Novel hybrid optimization methods for the solution of the economic dispatch of generation in power systems

Abstract

Η οικονομική κατανομή της παραγωγής στα συστήματα ηλεκτρικής ενέργειας είναι ένα από τα πιο σημαντικά προβλήματα βελτιστοποίησης, τόσο για τις εταιρείες παραγωγής οι οποίες ανταγωνίζονται στην ελεύθερη αγορά ηλεκτρικής ενέργειας, όσο και για τον διαχειριστή του συστήματος ο οποίος είναι υπεύθυνος για τη δίκαιη διαχείριση των συναλλαγών μεταξύ των παροχέων ηλεκτρικής ενέργειας και των καταναλωτών. Το κόστος καυσίμου παραμένει το πιο σημαντικό μέρος του μεταβλητού κόστους παραγωγής ηλεκτρικής ενέργειας και ανακλάται απευθείας στους λογαριασμούς ηλεκτρικής ενέργειας. Μικρές αλλαγές στη μοντελοποίηση της συνάρτησης κόστους μαζί με την υιοθέτηση της σωστής μεθοδολογίας επίλυσης του προβλήματος μπορούν να οδηγήσουν σε σημαντικές εξοικονομήσεις ανά έτος. Το πρόβλημα της οικονομικής κατανομής στοχεύει στον καταμερισμό της ζήτησης ηλεκτρικού φορτίου στις δεσμευμένες μονάδες παραγωγής, με τον πιο οικονομικό ή επικερδή τρόπο, ενώ ταυτόχρονα ικανοποιούνται όλοι οι φυσικοί περιορισμοί του συστήματος ηλεκτρικής ενέργειας. Συνήθως, το πρόβλημα της οικονομικής κατανομής είναι ένα άκρως μη-γραμμικό πρόβλημα βελτιστοποίησης, ενώ υπάρχει ένας σημαντικός αριθμός περιορισμών οι οποίοι πρέπει να ικανοποιούνται. Οι πιο πάνω παράγοντες καθιστούν το πρόβλημα της οικονομικής κατανομής ένα υπολογιστικά απαιτητικό πρόβλημα. Επιπλέον, αυτό το πρόβλημα απαιτείται να επιλύεται συνεχώς σε χρονικά διαστήματα που κυμαίνονται από δευτερόλεπτα μέχρι μισή ώρα, ανάλογα με τις πρακτικές κάθε εταιρείας και την αγορά ηλεκτρισμού στην οποία επιχειρεί. Αυτή η διατριβή προτείνει ένα καινοτόμο ευρεστικό-υβριδικό αλγόριθμο βελτιστοποίησης, ο οποίος είναι ιδιαίτερα κατάλληλος για συναρτήσεις ελτιστοποίησης οι οποίες είναι σύνθετες και μεγάλες σε διαστάσεις. Ο αλγόριθμος που προτείνεται ονομάζεται GAAPI και είναι υβριδοποίηση μεταξύ δυο τεχνικών βελτιστοποίησης: μιας ειδικής τάξης βελτιστοποίησης βασιζόμενη σε συμπεριφορές αποικιών μυρμηγκιών (API) και ενός γενετικού αλγορίθμου (GA). Ο καινοτόμος αλγόριθμος εκμεταλλεύεται την συμπεριφορά κατάβασης του API (η οποία είναι σημαντικό χαρακτηριστικό για οποιοδήποτε αλγόριθμο βελτιστοποίησης) και την καλή εξάπλωση στο χώρο λύσεων του γενετικού αλγόριθμου. Ο αλγόριθμος GAAPI βελτιώνει την ικανότητα εξερεύνησης των δυο συνιστώντων αλγορίθμων, ενώ διατηρεί την στιβαρότητα στη λύση και παρέχει ταχείς υπολογιστικές δυνατότητες. Ο GAAPI εξετάστηκε χρησιμοποιώντας είκοσι πρότυπες συναρτήσεις βελτιστοποίησης. Τα αποτελέσματα αναλύονται αναφορικά με την ποιότητα της λύσεως και την υπολογιστική απόδοση. Δεικνύεται ότι ο προτεινόμενος αλγόριθμος GAAPI είναι ικανός να επιτυγχάνει λύσεις υψηλής στιβαρότητας και ποιότητας εντός λογικού υπολογιστικού χρόνου, συγκρινόμενος με αριθμό αλγορίθμων που προτείνονται στη βιβλιογραφία. Ο προτεινόμενος αλγόριθμος εφαρμόζεται στο πρόβλημα της οικονομικής κατανομής στα συστήματα ηλεκτρικής ενέργειας. Χρησιμοποιούνται τέσσερα δοκιμαστικά συστήματα του Ινστιτούτου Ηλεκτρολόγων και Ηλεκτρονικών Μηχανικών (ΙΕΕΕ), τα οποία έχουν διαφορετικά μεγέθη και πολυπλοκότητες, για να επικυρωθεί η αποτελεσματικότητα και η εφαρμοσιμότητα του αλγορίθμου σε διάφορες διατυπώσεις. Λόγω των ταχέων υπολογιστικών του δυνατοτήτων, ο προτεινόμενος αλγόριθμος οραματίζεται να χρησιμοποιηθεί ως ένα εργαλείο λειτουργίας τόσο για τις εταιρείες παραγωγής όσο και για τους διαχειριστές του συστήματος μεταφοράς. Τα κύρια πλεονεκτήματα του προτεινόμενου εργαλείου βελτιστοποίησης είναι η ευελιξία στην προσθήκη περαιτέρω περιορισμών με ελάχιστες τροποποιήσεις στην προσέγγιση, ο μειωμένος υπολογιστικός χρόνος και η στιβαρότητα της λύσης. Αυτή η διατριβή εξετάζει επίσης αριθμό τεχνικών και οικονομικών προκλήσεων τις οποίες μπορεί να αντιμετωπίσει ένα σύστημα ηλεκτρικής ενέργειας όταν υπάρχει σημαντική διείσδυση μεταβλητών, μερικώς προβλεπτών πηγών παραγωγής. Συγκεκριμένα, αυτή η εργασία συμπεριλαμβάνει μια μελέτη για τις προκλήσεις κατανομής σε απομονωμένα συστήματα με υψηλή διείσδυση ανανεώσιμων πηγών ενέργειας, όπως η αιολική. (...)

The economic dispatch of generation in power systems is one of the most important optimization problems for both the generating companies competing in a free electricity market and the systems operator in charge with a fair handling of transactions between electricity suppliers and their customers. The fuel cost component is still the major part of the variable cost of electricity generation, directly reflected in the electricity bills. Fine tuning in modelling the cost function, together with the right solution adopted to solve the problem, may lead to significant savings per year in large power system networks. Economic dispatch aims at allocating the electricity load demand to the committed generating units in the most economic or profitable way, while continuously respecting the physical constraints of the power system. Typically, the economic dispatch problem is a highly non-linear optimization problem and there are a significant number of constraints that need to be respected, thus making economic dispatch a computationally intensive task. This problem needs to be solved continuously at time intervals ranging from minutes to half an hour, depending on the utility practice and the electricity market it operates in. This dissertation proposes a novel heuristic-hybrid optimization method/algorithm particularly suited to large dimensional, complex optimization functions. The algorithm proposed is called GAAPI and is an hybridization between two optimization techniques: a special class of ant colony optimization for continuous domains entitled API and a genetic algorithm (GA). The algorithm adopts the downhill behavior of API (a key characteristic of optimization algorithms) and the good spreading in the solution space of the genetic algorithm. GAAPI improves the overall search capability of the two constituent algorithms, while maintaining robustness in the solution and fast computational capabilities. GAAPI is tested using twenty benchmark optimization functions. The results are analyzed in terms of both the quality of the solution and the computational efficiency; it is shown that the proposed GAAPI algorithm is capable of obtaining highly robust, quality solutions in a reasonable computational time, compared to a number of similar algorithms proposed in the literature. The proposed algorithm is applied to the problem of the economic dispatch in power systems. Four IEEE test power systems having different sizes and complexities are used to validate the effectiveness and applicability of the algorithm for solving the economic dispatch problem in its different formulations. Due to the fast computational capabilities of the proposed algorithm, it is envisioned that it becomes an operations tool for both the generation companies and the TSO/ISO. The main advantages of the optimization tool proposed are its flexibility in adding more constraints with minimum transformations in the approach, its reduced computational time, and the robustness of the solution. This dissertation also investigates a number of technical and economic challenges a power system may encounter when variable, partially predictable generation resources share a significant amount in the load covering. In specific, this work includes a study for the dispatch challenges in isolated power systems with a high share of renewable generation, such as wind. (...)