현재 우리나라의 전력산업 환경은 구조 개편으로 인해 경제적, 사회적, 그리고 기술적으로 많은 변화를 겪고 있다. 이러한 변화 속에서 안전하고 높은 신뢰도를 유지하면서 최적으로 계통을 운용하는 것은 점차로 어려운 일이 되고 있다. 따라서 보다 신뢰성 높고 효율적인 전력계통의 운영 및 계획을 위해서 최적조류계산에 대한 요구가 점점 커져가고 있다. 본 논문에서는 최적조류계산 문제의 탐색성능 및 탐색속도에 대한 연구를 시행하였다. OPF를 풀기위한 기법으로 크게 수학적 기법과 진화연산기법으로 나눌 수 있다. 본 논문에서는 종래의 수학적 기법과 새로운 진화연산 기법을 이용한 최적조류계산을 비교 연구 하였다. 수학적 기법으로 ...
현재 우리나라의 전력산업 환경은 구조 개편으로 인해 경제적, 사회적, 그리고 기술적으로 많은 변화를 겪고 있다. 이러한 변화 속에서 안전하고 높은 신뢰도를 유지하면서 최적으로 계통을 운용하는 것은 점차로 어려운 일이 되고 있다. 따라서 보다 신뢰성 높고 효율적인 전력계통의 운영 및 계획을 위해서 최적조류계산에 대한 요구가 점점 커져가고 있다. 본 논문에서는 최적조류계산 문제의 탐색성능 및 탐색속도에 대한 연구를 시행하였다. OPF를 풀기위한 기법으로 크게 수학적 기법과 진화연산기법으로 나눌 수 있다. 본 논문에서는 종래의 수학적 기법과 새로운 진화연산 기법을 이용한 최적조류계산을 비교 연구 하였다. 수학적 기법으로 Newton법을 사용하였고, 진화 연산기법으로 PSO 알고리즘을 사용하였다. Newton method는 2차 미분정보를 가지고 있기 때문에 수렴하는데 어려움이 없고, 또 부등호 제약도 쉽게 다룰 수 있다. PSO 알고리즘은 여러 점에서 탐색이 시작되고, PSO탐색공간에서 전역해와 국부해 사이를 균형 있게 탐색함으로써 국부해에 조기 수렴하는 것을 극복 할 수 있다. 즉 기존 휴리스틱 방법과 다르게, 탐색 공간 어디서 출발해도, 각 개체간의 정보 공유로 인해, 전역 최적해에 수렴할 수 있다. 추가적으로 PSO 알고리즘에서 intertia weight에 대한 연구를 심화 함으로서[10], 종래의 PSO방법보다 수렴성을 향상 시켰다. 본 논문에서 제시한 알고리즘을 비교 연구하기 위해 5모선계통의 최적조류계산 문제에 각각 적용하였고, 수렴성에서는 Newton method가 성능이 우수하고, 전역 최적해를 탐색하는데 있어서는 제안한 PSO 알고리즘이 더 좋은 성능을 보임을 확인하였다. 따라서 본 논문에서 모의한 계통보다 보다 대규모의 계통에서 본 논문이 제안한 알고리즘을 검증한다면 실계통의 실시간 제어 및 최적 운용에 크게 기여할 것 보인다
현재 우리나라의 전력산업 환경은 구조 개편으로 인해 경제적, 사회적, 그리고 기술적으로 많은 변화를 겪고 있다. 이러한 변화 속에서 안전하고 높은 신뢰도를 유지하면서 최적으로 계통을 운용하는 것은 점차로 어려운 일이 되고 있다. 따라서 보다 신뢰성 높고 효율적인 전력계통의 운영 및 계획을 위해서 최적조류계산에 대한 요구가 점점 커져가고 있다. 본 논문에서는 최적조류계산 문제의 탐색성능 및 탐색속도에 대한 연구를 시행하였다. OPF를 풀기위한 기법으로 크게 수학적 기법과 진화연산기법으로 나눌 수 있다. 본 논문에서는 종래의 수학적 기법과 새로운 진화연산 기법을 이용한 최적조류계산을 비교 연구 하였다. 수학적 기법으로 Newton법을 사용하였고, 진화 연산기법으로 PSO 알고리즘을 사용하였다. Newton method는 2차 미분정보를 가지고 있기 때문에 수렴하는데 어려움이 없고, 또 부등호 제약도 쉽게 다룰 수 있다. PSO 알고리즘은 여러 점에서 탐색이 시작되고, PSO 탐색공간에서 전역해와 국부해 사이를 균형 있게 탐색함으로써 국부해에 조기 수렴하는 것을 극복 할 수 있다. 즉 기존 휴리스틱 방법과 다르게, 탐색 공간 어디서 출발해도, 각 개체간의 정보 공유로 인해, 전역 최적해에 수렴할 수 있다. 추가적으로 PSO 알고리즘에서 intertia weight에 대한 연구를 심화 함으로서[10], 종래의 PSO방법보다 수렴성을 향상 시켰다. 본 논문에서 제시한 알고리즘을 비교 연구하기 위해 5모선계통의 최적조류계산 문제에 각각 적용하였고, 수렴성에서는 Newton method가 성능이 우수하고, 전역 최적해를 탐색하는데 있어서는 제안한 PSO 알고리즘이 더 좋은 성능을 보임을 확인하였다. 따라서 본 논문에서 모의한 계통보다 보다 대규모의 계통에서 본 논문이 제안한 알고리즘을 검증한다면 실계통의 실시간 제어 및 최적 운용에 크게 기여할 것 보인다
Electric power systems have experienced continuous growth. The increase in load size and operational complexity brought about by widespread interconnection of transmission systems. It became necessary for many electrical utilities to operate their systems closer to the system operating capacity. And...
Electric power systems have experienced continuous growth. The increase in load size and operational complexity brought about by widespread interconnection of transmission systems. It became necessary for many electrical utilities to operate their systems closer to the system operating capacity. And new concepts based on economic consideration were adopted. Optimal Power Flow solution methods have been developed over the years to meet this practical requirement of power system operation. Several methods have been employed to solve this problem. This paper researches two ways of solving Optimal Power Flow Problem. One is mathmatical method based on gradient , and the other is heuristic method. Optimal Power Flow solution by the Newton's method provides a reliable and robust method to classical OPF problems. Since Newton's method has the second derivative information bulit into it, it does not have great difficulty in converging and it can handle the inequality constraints as well. To solve OPF problem, many heuristic optimization methods have been developed, such as Genetic Algorithm(GA), Evolutionary Programming(EP), Evolution Strategies(ES), and Particle Swarm Optimization(PSO). Especially, PSO algorithm is a newly proposed population based heuristic optimization algorithm which was inspired by the social behaviors of animals. This paper compares Newton method and PSO algorithm for solving OPF. These method tested on the 5-bus system. The results showed that Newton's method has very fast convergence. And, compared with Newton's method, PSO has comparable or even superior search performance for OPF problems.
Electric power systems have experienced continuous growth. The increase in load size and operational complexity brought about by widespread interconnection of transmission systems. It became necessary for many electrical utilities to operate their systems closer to the system operating capacity. And new concepts based on economic consideration were adopted. Optimal Power Flow solution methods have been developed over the years to meet this practical requirement of power system operation. Several methods have been employed to solve this problem. This paper researches two ways of solving Optimal Power Flow Problem. One is mathmatical method based on gradient , and the other is heuristic method. Optimal Power Flow solution by the Newton's method provides a reliable and robust method to classical OPF problems. Since Newton's method has the second derivative information bulit into it, it does not have great difficulty in converging and it can handle the inequality constraints as well. To solve OPF problem, many heuristic optimization methods have been developed, such as Genetic Algorithm(GA), Evolutionary Programming(EP), Evolution Strategies(ES), and Particle Swarm Optimization(PSO). Especially, PSO algorithm is a newly proposed population based heuristic optimization algorithm which was inspired by the social behaviors of animals. This paper compares Newton method and PSO algorithm for solving OPF. These method tested on the 5-bus system. The results showed that Newton's method has very fast convergence. And, compared with Newton's method, PSO has comparable or even superior search performance for OPF problems.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.