عنوان انگلیسی مقاله: Enhanced Bee Swarm Optimization Algorithm for Dynamic Economic Dispatch
عنوان فارسی مقاله: الگوریتم بهبود یافته‌ی بهینه سازی تجمع زنبور عسل برای حل مساله‌ی توزیع اقتصادی پویا. 
دسته:
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 20
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
این مقاله یک روش بهبود یافته‌ی بهینه سازی تجمع زنبور عسل را جهت حل مساله‌ی توزیع اقتصادی پویای واحدهای حرارتی پیشنهاد می‌دهد به نحوی که در آن اثرات نقطه ی دریچه ای ( valve-point effect)، محدودیت‌های نرخ شیب و تلفات انتقال توان در نظر گرفته می‌شوند. الگوریتم بهینه سازی تجمع زنبور عسل برخلاف اغلب الگوریتم‌های جمعیت محور، الگوهای حرکت متفاوتی را جهت جستجوی فضای محتمل پاسخ بکار می‌گیرد. این ویژگی توازن موثری را بین جستجو و بهره‌برداری بوجود می‌آورد. نسخه‌های تغییر داده شده‌ی متفاوتی برای الگوهای حرکتی در روش بهینه‌سازی تجمع زنبورهای عسل پیشنهاد شده‌اند که هدف آنها جستجوی موثرتر فضای محتمل بوده  است. کارایی روش با استفاده از سه سیستم تست با 30،10 و 60 واحد که به ترتیب دربردارنده‌ی 720،240 و 1440 متغیر  طراحی بوده اند ارزیابی شده است. مورد آخر را می‌توان به عنوان یک سیستم توان با مقیاس بزرگ در نظر گرفت. نتایج با دیگر کارهای انجام شده در این حوزه مقایسه شده‌اند و برتری روش پیشنهادی نتیجه گیری شده است.
واژگان کلیدی (شاخص) – توزیع اقتصادی پویا (DED)، بهینه‌سازی بهبود یافته تجمع زنبورهای عسل (EBSO)، محدودیت‌های نرخ شیب، اثرات نقطه دریچه ای
1.مقدمه:
توزیع اقتصادی پویا (DED) یکی از موارد مهم بهینه‌سازی در عملکرد سیستم‌های قدرت است و هدف آن این است که بار درخواستی پیش بینی شده را در یک دوره‌ی زمانی ویژه به‌گونه‌ای به مولدهای موجود اختصاص دهد که در عین حالی که بهترین شرایط اقتصادی محقق گردد، همزمان محدودیت‌های عملکردی و فیزیکی نیز  اقناع گردند. DED با در نظر گرفتن محدودیت‌های متفاوت برای مدلسازی دقیق‌تر، ویژگی‌های غیر محدبی را از خود نشان می‌دهد [2[,[1]. روش‌های متفاوتی در متون جهت پاسخ دادن مساله‌ی DED پیشنهاد شده‌اند. روش‌های مرسوم [4],[3] قادر به دادن پاسخ‌های بهینه نمی‌باشند که این مساله به دلیل ویژگی‌های غیر محدب و غیرخطی مساله‌ی DED می‌باشد. به علاوه این روشها از لحاظ محاسباتی پیچیده می‌باشند و ممکن است که در مینیمم‌های محلی گیر بیفتند. در طی چندین سال گذشته تحقیقات بر استفاده از روشهای اکتشافی (ابتکاری) جهت حل مساله‌ی DED متمرکز بوده است [5] .