南開科技大學圖書館 |

Language: 繁體中文

說明(常見問題)

南開科技大學

圖書館首頁

編目中圖書申請

登入

回首頁

切換: 標籤 | MARC模式 | ISBD

應用量子粒子群優法於多種燃料供應選擇之最佳經濟調度

江昭龍

應用量子粒子群優法於多種燃料供應選擇之最佳經濟調度

紀錄類型:	書目-語言資料,印刷品 : 單行本
作者:	簡泓洋,
其他作者:	江昭龍,
出版地:	[南投縣]
出版者:	南開科技大學電子工程研究所;
出版年:	民108[2019]
面頁冊數:	172面 : 圖,表 ; 31公分+1張光碟
標題:	發電成本
標題:	Generation cost
電子資源:	https://hdl.handle.net/11296/vsm7a2
電子資源:	https://hdl.handle.net/11296/qxf74r
附註:	指導教授: 江昭龍
附註:	參考書目: 面49-52
摘要註:	本文提出應用量子粒子群優法(Quantum Particle Swarm Optimization, QPSO)，對於求解具多重燃料選擇（Multiple fuel options, MFO）之電力機組運轉尋求最佳經濟調度(Economic Dispatch, ED)研究，藉由此方法滿足電力負載需求與傳輸損耗，求得最佳之經濟調度。本文將以量子粒子群優法(QPSO)模擬國外學者經常引用的某10台發電機組系統，作出四個(負載需求為2400/2500/2600/2700MW)例題，並針對考慮系統傳輸損耗及不考慮傳輸損耗，分別求其最佳經濟調度解答。「粒子群優演算法」(Particle swarm optimization, PSO)是一種仿效生物群體的群體智慧(swarm intelligence, SI)型求解法，其概念源自於鳥類與魚群體捕食行動的行為。在最佳化處理表現上，每個粒子代表一組求解，初始由系統給予隨機的起始位置，在以進化的方式取得全域最佳解。PSO根據自己的速度來決定搜尋方向，整個搜尋的過程是隨著目前的最佳解來改變，相較其他演算法，PSO 確實具備了較少參數設定、搜尋速度快、容易快速收斂…等優點。然而此種搜尋機制在實際操作上，可能有過早收斂、容易受限求解範圍不夠廣泛，進而陷入局部最佳值之問題。「量子粒子群優演算法」(QPSO)是以「粒子群優演算法」(PSO)為基礎，在多代理解及記憶分享特性下，加入了量子機制設計，相較於PSO，量子行為特性的QPSO收斂速度更快，搜尋全域最優能力更強，演算法需要的控制參數更少；QPSO運用量子行為取代傳統PSO局部搜索精度不高的問題，進而改善了其缺點，此演算法結合量子理論與粒子群理論的優點，是適合解決組合及最佳化的演算法；因此我們提出了以QPSO 演算法來尋求更理想之解答。最後，將進行本文QPSO與過去參考文獻的結果比較，驗證相較於其他演算法，應用QPSO模擬找到數值最佳解，其成果對於應用電力機組運轉(Power unit commitment, PUM)於多重燃料選擇（Multiple fuel options, MFO）的經濟調度上，確實具有更優質的解答與實用性。

應用量子粒子群優法於多種燃料供應選擇之最佳經濟調度
簡, 泓洋

應用量子粒子群優法於多種燃料供應選擇之最佳經濟調度 / 簡泓洋 - [南投縣] : 南開科技大學電子工程研究所, 民108[2019]. - 172面 ; 圖,表 ; 31公分.
指導教授: 江昭龍參考書目: 面49-52.
發電成本Generation cost

江, 昭龍

應用量子粒子群優法於多種燃料供應選擇之最佳經濟調度
LDR:05879pam0 2200301 450 001 1000097566
005 20230724142302.0
009 00153665
010 0 $b 精裝
099 $a 107nkut0446003
100 $a 20190917y2019 k y0chia0101 e
101 0 $a chi
102 $a tw
105 $a ak am 000yy
200 1 $a 應用量子粒子群優法於多種燃料供應選擇之最佳經濟調度 $f 簡泓洋
210 $a [南投縣] $c 南開科技大學電子工程研究所 $d 民108[2019]
215 0 $a 172面 $c 圖,表 $d 31公分 $e 1張光碟
300 $a 指導教授: 江昭龍
300 $a 參考書目: 面49-52
328 $a 碩士論文--南開科技大學電子工程研究所
330 $a 本文提出應用量子粒子群優法(Quantum Particle Swarm Optimization, QPSO)，對於求解具多重燃料選擇（Multiple fuel options, MFO）之電力機組運轉尋求最佳經濟調度(Economic Dispatch, ED)研究，藉由此方法滿足電力負載需求與傳輸損耗，求得最佳之經濟調度。本文將以量子粒子群優法(QPSO)模擬國外學者經常引用的某10台發電機組系統，作出四個(負載需求為2400/2500/2600/2700MW)例題，並針對考慮系統傳輸損耗及不考慮傳輸損耗，分別求其最佳經濟調度解答。「粒子群優演算法」(Particle swarm optimization, PSO)是一種仿效生物群體的群體智慧(swarm intelligence, SI)型求解法，其概念源自於鳥類與魚群體捕食行動的行為。在最佳化處理表現上，每個粒子代表一組求解，初始由系統給予隨機的起始位置，在以進化的方式取得全域最佳解。PSO根據自己的速度來決定搜尋方向，整個搜尋的過程是隨著目前的最佳解來改變，相較其他演算法，PSO 確實具備了較少參數設定、搜尋速度快、容易快速收斂…等優點。然而此種搜尋機制在實際操作上，可能有過早收斂、容易受限求解範圍不夠廣泛，進而陷入局部最佳值之問題。「量子粒子群優演算法」(QPSO)是以「粒子群優演算法」(PSO)為基礎，在多代理解及記憶分享特性下，加入了量子機制設計，相較於PSO，量子行為特性的QPSO收斂速度更快，搜尋全域最優能力更強，演算法需要的控制參數更少；QPSO運用量子行為取代傳統PSO局部搜索精度不高的問題，進而改善了其缺點，此演算法結合量子理論與粒子群理論的優點，是適合解決組合及最佳化的演算法；因此我們提出了以QPSO 演算法來尋求更理想之解答。最後，將進行本文QPSO與過去參考文獻的結果比較，驗證相較於其他演算法，應用QPSO模擬找到數值最佳解，其成果對於應用電力機組運轉(Power unit commitment, PUM)於多重燃料選擇（Multiple fuel options, MFO）的經濟調度上，確實具有更優質的解答與實用性。 $u This paper proposes the application of Quantum Particle Swarm Optimization (QPSO) to the research of finding out the best Economic Dispatch (ED) for power unit operation with multiple fuel options (MFO), which can meet the power load requirement and transmission loss and to find out the best economic dispatch. This paper will use the Quantum Particles Group Optimization (QPSO) to simulate 10 generator system that frequently cited by foreign scholars to generate four (load requirement is 2400/2500/2600/2700MW) examples, and to find out the best ED solution by the considering the system transmission loss and not considering the transmission loss. Particle swarm optimization (PSO) is a swarm intelligence (SI) type of solution that imitates biological groups. Its concept is derived from the behavior of predation by birds and fish. In the optimizing performance, each particle represents a set of solution, initially a random starting position given by the system, and the best solution of whole domain will be obtained in a way of evolution. PSO determines the search direction according to its own speed. In comparison to the other algorithm, PSO does have some strong point, such as fewer parameter setting, faster search speed, and quick convergence, etc. In practice, however, such a search mechanism may cause convergence too early, and limit the solution range, and then fall into the local optimum problem eventually. The Quantum Particle Swarm Optimization Algorithm (QPSO) is based on the Particle Swarm Optimization Algorithm (PSO) to add the quantum mechanism design that under the characteristics of multi-generation understanding and memory sharing. Which compare to PSO, the QPSO with quantum behavior characteristics has a faster converges, more powerful global domain search, and fewer control parameters for algorithm requirement. Also, QPSO using quantum behavior replaces the traditional low accuracy PSO local search, and which has improved the shortcomings. This algorithm that has the advantages of quantum theory and particle swarm theory is suitable for solving combinations and optimizations; therefore, we propose the QPSO algorithm to find a better solution. In the end, we will compare the simulation results with the previous references to prove that the optimal solution of the numerical solution is found by the particle swarm optimization method. The results are valid for the application of the multiple fuel options (MFO) of power system on the economic dispatch problems, does have its practical value.
510 1 $a Using quantum particle swarm optimization for multiple fuels options of power economic dispatch. $z eng
610 0 $a 發電成本 $a 多重燃料選擇 $a 量子粒子群優法 $a 經濟調度
610 1 $a Generation cost $a multiple fuels options $a particle swarm optimization $a economic dispatch
681 $a 000 $b 8833
700 1 $a 簡 $b 泓洋 $3 1000122039
702 1 $a 江 $b 昭龍 $3 68280
801 0 $a tw $b 國圖 $c 20130805 $g CCR
801 1 $a tw $b 國圖 $c 20130805 $g CCR
856 $u https://hdl.handle.net/11296/vsm7a2
856 $u https://hdl.handle.net/11296/qxf74r