دانلود ترجمه مقاله یک روش جدید برای پخش توان انتشار اقتصادی زمان حقیقی
ترجمه در قالب فایل Word و قابل ویرایش میباشد
سال انتشار:2007
تعداد صفحه ترجمه:18
تعداد صفحه فایل انگلیسی:3
موضوع انگلیسی :Novel Approach to Real-Time Economic
Emission Power Dispatch
موضوع فارسی:دانلود ترجمه مقاله یک روش جدید برای پخش توان انتشار اقتصادی زمان حقیقی
چکیده انگلیسی:
چکیده فارسی:Abstract—This paper describes a novel approach that combines
abductive reasoning network (ARN) and a technique for order
preference by similarity to ideal solution (TOPSIS) decision
approach to achieve real-time economic emission power dispatch
and the best compromise solution. The objectives of fuel cost
and the environmental impact of emission are simultaneously
considered in this paper. The proposed ARN handles complicated
relationships between the load demands (input) and the generation
power of each unit (output) using a hierarchical network with
several layers of function nodes of simple low-order polynomials
to make the computed outputs fit the historical data. Once the
ARN is constructed, the desired outputs can be produced as
soon as the inputs are given. According to the set of noninferior
solutions for a specific load level, the TOPSIS approach is used
to provide operators with the best compromise solution. The
effectiveness of the proposed approach has been demonstrated by
the IEEE 30-bus 6-generator and the practical Taipower 388-bus
27-generator test systems. The test results reveal that the proposed
ARN outperforms the artificial neural networks (ANNs) method,
in both developing the model and estimating the outputs of the
generating units according to the input load demands.
چکیده
این مقاله به شرح روش جدیدی می‌پردازد که ترکیبی از شبکه‌ی استدلال استقرائی (ARN) و تکنیکی برای اولویت سفارش توسط همسانی با روش تصمیم‌گیری راه‌حل ایده‌آل (TOPSIS) برای دستیابی به پخش توان انتشاری اقتصادی زمان حقیقی و بهترین راه‌حل مصالحه است. اهداف هزینه سوخت و اثر محیط زیستی انتشارات بطور همزمان در این مقاله لحاظ شده‌اند. ARN پیشنهادی با روابط پیچیده‌ی بین تقاضاهای بار (ورودی) و توان تولیدی هر واحد (خروجی) با استفاده از یک شبکه‌ی سلسله‌مراتبی با چندین لایه از گره‌های تابع چندجمله‌ای‌های مرتبه پایین ساده سروکار دارد تا خروجی‌های محاسبه شده با داده‌های گذشته تطابق داشته باشند. یکبار که ARN ساخته می‌شود، خروجی‌های مطلوب می‌تواند به محض اینکه ورودی‌ها داده شوند، تولید گردند. بر اساس مجموعه راه‌حل‌های غیرفرعی برای یک سطح بار خاص، از روش TOPSIS برای تأمین عملگرها با بهترین راه‌حل مصالحه استفاده می‌شود. اثربخشی روش پیشنهادی توسط سیستم‌های تست 30-باسه 6-ژنراتور IEEE و Taipower عملی 388-باسه 27-ژنراتور اثبات شده است. نتایج آزمایش نشان می‌دهند که ARN پیشنهادی، در توسعه‌ی مدل و تخمین خروجی‌های واحدهای تولیدی بر اساس تقاضاهای بار ورودی، بهتر از روش شبکه‌های عصبی مصنوعی (ANNها) عمل می‌کند.
