پایان نامه ارشد رایگان با موضوع شبیه سازی مونت کارلو و الگوریتم ژنتیک

ترکیب n نقطه ای.
جهش
جهش نیز عملگر دیگری هست که جواب‌های ممکن دیگری را متولد می‌کند. در الگوریتم ژنتیک بعد از اینکه یک عضو در جمعیت جدید بوجود آمد هر ژن آن با احتمال جهش، جهش می‌یابد. در جهش ممکن است ژنی از مجموعه ژن‌های جمعیت حذف شود یا ژنی که تا به حال در جمعیت وجود نداشته است به آن اضافه شود. جهش یک ژن به معنای تغییر آن ژن است و وابسته به نوع کدگذاری روش‌های متفاوت جهش استفاده می‌شود.
انواع جهش:
جهش باینری
جهش حقیقی
رمزگشایی
رمزگشایی، عکس عمل رمزگذاری است. در این مرحله بعد از اینکه الگوریتم بهترین جواب را برای مسأله ارائه کرد لازم است عکس عمل رمزگذاری روی جواب‌ها یا همان عمل رمزگشایی اعمال شود تا بتوانیم نسخه واقعی جواب را به وضوح در دست داشته باشیم]5 [.
3-6 جمعبندی
در تحقیق حاضر، مدل با استفاده از مدل ارائه شده در مرجع]37 [و با افزودن عدم قطعیت بر تقاضای پیش بینی شده و قیمت بازار تاثیر عدم قطعیتهای حاکم بر مسئله بر رفتار VPP در یک دوره زمانی معین مطالعه شده است. در این راستا، مدلسازی عدم قطعیت قیمت و تقاضای VPP به عنوان تولیدکننده، تواماً در نظر گرفته می شود. به منظور مدل سازی عدم قطعیتهای تقاضا و قیمت به ترتیب از توابع توزیع نرمال و نرمال لگاریتمی استفاده شده است. جهت دستیابی به این مهم، شبیه سازی مونت کارلو برای محاسبه ی توزیعهای آماری سود،پیشنهاد تولید VPPبه بازار انرژی انجام شده است.
همچنین در این تحقیق از روش کدگذاری باینری ، انتخاب ترتیبی و ترکیب دو نقطه ای استفاده شده است. متغیرهای کدگذاری شده شامل: Ut با طول رشته ی 1، Pdg، Pcapacity و Pcurt با طول رشته ی 8 تایی می باشند. اندازه جمعیت اولیه 200، احتمال برش 95/0 و احتمال جهش برابر 05/0 است. تعداد تکرار جهت شبیه سازی مونت کارلو 100 تکرار می باشد.
فصل چهارم
شبیه سازی و تحلیل نتایج
فصل چهارم
شبیه سازی و تحلیل نتایج
4-1 مقدمه
در این فصل دیاگرام خطی دو نیروگاه مجازی مورد بررسی نشان داده شده است.توابع هدف و قیود مربوطه به این نیروگاه ها در فصول قبل بیان شده است. حضور نیروگاه هم در بازار انرژی و هم در بازار رزرو شبیه سازی شده است.
نتایج مربوط به مدلسازی هر یک از نیروگاه ها به همراه تحلیل آنها ابتدا بدون در نظر گرفتن عدم قطعیت ها و سپس با در نظر گرفتن عدم قطعیتها در دوره ی زمانی 24 ساعت ارائه شده است. بدین نحو که در ابتدا عدم قطعیت قیمت و سپس عدم قطعیت قیمت و پیش بینی بار به صورت همزمان در نظر گرفته می شود.
4-2 معرفی شبکه ی اول(نیروگاه مجازی 1)
دیاگرام تک خطی نیروگاه مجازی در شکل (4-1) نشان داده شده است. به منظور اطمینان از صحت نتایج حاصل از پیاده سازی الگوریتم، نتایج شبیه سازی با نتایج حاصل از مرجع]40 [تطبیق داده شده است.
شکل (4-1): دیاگرام تک خطی نیروگاه مجازی1
4-3 شبیه سازی و تحلیل نتایج برای نیروگاه مجازی 1 با در نظر گرفتن بازار انرژی
4-3-1 حالت مبنا (در غیاب عدم قطعیت ها)
در ابتدا با استفاده از روابط موجود در مرجع]37 [و داده های ورودی مرجع]40 [، برای حالتی که تنها بازار انرژی در نظر گرفته می شود، شبیه سازی انجام شد.شبیه سازی با استفاده از نرم افزار MATLAB انجام گرفته است، به طور متوسط مدت زمان اجرای برنامه ها 3 روز به طول انجامیده است. با توجه به وجود بارهای قابل قطع در سیستم، امکان قطع بار به میزان حداکثر 25 کیلووات در ساعات 8-7 و 18-11 امکان پذیر است. همچنین هزینه ی بار قطع شده جهت پرداخت به مصرف کننده رابطه ی بدست می آید که در آن بار تامین نشده است. برای نشان دادن وضعیت روشن و خاموش بودن DG متغیر باینری UDG در نظر گرفته شد. تابع هزینه ی تولید DG طبق رابطه یC(dg)=0.01Pdg2+8.5Pdg محاسبه می گردد. برای برآورده شدن قیدهای حداقل زمان توقف و فعالیت واحد تولید پراکنده از روش جابجایی بیت ها استفاده شده است]41 [. جهت پخش بار در شبکه مورد مطالعه از الگوریتم جاروب رفت و برگشت استفاده شده است. حداقل میزان ظرفیت باقیمانده برای دستگاه ذخیره کننده 5 کیلووات می باشد، لذا در شبیه سازی، پارامتری جهت نشان دادن مقدار آن در هر ساعت تخصیص داده شد. میزان انرژی خرده فروشی برای آخرین مصرف کننده، قیمت انرژی، قیمت رزرو و میزان بار پیش بینی شده در جدول (4-1) نشان داده شده است.
این نوشته در علمی ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.