Βελτιστοποίηση προγράμματος λειτουργίας μονάδων ηλεκτροπαραγωγής με χρήση εξελικτικών αλγορίθμων και μιας νέας παραμετροποίησης

Abstract

Σκοπός της παρούσας διπλωματικής εργασίας είναι η δημιουργία και πιστοποίηση μίας μεθόδου-λογισμικού βελτιστοποίησης του προγράμματος λειτουργίας ενός θερμικού ηλεκτροπαραγωγικού σταθμού και η βέλτιστη ανάθεση φορτίου στις μονάδες που τον συγκροτούν. Στόχος είναι η κάλυψη μιας καθορισμένης βραχυπρόθεσμης χρονοσειράς ζήτησης με το ελάχιστο κόστος. Το πρόβλημα αυτό αποτελεί αντικείμενο συνδυαστικής βελτιστοποίησης και για την επίλυση του χρησιμοποιείται η στοχαστική μέθοδος των εξελικτικών αλγορίθμων (Evolutionary Algorithms - ΕΑ). Η εργασία προτείνει μία, πρακτικά, νέα μέθοδο σε σύγκριση με τον σχετικό αλγόριθμο της διδακτορικής διατριβής της Δρ. Γεωργοπούλου, που αναπτύχθηκε στο Εργαστήριο Θερμικών Στροβιλομηχανών του ΕΜΠ. Βασική παραλλαγή είναι η χρήση ακέραια κωδικοποιημένου χρωμοσώματος, αντί δυαδικού, μειώνοντας σημαντικά το μήκος του. Μία ‘βάση δεδομένων’ βέλτιστης ανάθεσης φορτίου ολοκληρώνεται πριν την εκκίνηση του ΕΑ και εφαρμόζεται μόνο σε αποδεκτά ωριαία σενάρια λειτουργίας, σε σενάρια δηλαδή που καλύπτουν τη ζήτηση του δικτύου, περιορίζοντας το πλήθος των συνολικών αξιολογήσεων. Τα νέα αυτά στοιχεία σε συνδυασμό με τη χρήση χρονικής κατάτμησης του ορίζοντα προγραμματισμού επιφέρουν ραγδαία επιτάχυνση της διαδικασίας, απαλείφοντας έτσι το κύριο μειονέκτημα των ΕΑ που είναι ο αργός ρυθμός σύγκλισης τους. Αφού προηγηθεί η παρουσίαση της μεθόδου, ο αλγόριθμος δοκιμάζεται σε περιπτώσεις που αφορούν τις αρχικές καταστάσεις των μονάδων, την υπερπαραγωγής ενέργειας και την κάλυψη του ελλείμματος παραγωγής από εξωτερική πηγή. Τέλος, λαμβάνοντας υπόψη και τον περιορισμό της στρεφόμενης εφεδρείας, γίνεται πιστοποίηση σε εφαρμογές από τη βιβλιογραφία ώστε να είναι δυνατή η σύγκριση των αποτελεσμάτων.

The purpose of this diploma thesis is to develop and assess a method-software for the solution of the unit commitment problem of a thermal power plant, in an optimal way, along with the economic load dispatch problem of the generators that compose it. The aim is to cover a specified short-term load demand at minimum cost. The proposed technique for solving this combinatorial optimization problem is a stochastic population-based method, namely the evolutionary algorithm (EA). This study suggests a, practically, new method compared to the algorithm presented at the PhD thesis of Dr. Georgopoulou and developed at the Lab Of Thermal Turbomachines of NTUA. A key structural change is the use of integer-coded instead of binary-coded chromosome and, thus the chromosome length is significantly reduced. In addition, the economic load dispatch is completed before the beginning of the EA, by forming a database of possible hour scenarios to use during the optimization, and is applied only for feasible hourly-operating scenarios which leads to a limited number of evaluations. The scheduling horizon is also partitioned in sub-periods which are solved using semi-autonomous EAs. These new features result to a noticeable acceleration of the optimization algorithm eliminating, thus, the main disadvantage of EAs which is their slow convergence. After the current method is thoroughly presented, the algorithm is tested for some cases relating to the initial states of the units, the energy overproduction and a possible energy deficit that needs to be covered by third-party sources. Finally, the assessment of this method is based on test-cases taken from the relevant literature which allows comparison of results.