο εικονικά απομονωμένα συστήματα ελληνικών νησιών και αξιολογούνται τα αποτελέσματα. Στην παρούσα εργασία, μεταξύ άλλων, γίνεται περιγραφή της διεπίπεδης μεθόδου βελτιστοποίησης και του λογισμικού αξιολόγησης που χρησιμοποιείται. Περιγράφεται η δομή των εξελικτικών αλγορίθμων υποβοηθούμενων από μεταπρότυπα, των RBF δικτύων και της προσομοίωσης Monte-Carlo. Τέλος, γίνεται περιγραφή των χαρακτηριστικών των μονάδων των δύο συστημάτων, στα οποία γίνεται εφαρμογή της μεθόδου βελτιστοποίησης, και προσαρμογή των χαρακτηριστικών αυτών στη μέθοδο βελτιστοποίησης.

This diploma thesis deals with the solution of the unit commitment and economic load dispatch problem for a given system demand, in isolated electric power production systems with probabilistic outages. This thesis is based on the outcome of a recent Ph.D thesis (Dr. C.A. Georgopoulou) carried out in the Lab. of Thermal Turbomachines of NTUA, and focuses on the further improvements of some specific issues. Basic tools of the method used and developed, are the evolutionary algorithms (EAs), the radial basis function networks (RBF Networks, used as surrogate evaluation tools), and the Monte-Carlo simulation. The main objective is a low computing cost method to obtain optimal solutions to the unit commitment problem with probabilistic outages, which takes full advantage of the use of surrogate evaluation tools (metamodels – RBF Networks) during the EA-based search. The new idea is that the surrogate models are trained on a small number of indicative (carefully selected) failure scenarios and used to guess the expected total operating cost. Two different methods for selecting representative unit availability scenarios (i.e. failure scenarios), are proposed and investigated in this thesis. In addition, the method is used to solve two hypothetical problems, mimicking existing power generation unit systems in Greece (such as Greek islands) by using existing gas turbine models as power generating units. Among others, a two-level optimization method based on evolutionary algorithms and the main structure of the exact evaluation tool, are described. Also the main structure of metamodel-assisted evolutionary algorithms, RBF Networks and Monte-Carlo simulation are described. Finally, the main operating features of the units used in the applications, are being studied and adapted to the optimization method.