(33 امتیاز از 7 رای)
Loading...
الگوریتم گرگ خاکستری افزوده (AGWO) در MATLAB
در این بخش پروژه استفاده از الگوریتم گرگ خاکستری افزوده (AGWO) برای سیستم های تبدیل انرژی بادی مبتنی بر ژنراتور سنکرون مغناطیس دائم (PMSG) متصل به شبکه را با نرم افزار MATLAB آماده کردیم که بر اساس مقاله Augmented Grey Wolf Optimizer for Grid-connected PMSG-based Wind Energy Conversion Systems انجام شده است. در ادامه به معرفی الگوریتم گرگ خاکستری بهینه شده (AGWO) پرداخته و فیلم و تصاویر خروجی پروژه در محیط متلب به همراه لینک دانلود رایگان مقاله مرجع قرار داده شده است.
الگوریتم بهینه سازی گرگ خاکستری (GWO)
الگوریتم بهینه سازی گرگ خاکستری (Grey Wolf Optimizer – GWO) یک الگوريتم فرا ابتكاری می باشد كه از ساختار سلسله مراتبی و رفتار اجتماعی گرگ ها در زمان شكار الهام گرفته است. الگوريتم GWO مبتنی بر جمعيت بوده و فرايند تنظيمات ساده ای دارد و به سادگی قابليت تعميم به مسائل با ابعاد بزرگ را دارد.
معرفی مقاله
در این مقاله یک بهبود بر روی الگوریتم GWO برای بهینه سازی عملکرد شکار پیشنهاد شده که با عنوان الگوریتم گرگ خاکستری افزوده (Augmented Grey Wolf Optimizer – AGWO) نام گذاری شده است. الگوریتم AGWO بر افزایش احتمال فرآیند اکتشاف در فرآیند بهره برداری با تغییر رفتار پارامتر کنترل (a) و به روز رسانی موقعیت مکانی تمرکز دارد. الگوریتم گرگ خاکستری افزوده (AGWO) برای تعداد کم عوامل جستجو مانند برنامه کاربردی سیستم برق مناسب است. الگوریتم پیشنهادی AGWO با استفاده از توابع آزمون معیار مورد تایید قرار می گیرد و برای ژنراتور سنکرون مغناطیس دائم (PMSG) که توسط توربین بادی سرعت متغیر (SWT) اجرا می شود، اعمال می گردد.
نتایج شبیه سازی
در نتایج به دست آمده از شبیه سازی با نرم افزار MATLAB ، الگوریتم گرگ خاکستری افزوده (AGWO) با نتایج الگوریتم گرگ خاکستری اصلی (GWO) و الگوریتم ازدحام ذرات بهینه (PSO) مقایسه می شود. مقایسه انجام شده ثابت می کند که روش پشنهادی (الگوریتم AGWO) به طور قابل توجه، عملکرد الگوریتم GWO اصلی و الگوریتم PSO را بهبود بخشیده است.
تصاویری از خروجی
هیچ نظری ثبت نشده است