MOST CITED
Update: 2021-07-01
Task „Implementation of procedures ensuring the originality of scientific papers published in the quarterly „Eksploatacja i Niezawodność – Maintenance and Reliability” financed under contract 532/P-DUN/2018 from the funds of the Minister of Science and Higher Education for science dissemination activities.
Mahmood-Reza HAGHIFAM
Nowe podejście do harmonogramowania czynności obsługowych systemów elektroenergetycznych wykorzystujące algorytm genetyczny oraz symulację Monte-Carlo
Celem pracy jest przedstawienie nowego, całościowego rozwiązania w zakresie harmonogramowania czynności obsługowych jednostek wytwórczych w warunkach deregulacji, przy założeniu rocznego niezależnego rynku. Rozwiązanie otrzymano poprzez wykorzystanie algorytmu genetycznego (GA) oraz symulacji Monte-Carlo (MCS). W warunkach deregulacji, każde przedsiębiorstwo wytwórcze (Generation Company, GENCO) dąży do optymalizacji zysków, podczas gdy niezależny operator systemowy (Independent System Operator, ISO) troszczy się o niezawodność. Na ogół, zderzenie tych dwóch punktów widzenia stwarza wiele problemów. Dlatego też proponujemy metodę harmonogramowania czynności obsługowych opartą na GA. Zgodnie z tą metodą, przedsiębiorstwa GENCO ustalają swoje strategie uczestnictwa w rocznym rynku usług serwisowych (Annual Maintenance Market, AMM) biorąc pod uwagę niepewności związane z obciążeniem, umowy paliwowe oraz zachowania innych przedsiębiorstw. Z drugiej strony, ISO zarządza AMM w oparciu o niezawodność i daje przedsiębiorstwom premie lub nakłada na nie kary bazując na własnej polityce poprzez MCS. Trafność i stosowalność zaproponowanej metody harmonogramowania czynności obsługowych jednostek wytwórczych oceniono analizując system testowy wyposażony w magistralę IEEE-118.
A new approach for maintenance scheduling of power systems, using a genetic algorithm and Monte-Carlo simulation
The aim of this study is to present a new comprehensive solution for maintenance scheduling of power generating units in deregulated environments by applying an annual independent market. The solution was obtained by using a Genetic Algorithm (GA) and a Monte-Carlo Simulation (MCS). In a deregulated environment, each Generation Company (GENCO) desires to optimize its payoffs, whereas an Independent System Operator (ISO) has its reliability solicitudes. In general, the two points of view create many problems. Therefore, we propose a method based on a GA for maintenance scheduling. In this method, GENCOs set their strategies to participate in an Annual Maintenance Market (AMM) by considering load uncertainties, fuel contracts and the behaviors of other companies. On the other hand, the ISO manages the AMM based on reliability and offers incentives/ penalties for companies relying on its policy through MCS. To evaluate the accuracy and applicability of our solution for maintenance scheduling of power generation units, an IEEE-118 bus test system was studied.