(۴-۱۳)
بعنوان مثال شکل (۴-۴) نشان می دهد که شماره شین موردنظر مساوی ۵ میباشد.
شکل۴-۴: یک نمونه از قسمت اول رشته کروموزوم
۴-۷-۱-۲- قسمت دوم رشته کروموزوم
این قسمت نشاندهنده اندازه توان خروجی تولید پراکنده است در این پایان نامه توان مولد تولید پراکنده بصورت اکتیو و اندازه آن حداکثر ۵۰۰۰ کیلووات فرض میشود. بنابراین با تجزیه عدد ۱۰۶×۵ بصورت باینری، قسمت دوم کروموزوم بصورت نشان داده شده در شکل (۴-۵) تشکیل میشود.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))
شکل۴-۵: قسمت دوم رشته کروموزوم
همانطور که از شکل دیده میشود این قسمت از مجموع ۱۰ ژن و ۱۱۱ بیت تشکیل میشود. اندازهی توان مولد تولید پراکنده طبق رابطه (۴-۱۴) بدست میآید.
(۴-۱۴)
۴-۷-۱-۳- قسمت سوم رشته کروموزوم
این بخش نشاندهنده شینی است که بانک خازنی در آن نصب میشود نحوه نمایش آن همانند بخش اول است یعنی از سه ژن بهم پیوسته تشکیل شده که در مجموع ۷ بیت دوتایی را بوجود میآورند. نحوه محاسبه شماره شین از روی ارزش هر ژن، همانند رابطه (۴-۱۳) است.
۴-۷-۱-۴- قسمت چهارم رشته کروموزوم
در حالت واقعی اندازههای بانک خازنی بصورت استاندارد بوده و ضریبی از یک ظرفیت پایه است. در این پایان نامه، ظرفیت پایه مساوی ۱۵۰ کیلووار انتخاب شده است درنتیجه اندازه سایر ظرفیتهای قابل قبول جهت نصب، ضریبی از عدد ۱۵۰ میباشند. حداکثر ظرفیت قابل نصب در سیستم، مساوی ۴۰۵۰ کیلووار در نظر گرفته شده است بنابراین ۲۷ انتخاب ممکن وجود خواهد داشت. ساختار قسمت چهارم بصورت نشان داده شده در شکل (۴-۶) خواهد بود.
شکل۴-۶: قسمت چهارم رشته کروموزوم
با توجه با ارزش دودویی هر ژن، اندازه ظرفیت بانک خازنی بدست آمده از اجرای برنامه، مطابق رابطه (۴-۱۵) بدست میآید.
(۴-۱۵)
۴-۷-۲- مراحل اجرای الگوریتم ژنتیک
الگوریتم GA برای بهینه سازی مسئله مورد بررسی در این پایان نامه به صورت زیر میباشد:
مرحله (۱): تعیین پارامترهای الگوریتم GA (تعداد جمعیت اولیه، احتمال ترکیب، احتمال جهش، شرط توقف و…)
مرحله (۲): انجام عملیات پخش بار شعاعی و پیدایش برازندگی اولیه برای تابع هدف مسئله (۴-۸) (محاسبه تلفات، نرخ خرابی خطوط ارتباطی شینها، شاخص های ENS ,ECOST و…)
مرحله (۳): انجام عملیات ترکیب و جهش و رسیدن به جمعیت جدید
مرحله (۴): انجام پخش بار برای دستیابی به برازندگی جدید برای تابع هدف و بررسی قیود مسئله
مرحله (۵): جستجو برای رسیدن به بهترین پاسخ
مرحله (۶): ادامه اجرای الگوریتم از مرحله (۳) تا رسیدن به همگرایی.
فلوچارت این الگوریتم در شکل (۴-۷) نشان داده شده است. انتخاب مناسب پارامترهای مربوط به الگوریتم ژنتیک در سرعت همگرایی آن موثر است اندازه پارامترهای مورد استفاده در این پایان نامه در جدول (۴-۴) مشاهده میشود. شرط توقف اجرای الگوریتم رسیدن به حداکثر تکرار است.
جدول۴-۴: پارامترهای مربوط به الگوریتم ژنتیک
مورد
