Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Parallel Collaborative Filtering Recommendation Model Based on Two-Phase Similarity Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Learning-Based Evolutionary Optimization for Optimal Power Flow

verfasst von : Qun Niu, Wenjun Peng, Letian Zhang

Erschienen in: Intelligent Computing Theories and Methodologies

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper proposes a learning-based evolutionary optimization (LBEO) for solving optimal power flow (OPF) problem. The LBEO is a simple and effective algorithm, which simplifies the structure of teaching-learning-based optimization (TLBO) and enhances the convergence speed. The performance of this method is implemented on IEEE 30-bus test system with the minimized fuel cost objective function, and the results show that LBEO is practicable for OPF problem compared with other methods in the literature.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Evolutionary Nonnegative Matrix Factorization for Data Compression
Nächstes Kapitel Blind Nonparametric Determined and Underdetermined Signal Extraction Algorithm for Dependent Source Mixtures
Literatur
1.
Dommel, H.W., Tinney, T.F.: Optimal power flow solutions. IEEE Trans. Power Appar. Syst. 87(5), 1866–1876 (1968)CrossRef
2.
Paranjothi, S.R., Anburaja, K.: Optimal power flow using refined genetic algorithm. Electric Power Compon. Syst. 30, 1055–1063 (2002)CrossRef
3.
Liang, R.H., Tsai, S.R., Chen, Y.T., Wan-Tsun, T.: Optimal power flow by a fuzzybased hybrid particle swarm optimization approach. Electr. Power Syst. Res. 81(7), 1466–1474 (2011)CrossRef
4.
Cai, H.R., Chung, C.Y., Wong, K.P.: Application of differential evolution algorithm for transient stability constrained optimal power flow. IEEE Trans. Power Syst. 23(2), 719–728 (2008)CrossRef
5.
Niu, Q., Zhang, H.Y., Li, K.: An improved TLBO with elite strategy for parameters identification of PEM fuel cell and solar cell models. Int. J. Hydrogen Energy 39(8), 3837–3854 (2014)CrossRef
6.
Frank, S., Steponavice, I., Rebennack, S.: Optimal power flow: a bibliographic survey I. formulations and deterministic methods. Energy Syst. 3(3), 221–258 (2012)CrossRef
7.
Rao, R.V., Savsani, V.J., Vakharia, D.P.: Teaching-learning-based optimization: a novel method for constrained mechanical design optimization problems. Comput. Aided Des. 43(3), 303–315 (2011)CrossRef
8.
Alsac, O., Stott, B.: Optimal load flow with steady-state security. IEEE Trans. Power Appar. Syst. PAS 93(3), 745–751 (1974)CrossRef
9.
Lee, K.Y., Park, Y.M., Ortiz, J.L.: A united approach to optimal real and reactive power dispatch. IEEE Trans. Power Appar. Syst. 104(5), 1147–1153 (1985)CrossRef
10.
Bouchekara, H.R.E.H., Abido, M.A., Boucherma, M.: Optimal power flow using teaching-learning-based optimization technique. Electr. Power Syst. Res. 114, 49–59 (2014)CrossRefMATH
11.
Bhattacharya, A., Chattopadhyay, P.K.: Application of biogeography-based optimisation to solve different optimal power flow problems. IET Gener. Transm. Distrib. 5, 70–80 (2011)CrossRef
12.
Abou El Ela, A.A., Abido, M.A., Spea, S.R.: Optimal power flow using differential evolution algorithm. Electr. Power Syst. Res. 80, 878–885 (2010)CrossRefMATH
13.
Ghasemi, M., Ghavidel, S., Gitizadeh, M., Akbari, E.: An improved teaching-learning-based optimization algorithm using LÉVy mutation strategy for non-smooth optimal power flow. Electr. Power Energy Syst. 65, 375–384 (2015)CrossRef
14.
Roa-Sepulveda, C.A., Pavez-Lazo, B.J.: A solution to the optimal power flow using simulated annealing. Electr. Power Energy Syst. 25, 47–57 (2003)CrossRef
15.
Reddy, S.S., Bijwe, P.R., Abhyankar, A.R.: Faster evolutionary algorithm based optimal power flow using incremental variables. Electr. Power Energy Syst. 54, 198–210 (2014)CrossRef
16.
Gitizadeh, M., Ghavidel, S., Aghaei, J.: Using SVC to economically improve transient stability in long transmission lines. IETE J. Res. 60, 319–327 (2014)CrossRef
17.
Vaisakh, K., Srinivas, L.R.: Evolving ant direction differential evolution for opf with non-smooth cost functions. Eng. Appl. Artif. Intell. 24, 426–436 (2011)CrossRef
18.
Abido, M.: Optimal Power Flow Using Particle Swarm Optimization. Int. J. Electr. Power Energy Syst. 24, 563–571 (2002)CrossRef
19.
Adaryani, M.R., Karami, A.: Artificial bee colony algorithm for solving multi-objective optimal power flow problem. Int. J. Electr. Power Energy Syst. 53, 219–230 (2013)CrossRef
20.
Selvakumar, A.I., Thanushkodi, K.: A new particle swarm optimization solution to nonconvex economic dispatch problems. IEEE Trans. Power Syst. 22, 42–51 (2007)CrossRef
21.
Hsiao, Y.-T., Chen, C.-H., Chien, C.-C.: Optimal capacitor placement in distribution systems using a combination fuzzy-GA method. Int. J. Electr. Power Energy Syst. 26, 501–508 (2004)CrossRef
22.
Sayah, S., Zehar, K.: Modified differential evolution algorithm for optimal power flow with non-smooth cost functions. Energy Convers. Manage. 49, 3036–3042 (2008)CrossRef
23.
Ongsakul, W., Tantimaporn, T.: Optimal powers flow by improved evolutionary programming. Electr. Power Comput. Syst. 34, 79–95 (2006)CrossRef
24.
Yuryevich, J., Wong, K.P.: Evolutionary programming based optimal power flow algorithm. IEEE Trans. Power Syst. 14(4), 1245–1250 (1999)CrossRef
Metadaten
Titel
Learning-Based Evolutionary Optimization for Optimal Power Flow
verfasst von
Qun Niu
Wenjun Peng
Letian Zhang
Copyright-Jahr
2015
Buch
Intelligent Computing Theories and Methodologies

Print ISBN: 978-3-319-22179-3

Electronic ISBN: 978-3-319-22180-9

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-22180-9_4