초록 ▼

최적화 문제의 해법으로서, 진화연산은 자연선택과 유전학의 원리에 근거하여 전역적인 최적해를 탐색할 수 있는 탐색 기법이나, 최적해를 얻는데 있어서 탐색후반부에 수렴속도가 늦어지는 단점을 갖고 있다. 또한 최근의 활발한 연구결과를 나타내고 있는 신경회로망 역시 최적해 해법으로 적응시에 최적해를 보다 빠르고 정확하게 얻을 수는 있으나 국부적인 해에 빠져서 전역적인 해를 탐색 할 수 없다는 단점이 있다.
본 연구에서는 환경적인 영향이 고려된 전력계통의 최적운용을 위하여 진화연산과 신경망 이론을 결합한 하이브리드 알고리즘을 사용하여

최적화 문제의 해법으로서, 진화연산은 자연선택과 유전학의 원리에 근거하여 전역적인 최적해를 탐색할 수 있는 탐색 기법이나, 최적해를 얻는데 있어서 탐색후반부에 수렴속도가 늦어지는 단점을 갖고 있다. 또한 최근의 활발한 연구결과를 나타내고 있는 신경회로망 역시 최적해 해법으로 적응시에 최적해를 보다 빠르고 정확하게 얻을 수는 있으나 국부적인 해에 빠져서 전역적인 해를 탐색 할 수 없다는 단점이 있다.
본 연구에서는 환경적인 영향이 고려된 전력계통의 최적운용을 위하여 진화연산과 신경망 이론을 결합한 하이브리드 알고리즘을 사용하여 문제를 해결하였다. 하이브리드 알고리즘은 2단계 탐색방법을 사용하여 1단계에서 최적환경 및 경제운용의 전역적인 해를 진화기법(Evolutionary Strategy :ES)을 사용하여 최적해의 근방까지 빠르게 탐색한 후에, 2단계에서 Two-Phase 신경망 (Two-Phase Neural Network :TPNN)을 적용하여 수치적인 해법과 같은 정확한 해를 얻을 수 있다. TPNN은 기존 신경망의 단점들을 해결하기 위해 페널티함수를 변형하여 제안되었으며 최적해 탐색에 있어서 신경망의 내부구조를 변경하여 모든 제약식을 만족하는 해를 얻는 신경회로망이다.

Abstract ▼

As the method of optimization problem, the evolutionary computation is to search for the global optimum based on natural selection and genetics but it shows a defect of reducing the convergence rate in the latter part of search, and often does not search the exact solution. Also, Neural Network theo

As the method of optimization problem, the evolutionary computation is to search for the global optimum based on natural selection and genetics but it shows a defect of reducing the convergence rate in the latter part of search, and often does not search the exact solution. Also, Neural Network theory as a local search technique can be used to search a more exact solution. But It also has the defect that a solution frequently sticks to the local region. So, new algorithm is presented as hybrid methods by combining merits of two methods.
This research presents the solution using hybrid algorithm, Which combines evolutionary computation and neural network for the optimal operation of power systems concerning the environmental effects. The hybrid algorithm uses two-slage search method. In the first stage, it searches solution of optimal environmental and economic dispatch problem rapidly to the near optimal value using evolutionary strategy (ES). Then it gets an exact solution like that of a numerical one in the second stage, applying Two-Phase neural network (TPNN). TPNN is proposed to solve the existing defects of networks modifying penalty function. Moreover as a neural network, it gets the solution, which satisfies all the constrained function restructuring the internal network in searching for the optimal solution.

목차 Contents

• 표지...1
• 제출문...2
• 연구 계획서 요약문...3
• 연구결과요약문...4
• PROJECT SUMMARY...5
• 목차...6
• 1. 서론...7
• 1.1 연구배경...7
• 1.2 연구목적...8
• 1.3 연구범위...8
• 2. 연구방법 및 이론...10
• 2.1 EDD 문제...10
• 2.2 EDD 문제의 정식화...10
• 2.2.1 WEED 문제의 정식화...11
• 2.2.2 ECED 문제의 정식화...15
• 2.3 EDD문제의 해법...17
• 2.3.1 진화기법(Evolutionary Strategy)...17
• 2.3.2 진화기법의 EDD문제 응용...20
• 2.3.3 홉필드 신경망(Hopfield neural networks)...22
• 2.3.4 홉필드 신경망의 EDD문제 응용...29
• 2.3.5 Two-Phase 신경망(Two-Phase neural networks)...34
• 2.3.6 Two-Phase 신경망의 EDD 문제 응용...37
• 2.6 하이브리드 알고리즘(Hybrid algorithms)...40
• 3. 사례연구 I...42
• 3.1 시험계통...42
• 3.2 진화기법 결과...43
• 3.3 Hopfield 신경망 결과...44
• 3.4 TPNN 계산결과...44
• 3.5 알고리즘 결과비교...46
• 4. 사례연구 II...47
• 4.1 ECED문제...47
• 4.2 WEED문제...52
• 5. 결론...58
• 6. 인용문헌...59
• 논문발표목록서...61
• 자체평가서...62