پروژه متلب بهبود بازدهی سوخت با استفاده از زمانبندی بهینه ژنراتورهای دیزلی با استفاده از PSO در سیستم پشتیبانی ساحلی با معماری سیستم قدرت DC
بهینه سازی بازدهی سوخت با استفاده از PSO جهت زمانبندی بهینه ژنراتورهای دیزلی در سیستم پشتیبانی ساحلی و معماری سیستم قدرت DC با متلب | MATLAB
چکیده:
این مقاله زمانبندی تولید بهینه برای کمینه کردن مصرف سوخت (پاسبانی مرزی)را در یک کشتی پشتیبانی از دور ساحلی با استفاده از معماری سیستم قدرت DC با استفاده از چهار دستگاه ژنراتور دیزلی مشابه (DG)ارائه می‌کند. پاسبانی مرزی برای (۱)به اشتراک گذاری بار برابر در بین DG ها در معماری AC، (۲)تقسیم بار برابر در بین DG ها در معماری DC و (۳)به اشتراک گذاری بار بهینه در بین DG ها در معماری DC با استفاده از بهینه‌سازی ازدحام ذرات (PSO)تحلیل می‌شود. به دلیل حضور غیر خطی در منحنی‌های خاص نیروهای مرزی (SFC)از موتورهای دیزلی، الگوریتم PSO مورد استفاده قرار می‌گیرد. رابطه SFC – بار به‌دست‌آمده از نقشه Brake SFC (BSFC)از موتورهای دیزلی با استفاده از interpolation Piecewise Cubic Hermite Polynomial (PCHIP)مشخص می‌شود. یک راه‌حل برای مشکل با مقایسه مصرف سالانه سوخت در سه مورد برای پروفیل بار کشتی هدف حاصل شده‌است. این روش می‌تواند برای هر کشتی مجهز به واحدهای تولیدی چندگانه که دارای معماری سیستم قدرت DC هستند، اعمال شود.
الگوریتم [۱]PSO یک الگوریتم جستجوی اجتماعی است که از روی رفتار اجتماعی دسته‌های پرندگان مدل شده است. در ابتدا این الگوریتم به منظور کشف الگوهای حاکم بر پرواز همزمان پرندگان و تغییر ناگهانی مسیر آنها و تغییر شکل بهینه‌ی دسته به کار گرفته شد . در PSO، ذرات[۲] در فضای جستجو جاری می‌شوند. تغییر مکان ذرات در فضای جستجو تحت تأثیر تجربه و دانش خودشان و همسایگانشان است. بنابراین موقعیت دیگر توده[۳] ذرات روی چگونگی جستجوی یک ذره اثر می‌گذارد . نتیجه‌ی مدل‌سازی این رفتار اجتماعی فرایند جستجویی است که ذرات به سمت نواحی موفق میل می‌کنند. ذرات از یکدیگر می‌آموزند و بر مبنای دانش بدست آمده به سمت بهترین همسایگان خود می‌روند اساس کار PSO بر این اصل استوار است که در هر لحظه هر ذره مکان خود را در فضای جستجو با توجه به بهترین مکانی که تاکنون در آن قرار گرفته است و بهترین مکانی که در کل همسایگی‌اش وجود دارد، تنظیم می‌کند.
[۱] -Particle Swarm Optimization
[۲] -Particle
[۳] -Swarm
Fuel efficiency improvement by optimal scheduling of diesel generators using PSO in offshore support vessel with DC power system architecture
Abstract:
This paper presents optimal generation scheduling for minimization of fuel consumption (FC) in a typical offshore support vessel with DC power system architecture employing four identical diesel generator (DG) sets. FC is analyzed for (i) equal load sharing among DGs in AC architecture, (ii) equal load sharing among DGs in DC architecture and (iii) optimal load sharing among DGs in DC architecture using Particle Swarm Optimization (PSO). Due to the presence of non-linearity in Specific FC (SFC) curves of the diesel engines, the PSO algorithm is used. The SFC-vs-load relationship obtained from Brake SFC (BSFC) map of the diesel engines is characterized using a Piecewise Cubic Hermite Interpolating Polynomial (PCHIP) interpolation. A solution to problem has been attained by comparing yearly fuel consumption in the three cases for the load profile of target vessel. This method can be applied to any vessel equipped with multiple generation units having DC power system architecture.
لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد