FISH BONE DIAGRAM OF
OPTIMAL DYNAMIC ECONOMIC DISPATCH OF GENERATION
PSO-SQP Emission Constrains [29] Security Constrains Load DemandHopfield Neural Network
EP-PSO-SQP [19]
Gradient Projection Evolutionarry
Ramp Rate Limits
Spining Reserve [27] SOURCE Genarator Dynamic Economic Dispatch HNN-QP EP-SQP PSO [13] Genetic Algorithm Simulated Differential Evolution HYBRID SOLUTIO SOLUTIONAI MATHEMATI CAL CONSTRAIN TS FORMULAT ION OPTIMAL ECONOMIC DISPATCH OF GENERATION METHOD COAL [30] HYDRO [31]
RENEWABLE Optimal Control
Dynamic Dispatch Formulation [20-22] Lambda Iterative Linear Programming Non Linear Programming [6] Quadratic Dynamic
1. PENDAHULUAN
Sejak 1980-an masalah ODD telah dirumuskan sebagai minimalisasi suatu masalah dari total biaya selama periode dispatch di bawah beberapa constrains dan telah dikenal sebagai dynamic economic dispatch (DED). Masalah DED biasanya diselesaikan dengan diskritisasi dari semua periode dispatch ke nomor interval waktu yang lebih kecil, di mana permintaan beban diasumsikan akan konstan dan sistem dianggap berada dalam keadaaan steady state. Setiap interval waktu SED diselesaikan dengan constrain static dan ramprate constrain diantara interval berturut-turut [12]. Dalam masalah DED optimasi adalah dilakukan sehubungan dengan kekuatan dispatchable unit. Beberapa peneliti telah mempertimbangkan ramprate constrains untuk memecahkan SED dari interval yang satu ke interval lain dan melaksanakan ramprate constrains dari satu interval ke interval yang berikutnya.
Langkah pertama dalam perumusan ODD adalah untuk memilih object function yang tepat . pertimbangan dalam menentukan objective function adalah sebagai berikut : ( 1 ) minimalisasi total biaya ( biaya bahan bakar , biaya ramping ,dll ) ; ( 2 ) minimalisasi emisi ( gas yang emisi seperti SO2 , NOx , CO dan CO2 yang dihasilkan oleh thermal pembangkit listrik ) ; ( 3 ) maksimalisasi laba. Langkah kedua dalam masalah ODD adalah untuk menentukan constrain dalam menyelesaikan permasalahan ODD. Berikut adalah beberapa constrain yang dipertimbangkan dalam penyelesaian ODD : permintaan beban seimbang, ramprate, kapasitas pembangkit , spinning reserve , security constrain , emisi constrain , dll. Langkah ketiga dalam permasalahan ODD adalah memilih metode yang cocok dengan penyelesaian optimal yang waktu komputasi nya dapat diterima. Pilihan metode optimasi tergantung pada banyak faktor , seperti tipe dari objective function ( nonlinear /linear , smooth/ nonsmooth , convex / nonconvex , dll ) serta kendala . Untuk fungsi biaya smooth dan convex,permasalahn ODD dapat diselesaikan dengan menggunakan matematika pemrograman berbasis teknik optimasi berbasis pemograman matematik. Dalam beberapa penyelesaian ODD sebagian teknik optimasi matematika tidak cocok untuk pemecahan masalah ODD . Metode baru telah difokuskan pada kecerdasan buatan ( AI ). Banyak teknik AI telah terbukti efektif dalam memecahkan masalah DED tanpa atau beberapa pembatasan pada bentuk kurva fungsi biaya serta sebagai constrains.
2. MATHEMATICAL SOLUTION
Masalah optimasi dapat diselesaikan dengan beberapa pendekatan tergantung pada bentuk objek function nya, beberapa Pendekatan didasarkan pada mengubah permasalahan constrain ke permasalahan parameter yang tidak dibatasi dengan menggunakan fungsi biaya penalti sebagai constrain . Menggunakan proses iterasi, penyelesaian terhadap unconstrain
terpusat terhadap satu constrain . Pendekatan lain seperti SQP dan interior point ( IP ) didasarkan pada solusi dari Karush - Kuhn – tuker ( KKT ) persamaan dengan membentuk fungsi Lagrange sebagai berikut;
Metode Langrange untuk optimasi dibatasi Masalah didasarkan pada menambahkan kendala rumit untuk fungsi tujuan setelah mengalikannya dengan Lagrange .Asumsikan bahwa ada beberapa kendala ketimpangan yang membuat masalah relatif mudah untuk memecahkan jika dihapus , maka masalah( 17 ) dapat ditulis ulang dengan memisahkan kendala ketimpangan sebagai berikut :
Paper Refrensi
[1] X. Xia∗, A.M. Elaiw, Optimal dynamic economic dispatch of generation: A review. Electric Power Systems Research 80 (2010) 975–986.
[2] B.H. Chowdhury, S. Rahman, A review of recent advances in economic dispatch, IEEE Trans. Power Syst. 5 (4) (1990) 1248–1259.
[3] J. P. Zhan, Q. H. Wu, C.X.Guo, X. X. Zhou, First Lambda Iteration Method for Economic Dispatch With Prohibited Operating Zones, IEEE TRANSACTIONS ON POWER SYSTEMS, VOL. 29, NO. 2, MARCH 2014.
[4] G.P. Granelli, P. Marannino, M. Montagna, A. Silvestri, Fast and efficient gradient projection algorithm for dynamic generation dispatching, IEE Proc. Gener.Transm. Distrib. 136 (5) (1989) 295–302
[5] C.B. Somuah, N. Khunaizi, Application of linear programming redispatch technique to dynamic generation allocation, IEEE Trans. Power Syst. 5 (1) (1990) 20–26.
[6] S.P. Han, A Globally Convergent Method for Nonlinear Programming, Report No. 75-257, Department of Computer Science, Cornell University, 1975.
[7] F. Benhamida(1), I. Ziane, S. Souag, A. Graa, B. Dehiba. Solving Dynamic Economic Load
Dispatch With Ramp Rate Limit Using Quadratic Programming. 978-1-4799-1255-1/13/$31.00 ©2013 IEEE.
[8] D.L. Travers, R.J. Kaye, Dynamic dispatch by constructive dynamic programming, IEEE Trans. Power Syst. 13 (1) (1998) 72–78.
[9] M. Basu, Dynamic economic emission dispatch using nondominted sorting genetic algprthim-II, Elect. Power Energy Syst. 30 (2008) 140–149.
[10] W. Ongsakul, N. Ruangpayoongsak, Constrained dynamic economic dispatch by simulated annealing/genetic algorithms, pp. 207–212, in: Proc. 22nd Power Ind. Comput. Appl. (PICA),
[11] M. Basu, Dynamic economic emission dispatch using evolutionary programming and fuzzy satisfied method, Int. J. Emerging Elect. Power Syst. 8 (4) (2007) 1–15.
[12] B. Balamurugan, R. Subramanian, An improved differential evolution based dynamic economic dispatch with nonsmooth fuel cost function, J. Electr. Syst. 3 (3) (2007) 151–161. [13] M. Basu, Particle swarm optimization based goal-attainment method for dynamic economic emission dispatch, Elect. Power Components Syst. 34 (2006) 1015–1025.
[14] Y. Fukuyama, Y. Ueki, An application on neural network to dynamic dispatch using multi processors, IEEE Trans. Power Syst. 8 (4) (1994) 1299–1307
[15] D. Attaviriyanupap, H. Kita, E. Tanaka, J. Hasegawa, A hybrid EP and SQP for dynamic economic dispatch with nonsmooth incremental fuel cost function, IEEE Trans. Power Syst. 17 (2) (2002) 411–416.
[16] T.A.A. Victoire, A.E. Jeyakumar, Deterministically guided PSO for dynamic dispatch considering valve-point effect, Electr. Power Syst. Res. 73 (3) (2005) 313–322.
[17] T.A.A. Victoire, A.E. Jeyakumar, Reserve constrained dynamic dispatch of units with valve-point effects, IEEE Trans. Power Syst. 20 (3) (2005) 1273–1282.
[18] A.Y. Abdelaziz, M.Z. Kamh, S.F. Mekhamer, M.A.L. Badr, A hybrid HNN-QP approach for dynamic economic dispatch problem, Elect. Power Syst. Res. 78 (10) (2008) 1784–1788.
[19] S. Titus, A.E. Jeyakumar, A hybrid EP-PSO-SQP algorithm for dynamic dispatch considering prohibited operating zones, Elect. Power Components Syst. 36 (2008) 449–467. [20] T.E. Bechert, H.G. Kwatny, On the optimal dynamic dispatch of real power, IEEE Trans. Power Apparatus Syst. PAS-91 (1972) 889–898.
[21] H.G. Kwatny, T.E. Bechert, On the structure of optimal area controls in electric power networks, IEEE Trans. Autom. Control 18 (1973) 172–176.
[22] D.W. Ross, S. Kim, Dynamic economic dispatch of generation, IEEE Trans. Power Apparatus Syst. PAS-99 (6) (1980) 2060–2068.
[23] A.J. Wood, B.F. Wollenberg, Power Generation, Operation, and Control, 2nd ed, Wiley, New
York, 1996.
[24] H. Isoda, On-line load dispatching method considering load variation characteristics and response capabilities of thermal units, IEEE Trans. Power Apparatus Syst. PAS-101 (8) (1982) 2925–2930.
[25] G. Irisarri, L.M. Kimball, K.A. Clements, A. Bagchi, P.W. Davis, Economic dispatch with network and ramping constraints via interior point methods, IEEE Trans. Power Syst. 13 (1) (1998) 236–242.
[26] S. Pothiya, I. Ngamroo, W. Kongprawechnon, Application of multiple tabu search algorithm to solve dynamic economic dispatch considering generator constraints, Energy Convers. Manage. 49 (2008) 509–516.
[27] W.G. Wood, Spinning reserve constraints static and dynamic economic dispatch, IEEE Trans. Power Apparatus Syst. PAS-101 (2) (1982) 338–1338.
[28] H. Yamin, S. Al-Agtash, M. Shahidehpour, Security-constrained optimal generation scheduling for GENCOs, IEEE Trans. Power Syst. 19 (3) (2004) 1365–1372.
[29] G.P. Granelli, M. Montagna, G.L. Pasini, P. Marannio, Emission constrained dynamic dispatch, Elect. Power Syst. Res. 24 (1992) 56–64.
[30] T. Kumano. A Functional Optimization Based Dynamic Economic Load Dispatch Considering Ramping Rate of Thermal Units Output. 978-1-61284-788-7/11/$26.00 ©2011 IEEE.
[31] Jizhong Zhu, Xiaofu Xiong, Kwok Cheung. An Approach of Economic Dispatch in the Practical Hydrothermal Power System. 978-1-4244-6255-1/11/$26.00 ©2011 IEEE. [32] Noel Augustine, Sindhu Suresh, Prajakta Moghe and Kashif Sheikh. Economic Dispatch for a Microgrid Considering Renewable Energy Cost Functions. 978-1-4577-2159-5/12/$31.00 ©2011 IEEE.
Sejak 1980-an masalah ODD telah dirumuskan sebagai minimalisasi suatu masalah dari total biaya selama periode pengiriman di bawah beberapa kendala dan telah dikenal sebagai dynamic economic dispatch (DED) masalah [3-5,11-65]. Masalah DED biasanya diselesaikan dengan diskritisasi dari periode pengiriman seluruh ke nomor interval waktu kecil, di mana permintaan beban diasumsikan akan konstan dan sistem dianggap berada dalam duniawi stabil negara. Atas setiap interval waktu masalah SED diselesaikan di bawah statis kendala dan kendala tingkat jalan ditegakkan antara interval berturut-turut [12]. Dalam masalah DED optimasi adalah dilakukan sehubungan dengan kekuatan dispatchable unit. Beberapa peneliti telah mempertimbangkan kendala tingkat jalan dengan memecahkan SED masalah interval dengan interval dan menegakkan kendala tingkat jalan dari satu interval ke yang berikutnya. Namun, pendekatan ini dapat menyebabkan solusi suboptimal [13]; apalagi, tidak memiliki melihat-depan kemampuan
