Adaptive Gaining-Sharing Knowledge Based Algorithm for Economic Dispatch Considering Valve-Point Effect and Multi Fuel Options

Abstract

Economic dispatch (ED) is a crucial component of every power system. Lambda-Iterative, Newton-Raphson, quadratic programming (QP), etc., are the conventional techniques for solving ED. However, non-quadratic functions cannot be solved by conventional methods, the input-output characteristics of a generator are significantly non-linear, which poses a challenging non-convex and non-smooth optimization problem which is non quadratic input functions for economic dispatch, In this study, the adaptive gain-sharing knowledge algorithm has been applied and implemented to function and solve the electrical dispatch for multi-systems and variation of unit numbers to solve power demand with the lowest possible cost of fuel and even emission, the AGSK optimization is updated from the original GSK (gaining and sharing knowledge) to solve the non-convex problem and be able to resolve it. The presented algorithm (AGSK) showed superior performance in terms of The total cost of power generated has been the lowest considering variables such as transmission losses, VPE, MFO, and system emission compared with the other four state-of-the-art algorithms.

Le Dispatching économique (ED) est une composante cruciale de tout système électrique. Lambda-Iterative, Newton-Raphson, la programmation quadratique (QP), etc., sont les techniques conventionnelles pour résoudre ED. Cependant, les fonctions non quadratiques ne peuvent pas être résolues par les méthodes conventionnelles, les caractéristiques d'entrée-sortie d'un générateur sont significativement non linéaires, ce qui pose un problème d'optimisation non convexe et non lisse qui sont des fonctions d'entrée non quadratiques pour la répartition économique. Dans cet mémoire, l'algorithme "adaptive gain-sharing knowledge"a été appliqué et mis en œuvre pour fonctionner et résoudre la répartition électrique pour les multi-systèmes et la variation des nombres d'unités pour résoudre la demande d'énergie avec le coût le plus bas possible du carburant et même des émissions, l'optimisation AGSK est mise à jour à partir du GSK original (gain et partage des connaissances) pour résoudre le problème non convexe et être en mesure de le résoud L'algorithme présenté (AGSK) a montré des performances supérieures en termes du. Le coût total de l'énergie générée a été une des variables les plus faibles en considération telles que les pertes de transmission, Effets de points de valves, Options Multi-Combustibles, et les émissions du système par rapport aux autres algorithmes.