Genetik algoritmalar ve benzetilmiş tavlama ile uzun dönem üretim genişletme planlaması

Abstract

GENETİK ALGORİTMALAR ve BENZETİLMİŞ TAVLAMA ile UZUN DÖNEM ÜRETİM GENİŞLETME PLANLAMASI Mehmet YILDIRIM Anahtar Kelimeler: Genetik Algoritmalar, Benzetilmiş Tavlama, Enerji Planlama, Üretim Genişletme Planlaması ÖZET: Bu tez çalışmasında, benzetilmiş tavlamalı genetik algoritmalar elektrik enerjisi üretim genişletme planlamasına uygulanmıştır. Elektrik enerjisi üretim genişletme planlaması; yüksek derecede kısıtlamalı, doğrusal olmayan, ayrık yapılı, dinamik ve bilgisayar kullanımım gerekli kılan bir optimizasyon problemidir. Genetik algoritmalar bu tür problemleri çözebilmektedir. Problemin çözümü için; amaç fonksiyonun formüle edilmesi, modele girdi olarak verilecek bilgilerin toplanması, amaç fonksiyonu minimize edecek bir algoritma ve programın oluşturulması gerekmektedir. Maliyet optimizasyonunda, amaç fonksiyon olarak, karma tamsayılı programlama modeli esas alınmıştır. Model, kuruluş ve işletme maliyetlerini minimize eden amaç fonksiyon ile güvenilirlik kısıtlamalarım içermektedir. Planlama dönemi olarak, 2001 ile 2020 yıllan arasım kapsayan 20 yıl alınmıştır. Planlama dönemi beşer yıllık dört eşit periyoda bölünmüştür. Tesislerin kuruluş ve işletmeye giriş zamanlan olarak periyotların orta yıllan alınmıştır. Kuruluş ve işletme maliyetleri yine bu orta yıllar esas alınarak hesaplanmıştır. Problemin çözümünde, genetik algoritmaların yerel minimuma takılmama, ve benzetilmiş tavlamanın daha hassas yakınsama ve genetik çeşitlilik sağlama özelliğinden yararlanılarak optimizasyon yapılmıştır. En düşük maliyetle ve güvenilirlik koşullan yerine getirilerek, hangi tip tesisin ne zaman devreye gireceği ve sayısı belirlenmeye çalışılmıştır. Benzetilmiş tavlamalı genetik algoritmalar ile elde edilen uzun dönem elektrik enerjisi üretim genişletme planlamasının elektriksel ve ekonomik sonuçlan, DPT Elektrik Enerjisi Özel İhtisas Komisyonu Raporu'nda verilen WASP modeli sonuçlan ile karşılaştınlmıştır. Bu çalışmada, WASP modeline göre daha fazla kurulu güç sağlanmış ve yatırım harcamalan daha az bulunmuştur. ıı

LONG TERM GENERATION EXPANSION PLANNING with GENETIC ALGORITHMS and SIMULATED ANNEALING Mehmet YILDIRIM Keywords: Genetic Algorithms, Simulated Annealing, Energy Planning, Generation Expansion Planning. Abstract: In this study, genetic algorithms with simulated annealing is applied to the electrical energy generation expansion planning. Electrical energy generation expansion planning is a non-linear, discrete, dynamic and highly constraint optimization problem which requires computer usage. Genetic algorithms have ability to solve this kind of problems. In order to address this problem, a cost function should be formulated, information used as inputs of the model must be gathered, and a program or an algorithm that minimize the cost function have to be constructed. Mixed-integer programming model is used in optimisation as a cost function. The model consists the cost function that minimize the construction and operational costs and reliability constraints. Years between the 2001-2020 are taken as planning term. Planning term is divided into four equal periods. Construction of units and calculation of costs are realized at the mid of periods. Having solve the problem, an optimisation was made by means of proporties that genetic algorithms don't fall into local minima and simulated annealing has fine tuning and genetic diversity. The type, the time and the number of units must be constructed is determined with the minimum cost and the reliability constraints. Electrical and economical results of long term electrical energy generation expansion planning by genetic algorithms with simulated annealing are compared with the results of WASP model which are stated by DPT Electrical Energy Specialization Committee Report. In this study, more power establishments and less investment expenses than WASP model are provided. m