HEAL DSpace

Επέκταση δικτύου διανομής με χρήση γενετικού αλγορίθμου μέσω βέλτιστης τοπολογίας γραμμών

Αποθετήριο DSpace/Manakin

Εμφάνιση απλής εγγραφής

dc.contributor.author Πολομαρκάκη, Ιωάννα el
dc.contributor.author Polomarkaki, Ioanna en
dc.date.accessioned 2015-09-02T11:56:49Z
dc.date.available 2015-09-02T11:56:49Z
dc.date.issued 2015-09-02
dc.identifier.uri https://dspace.lib.ntua.gr/xmlui/handle/123456789/41164
dc.identifier.uri http://dx.doi.org/10.26240/heal.ntua.7645
dc.rights Default License
dc.subject Genetic algorithm el
dc.subject Electric power distribution systems el
dc.subject Optimal network topology el
dc.subject Tree encoding el
dc.subject Network planning el
dc.title Επέκταση δικτύου διανομής με χρήση γενετικού αλγορίθμου μέσω βέλτιστης τοπολογίας γραμμών el
heal.type bachelorThesis
heal.classification Ηλεκτρική ισχύς el
heal.classification Γενετικοί αλγόριθμοι el
heal.language el
heal.access free
heal.recordProvider ntua el
heal.publicationDate 2015-03-23
heal.abstract Αντικείμενο της παρούσας διπλωματικής εργασίας αποτελεί η επέκταση ενός δικτύου διανομής, λόγω της ανάγκης για εισαγωγή νέων φορτίων στο δίκτυο. Το ζητούμενο είναι να βρεθεί η βέλτιστη τοπολογία των γραμμών διανομής ώστε το κόστος της σύνδεσης και τα λειτουργικά έξοδα του δικτύου να είναι ελάχιστα. Η βέλτιστη αυτή τοπολογία αναζητήθηκε με τη μέθοδο των Γενετικών Αλγορίθμων. Για την διαδικασία της βελτιστοποίησης με χρήση του Γενετικού Αλγόριθμου, χρησιμοποιήθηκε το Optimization Tool της Matlab R2011a και για την επίλυση ροών φορτίου των εκάστοτε πιθανών τοπολογιών του δικτύου χρησιμοποιήθηκε το λογισμικό Matpower (έκδοση 4.1), μια προέκταση του Matlab σχεδιασμένη για την επίλυση ροών φορτίου και βέλτιστων ροών φορτίου. Αρχικά, το δίκτυο διανομής που χρησιμοποιήθηκε, κωδικοποιήθηκε κατάλληλα για να είναι δυνατή η επεξεργασία του από τον Γενετικό Αλγόριθμο. Για την κωδικοποίηση αυτή του δικτύου μελετήθηκαν δυο μέθοδοι. Στην πρώτη δοκιμάστηκαν τέσσερις αλγόριθμοι κωδικοποίησης ολόκληρου του δικτύου σε συμβολοσειρά, οι Prüfer, Blob, Happy και Dandelion. Στην δεύτερη το αντικείμενο προς κωδικοποίηση ήταν μόνο οι συνδέσεις των νεοεισαχθέντων φορτίων. Στη συνέχεια, για κάθε μια από τις μεθόδους, υλοποιήθηκε η προς ελαχιστοποίηση αντικειμενική συνάρτηση και λόγω της αδυναμίας των προϋπαρχόντων επιλογών της Matlab, να ανταποκριθούν στις απαιτήσεις του προβλήματος, σχεδιάστηκαν και υλοποιήθηκαν ορισμένοι κατάλληλοι τελεστές για το Γενετικό Αλγόριθμο. Ακολούθησε η διαδικασία της βελτιστοποίησης, η οποία υπέδειξε την βέλτιστη λύση για τη σύνδεσή των νέων φορτίων με το εξεταζόμενο δίκτυο διανομής. Η λύσης αυτή αποτελεί το ολικό βέλτιστο (ελάχιστο) του προβλήματος και προέκυψε από τη δεύτερη μέθοδο, καθώς η πρώτη δεν ήταν ιδιαίτερα αποδοτική. Δοκιμάσαμε τέσσερις παραλλαγές στο μέγεθος και στον τύπο των νέων φορτίων για να δούμε τις τροποποιήσεις στη μορφολογία του δικτύου. Το πρώτο σενάριο αφορούσε την εισαγωγή νέων καταναλωτών, χωρίς την εισαγωγή διεσπαρμένης παραγωγής. Στα επόμενα σενάρια προσθέσαμε και διεσπαρμένη παραγωγή σε ορισμένα σημεία και μεταβάλλαμε το μέγεθος της. el
heal.advisorName Χατζηαργυρίου, Νικόλαος el
heal.committeeMemberName Χατζηαργυρίου, Νικόλαος el
heal.committeeMemberName Κορρές, Γεώργιος el
heal.committeeMemberName Γεωργιλάκης, Παύλος el
heal.academicPublisher Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικής Ισχύος el
heal.academicPublisherID ntua
heal.numberOfPages 109 σ.
heal.fullTextAvailability true


Αρχεία σε αυτό το τεκμήριο

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

Εμφάνιση απλής εγγραφής