Generatör Birim Katkı Sorununun Genetik Algoritmalar İle Çözülmesi

Abstract

Günlük yük eğrisindeki değişimler elektrik enerjisi üretiminin bir saatlik periyotlar ile gün bazında planlanmasını gerektirir. Bu planlama yapılırken sistemin en düşük maliyet ile enerji üretmesi istenir. Enerji sisteminin ekonomik işletilmesi, günlük değişken yük eğrisinde hangi santralin devreye alınıp çıkarılacağı, ne kadar kapasite ile işletileceği belirleyerek gerçeklenir. Çözüme ulaşmak için ekonomik işletmenin yanında, enerji üretim birimlerinin dinamik değişim kısıtlamaları, enerji sisteminin fiziksel kısıtlamaları gibi birçok kısıtlamadan oluşan bir problem ortaya çıkar, bu probleme “birim katkı sorunu” adı verilir ve matematiksel olarak kısıtlılık içeren bir eniyileme sorunudur. Çalışmada öncelikle birim katkı sorunu kısıtlarıyla birlikte incelenmiş ve matematiksel formülasyonu verilmiştir. Sonraki aşamada problemin çözümüne uygulanacak olan genetik algoritmalardan bahsedilmiştir. Bugüne kadar birim katkı sorununu Genetik Algoritmalar (GA) kullanarak çözüm yapmış çalışmalar incelenmiş, birbirlerine üstünlükleri ve önerdikleri yeniliklere değinilmiştir. Son olarak da çözümü yapılacak örnek sistem verilmiş ve sonuçlar listelenmiştir. Elde edilen sonuçlar GA’ın birim katkı sorununun çözümünde başarılı olduğunu göstermektedir. Bunun yanında GA’nın parametreleri arasında mutasyon ve çaprazlama oranını çözümün yakınsamasını ve kalitesini etkilemektedir. Seçim işlevlerinin çözümün kalitesinde önemli bir etkisi olmadığı görülmüştür.

The cyclical demand for electricity over a course of a day requires utility company to plan for power generation on an hourly basis for up to 24 or 48 hours. The main objective of this planning is to reduce the generation costs. While scheduling generators, it should be considered that electrical system has dynamic, thermal and mechanical constraints. The scheduling of generators with regard to these constraints is called unit commitment problem (UCP). The objective of this study is to apply GA to solve the UCP and to find optimum GA parameters for this problem. Firstly, UCP problem is explained with its constraints and mathematical formulation. Then GA and its operators are mentioned in details. The research results obtained in the area of UCP using GA are compared with respect to their innovations and GA operators. Finally, the mathematical model of the application and the steps of the applied GA are explained. The results of this work show that GA is a feasible solution technique for UCP. The mutation and crossover rate of the GA influence the solution. On the other hand the selection operators have no influence on the convergence to the optimum solution. Also, elitism is a requirement for preserving the feasible solution over the populations.