Luận án tiến sĩ Nguyễn Trung Thắng: Áp dụng AI giải bài toán phối hợp thủy nhiệt điện
AI tối ưu phối hợp thủy điện, nhiệt điện hiệu quả cao. Ứng dụng thuật toán tiên tiến giải bài toán phức tạp.
Năm xuất bản
Số trang
210
Thời gian đọc
32 phút
Lượt xem
1
Lượt tải
0
Phí lưu trữ
50 Point
Tổng quan nhanh
- Chủ đề:
- 1. Giải bài toán phối hợp hệ thống thủy nhiệt điện bằng AI
- Số trang:
- 210 trang
- Trường:
- Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
- Chuyên ngành:
- Kỹ thuật điện
- Tác giả:
- Nguyễn Trung Thắng
- Năm:
- 2017
Tóm tắt nội dung luận án
I. Giải bài toán phối hợp hệ thống thủy nhiệt điện bằng AI
Bài toán phối hợp vận hành thủy nhiệt điện đặt ra yêu cầu điều độ công suất giữa nhà máy thủy điện và nhiệt điện. Mục tiêu là tối ưu hóa chi phí nhiên liệu trong vận hành ngắn hạn. Luận án áp dụng các phương pháp thông minh nhân tạo để giải bài toán. Các ràng buộc kỹ thuật, truyền tải và thủy lực được xét đầy đủ.
1.1. Tổng quan bài toán phối hợp thủy nhiệt điện
Phối hợp vận hành thủy nhiệt điện là bài toán điều độ kinh tế hệ thống điện ngắn hạn. Hệ thống gồm nhà máy nhiệt điện và nhà máy thủy điện trên cùng lưới điện. Nhiệt điện phát điện từ nhiên liệu hóa thạch. Thủy điện phát điện từ nước tích trữ trong hồ chứa. Cả hai nguồn phải đáp ứng nhu cầu phụ tải từng giờ. Bài toán có nhiều ràng buộc phi tuyến và phức tạp. Độ khó tăng dần theo từng hệ thống mẫu. Luận án xây dựng nhiều bài toán với mức độ ràng buộc khác nhau. Các phương pháp thông minh nhân tạo được đề xuất để giải. Kết quả chứng minh tính hiệu quả trong thực tế vận hành.
1.2. Mục tiêu tối ưu chi phí nhiên liệu
Tối ưu hóa chi phí nhiên liệu là mục tiêu chính của bài toán. Chi phí tại nhà máy thủy điện được bỏ qua trong tính toán. Chi phí nhiên liệu phát sinh chủ yếu tại nhà máy nhiệt điện. Hàm mục tiêu là tổng chi phí nhiên liệu toàn hệ thống. Hàm số thường có dạng phi tuyến bậc hai theo công suất phát. Bài toán tìm bộ công suất tối ưu cho từng nhà máy. Lời giải phải thỏa mãn mọi ràng buộc cân bằng và giới hạn. Giảm chi phí nhiên liệu mang lại lợi ích kinh tế lớn. Phương pháp AI tìm lời giải gần tối ưu trong thời gian ngắn.
1.3. Vai trò của AI trong điều độ kinh tế
Trí tuệ nhân tạo mở ra hướng giải mới cho bài toán tối ưu hệ thống điện. Các phương pháp gồm mạng nơ-ron nhân tạo và thuật toán tiến hóa. Mạng nơ-ron nhân tạo dự báo phụ tải hỗ trợ điều độ. Thuật toán di truyền giải bài toán tối ưu hiệu quả. Tối ưu bầy đàn PSO điều độ công suất được so sánh trong nghiên cứu. Học tăng cường sâu trong hệ thống điện là hướng phát triển mới. AI giúp giải quyết bài toán phi tuyến phức tạp. Thời gian tính toán nhanh hơn phương pháp cổ điển. Chất lượng lời giải được cải thiện rõ rệt.
II. Tối ưu hóa chi phí nhiên liệu trong điều độ kinh tế
Điều độ kinh tế hệ thống điện yêu cầu mô hình hóa chính xác hàm chi phí và ràng buộc. Phần này trình bày cấu trúc bài toán tối ưu phối hợp thủy nhiệt điện. Các ràng buộc cân bằng và giới hạn được xây dựng đầy đủ.
2.1. Hàm mục tiêu chi phí nhiên liệu
Hàm mục tiêu biểu diễn tổng chi phí nhiên liệu của các nhà máy nhiệt điện. Chi phí mỗi nhà máy là hàm bậc hai theo công suất phát. Hệ số chi phí khác nhau giữa từng nhà máy. Tổng chi phí cần đạt giá trị nhỏ nhất. Ràng buộc cân bằng công suất yêu cầu tổng phát bằng tổng phụ tải. Tổn thất truyền tải được xét trong phương trình cân bằng. Bài toán cũng xét giới hạn công suất phát của từng tổ máy. Lời giải giúp tối ưu hóa chi phí nhiên liệu toàn hệ thống.
2.2. Ràng buộc cân bằng công suất hệ thống
Ràng buộc cân bằng công suất là điều kiện bắt buộc trong bài toán. Tổng công suất phát của thủy điện và nhiệt điện phải khớp nhu cầu. Công suất truyền tải qua đường dây bị giới hạn. Điện áp tại các nút phải nằm trong phạm vi cho phép. Vị trí bộ điều chỉnh điện áp được xét trong mô hình. Các ràng buộc này làm bài toán trở nên phức tạp. Mức độ phức tạp tăng dần qua từng bài toán mẫu.
2.3. Ràng buộc giới hạn phát công suất
Mỗi nhà máy có giới hạn công suất phát tối thiểu và tối đa. Công suất phát thủy điện phụ thuộc lưu lượng nước và cột nước. Lưu lượng xả nước có giới hạn trên và dưới. Dung tích hồ chứa bị giới hạn trong khoảng cho phép. Lượng nước sẵn có trong ngày là thông số đầu vào. Dung tích hồ đầu kỳ và cuối kỳ được ấn định trước. Các giới hạn này tạo thành hệ ràng buộc bất đẳng thức.
III. Thuật toán tối ưu cho bài toán phối hợp thủy nhiệt điện
Nhiều thuật toán tối ưu được áp dụng để giải bài toán. Luận án sử dụng nhóm thuật toán Cuckoo Search và mạng Hopfield Lagrange mở rộng. Các thuật toán này tìm lời giải có chất lượng cao.
3.1. Thuật toán Cuckoo Search kinh điển
Thuật toán Cuckoo Search ra đời năm 2009. Thuật toán mô phỏng hành vi đẻ nhờ của chim cúc cu. Phương pháp này được ứng dụng thành công trong nhiều năm. Thuật toán Cuckoo Search kinh điển là nền tảng nghiên cứu. Thuật toán khám phá không gian lời giải bằng bước nhảy Levy. Cơ chế thay thế tổ thích nghi giúp cải thiện hội tụ. Thuật toán được chạy trên tất cả bài toán khảo sát. Kết quả được so sánh với nhiều phương pháp hiện có.
3.2. Thuật toán Cuckoo Search cải tiến và thích nghi
Thuật toán Cuckoo Search cải tiến được phát triển từ bản gốc. Thuật toán Cuckoo Search thích nghi chọn lọc được giới thiệu lần đầu. Các phiên bản này điều chỉnh tham số trong quá trình tìm kiếm. Cơ chế chọn lọc thích nghi tăng khả năng khám phá. Thuật toán tránh hội tụ sớm về cực tiểu cục bộ. Chất lượng lời giải tốt hơn thuật toán kinh điển. Thời gian tính toán được rút ngắn đáng kể.
3.3. Mạng Hopfield Lagrange mở rộng
Mạng Hopfield Lagrange mở rộng là phương pháp mạnh khác. Mạng kết hợp hàm năng lượng Lagrange với mạng nơ-ron Hopfield. Phương pháp đã ứng dụng thành công trong kỹ thuật điện. Mạng chỉ áp dụng cho bài toán cột nước cố định. Bài toán này chưa xét ràng buộc dung tích hồ chứa. Phương pháp cho thấy độ bền vững với bài toán đơn giản. Kết quả được so sánh với nhóm Cuckoo Search.
IV. Ràng buộc thủy lực hồ chứa và đường đặc tính cột nước
Ràng buộc thủy lực hồ chứa đóng vai trò then chốt. Đường đặc tính cột nước quyết định khả năng phát thủy điện. Phần này phân tích các yếu tố thủy lực trong bài toán.
4.1. Ràng buộc thủy lực hồ chứa
Ràng buộc thủy lực hồ chứa gồm nhiều điều kiện song song. Lưu lượng xả nước phải nằm trong giới hạn cho phép. Dung tích hồ chứa bị chặn trên và chặn dưới. Lượng nước sẵn có là dữ liệu đầu vào quan trọng. Dung tích đầu kỳ và cuối kỳ được xác định trước. Phương trình cân bằng nước liên kết các giờ vận hành. Các ràng buộc này liên kết chặt với công suất phát.
4.2. Đường đặc tính cột nước nhà máy thủy điện
Đường đặc tính cột nước mô tả quan hệ giữa công suất và cột nước. Công suất thủy điện phụ thuộc lưu lượng và cột nước hồ. Cột nước thay đổi theo dung tích hồ chứa. Đường đặc tính thường phi tuyến và phức tạp. Một số bài toán giả định cột nước cố định. Bài toán phức tạp hơn xét cột nước thay đổi. Đường đặc tính cột nước nhà máy thủy điện cần mô tả chính xác.
4.3. Dự báo lưu lượng nước bằng học máy
Dự báo lưu lượng nước bằng học máy hỗ trợ vận hành hệ thống. Lưu lượng nước đến hồ quyết định khả năng phát điện. Học máy phân tích chuỗi số liệu lịch sử. Mạng nơ-ron nhân tạo dự báo phụ tải và lưu lượng nước. Dự báo chính xác giúp lập kế hoạch vận hành tốt. Dữ liệu dự báo là đầu vào cho bài toán tối ưu. Phương pháp học tăng cường sâu mở rộng khả năng dự báo.
V. Kết quả kiểm nghiệm và hiệu quả của AI hệ thống điện
Các phương pháp được kiểm nghiệm trên nhiều hệ thống mẫu. Kết quả so sánh chứng minh hiệu quả của AI. Phần này tổng hợp đánh giá từ luận án.
5.1. Kiểm nghiệm trên hệ thống điện mẫu
Luận án thử nghiệm trên các hệ thống điện với cấu hình khác nhau. Hệ thống mẫu gồm nhiều nhà máy nhiệt điện và thủy điện. Mỗi bài toán có mức độ ràng buộc tăng dần. Ba thuật toán Cuckoo Search chạy trên tất cả bài toán. Mạng Hopfield Lagrange chỉ áp dụng bài toán đầu tiên. Kết quả được so sánh với nhiều phương pháp công bố trước đó.
5.2. So sánh chất lượng lời giải và thời gian
Chất lượng lời giải được đánh giá qua giá trị chi phí nhiên liệu. Các thuật toán đề xuất đạt chi phí thấp hơn phương pháp khác. Thời gian tính toán ngắn hơn đa số phương pháp hiện có. Thuật toán thích nghi chọn lọc cho kết quả tốt nhất. Phương pháp AI vượt trội về cả độ chính xác và tốc độ.
5.3. Đánh giá hiệu quả của các phương pháp AI
Các phương pháp AI cho thấy độ bền vững khi giải bài toán. Kết quả nhất quán qua nhiều lần chạy độc lập. Thuật toán cải tiến tránh mắc kẹt tại cực tiểu cục bộ. Phương pháp phù hợp với bài toán phi tuyến quy mô lớn. Nghiên cứu khẳng định tiềm năng của AI trong hệ thống điện. Hướng phát triển tiếp theo là học tăng cường sâu và dự báo học máy.
Tải xuống file đầy đủ để xem toàn bộ nội dung
Tải đầy đủ (210 trang)Trích đoạn nội dung luận án
Tải xuống để đọc toàn bộBỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN ÁN TIẾN SĨ NGUYỄN TRUNG THẮNG ÁP DỤNG CÁC PHƯƠNG PHÁP THÔNG MINH NHÂN TẠO GIẢI BÀI TOÁN PHỐI HỢP HỆ THỐNG THỦY NHIỆT ĐIỆN NGÀNH: KỸ THUẬT ĐIỆN SKA 0 0 0 0 3 6 Tp. Hồ Chí Minh, tháng 10/2017 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH NGUYỄN TRUNG THẮNG ÁP DỤNG CÁC PHƯƠNG PHÁP THÔNG MINH NHÂN TẠO GIẢI BÀI TOÁN PHỐI HỢP HỆ THỐNG THỦY NHIỆT ĐIỆN LUẬN ÁN TIẾN SĨ NGÀNH: KỸ THUẬT ĐIỆN Tp. Hồ Chí Minh, tháng 10/2017 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH NGUYỄN TRUNG THẮNG ÁP DỤNG CÁC PHƯƠNG PHÁP THÔNG MINH NHÂN TẠO GIẢI BÀI TOÁN PHỐI HỢP HỆ THỐNG THỦY NHIỆT ĐIỆN NGÀNH: KỸ THUẬT ĐIỆN-62520202 Hướng dẫn khoa học: 1. TRƯƠNG VIỆT ANH LÝ LỊCH CÁ NHÂN I.
THÔNG TIN CÁ NHÂN Họ và Tên: NGUYỄN TRUNG THẮNG Phái : Nam Ngày/tháng/năm sinh : 06 / 08 / 1985 Tại : Bình Thuận II. QUÁ TRÌNH ĐÀO TẠO : - Từ 2003 - 2008 : Sinh viên ngành Điện khí hóa-cung cấp điện, Đại học sư phạm kỹ thuật TPHCM. - Từ 2008 - 2010 : Học viên cao học ngành Thiết bị Mạng và Nhà máy điện, trường Đại học Sư Phạm Kỹ Thuật TP.Hồ Chí Minh. QUÁ TRÌNH CÔNG TÁC : - Từ 2008 - 2009 : Giảng viên trường Cao đẳng Kỹ Thuật Cao Thắng - Từ 2009 - Nay: Giảng viên trường Đại học Tôn Đức Thắng Tp.
HCM, ngày 06 tháng 10 năm 2017 Nguyễn Trung Thắng i LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả nêu trong Luận án là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. HCM, ngày 06 tháng 10 năm 2017 Nguyễn Trung Thắng ii CẢM TẠ Sau một thời gian dài nghiên cứu và hoàn thành luận án, tôi vô cùng cảm ơn những đóng góp từ gia đình, thầy cô, đồng nghiệp và bạn bè đã giúp tôi hoàn thành tốt luận án của mình. Tôi chân thành cảm ơn giảng viên hướng dẫn PGS.
Võ Ngọc Điều và PGS. Trương Việt Anh đã tận tình hướng dẫn tôi. Tôi chân thành cảm ơn sâu sắc thầy PGS. Quyền Huy Ánh đã dạy tôi các môn học ở mái trường đại học và hướng dẫn đồ án tốt nghiệp đại học.
Đặc biệt thầy đã truyền đam mê để tôi có tiếp tục học thạc sĩ và tiến sĩ. Tôi chân thành cảm ơn vợ Nguyễn Thị Tâm đã hỗ trợ tôi về tinh thần, cổ vũ những khi tôi nản chí và mệt mỏi. Tôi chân thành cảm ơn trưởng bộ môn kỹ thuật điện TS. Đinh Hoàng Bách và trưởng Khoa Điện-Điện Tử TS.
Võ Hoàng Duy đã tạo điều kiện tốt để tôi có thể học tốt và nghiên cứu tốt. Tôi xin chân thành cảm ơn những người bạn Trần Quang Thọ, Nguyễn Ngọc Âu và Phạm Hữu Lý đã sát cánh, ủng hộ và giúp đỡ tôi. iii ABSTRACT The study presents the application of several artificial interlligence based method for solving short-term hydrothermal scheduling problem. The objective of these problems is mainly to minimize total electricity generation fuel cost at thermal plants while neglecting the cost at hydropower plants so that all equality and inequality constraints of the system including power balance constraint considering transmission line, upper and lower limits on power generated by thermal and hydro plants, and hydraulic constraints at hydropower plants such as boundaries of water discharge, boundaries of reservoir volume, avaialbe water, initial volume as well as end volume.
In addition, constraints in transmission lines such as transmission capacity of lines, voltage at buses, tap setting, etc are also taken into consideration. The complicated level of the considered constraints is increased and ranged from the first problem to the final problem. Augmented Lagrange Hopfield Network and three other methods such as conventional Cuckoo Search algorithm, Modified Cuckoo Search algorithm and Adaptive Selective Cuckoo Search algorithm are applied for solving the problems in the study. Among the applied Cuckoo Search algorithms, conventional Cuckoo Search algorithm is the original one which has been successfully applied for recent years since it was first developed in 2009 meanwhile Modified Cuckoo Search algorithm has been developed based on the original one and Adaptive Selective Cuckoo Search algorithm is first introduced in the study.
In addition, Augmented Lagrange Hopfield Network is also a strong method which has been developed and successfully applied for solving electrical engineering problems.The performance of these methods are tested on several systems according to each kind of problem and there is a fact that not every applied method is applied for solving all considered problems because their different effcciency on considered problem. In fact, the three Cuckoo Search algorithms are run on all the problems but Augmented Lagrange Hopfield Network is only applied for the first problem where water head of reservoir is fixed and reservoir volume constraints are not taken into account. As a result, the comparison among these methods with many existing methods indicates that the methods are effecitve and robust for solving the short-term hydrothermal scheduling problem because they obtains better solution quality and shorter execution time than most methods available in the report. Among the methods, Augmented Lagrange Hopfield Network is very effective for the first problem where valve point loading effects of thermal units are not considered but it must stop working when the effects are taken into account.
On the contrary, the three Cuckoo Search algorithms become more effective for the problems with valve point loading effects. Among the three Cuckoo Search algorithm, Adaptive Selective Cuckoo Search is the most efficient method whereas the effectiveness between convnetional Cuckoo Search and Modified Cuckoo Search has a trade-off for different problems. In fact, the Modified Cuckoo Search is more effective than conventional Cuckoo Search for the first and the final problems; however, the Hình is opposite for the rest of the problems. iv TÓM TẮT Luận án trình bày ứng dụng của các phương pháp thông minh nhân tạo để giải các bài toán phối hợp tối ưu hệ thống thủy nhiệt điện với mục tiêu giảm thiểu chi phí phát điện của các nhà máy nhiệt điện khi không xét đến chi phí phát điện của các nhà máy thủy điện sao cho các ràng buộc cân bằng và bất cân bằng của hệ thống như ràng buộc cân bằng công suất có xét đến tổn hao truyền tải đường dây, các giới hạn công suất phát của nhà máy thủy điện và nhiệt điện và các ràng buộc từ hồ thủy điện như thể tích hồ chứa, lưu lượng xả, thể tích nước cho phép sử dụng phải được thỏa mãn.
Ngoài ra, ràng buộc trên lưới truyền tải như khả năng truyền tải đường dây, điện áp tại các nút, cài đặt đầu phân áp, và chọn công suất tụ bù cũng được xét đến. Mức độ phức tạp của các ràng buộc được tăng dần từ bài toán thứ nhất đến bài toán cuối cùng. Ba phương pháp Cuckoo Search (CSA) như Cuckoo Search cổ điển (CCSA), Cuckoo Search cải biên (MCSA) Cuckoo Search chọn lọc thi nghi (ASCSA), và phương pháp mạng Hopfield Lagrange tăng cường (ALHN) đã được áp dụng để giải các bài toán trên. CCSA là phương pháp Cuckoo Search đầu tiên được xây dựng năm 2009 trong khi đó MCSA được phát triển dựa trên CCSA vào năm 2011.
ALHN cũng là một phương pháp được phát triển từ một phương pháp khác và đã được áp dụng trong lĩnh vực kỹ thuật điện. Khác với ba phương pháp này, ASCSA là phương pháp được phát triển đầu tiên trong luận án này dựa trên các cải biên từ CCSA và chưa được áp dụng cho bất cứ bài toán nào trước đây. Tính hiệu quả của các phương pháp được kiểm tra trên các hệ thống khác nhau với năm bài toán khác nhau. Kết quả được so sánh giữa bốn phương pháp với nhau và giữa bốn phương pháp với các phương pháp đã được nghiên cứu trước đây để đưa ra nhận xét về tính hiệu quả của bốn phương pháp này so với các phương pháp khác và tìm ra phương pháp hiệu quả nhất trong bốn phương pháp cũng như đề xuất khả năng áp dụng của từng phương pháp cho từng bài toán cụ thể.
Kết quả đánh giá cho thấy ALHN chỉ hiệu quả cho hai bai toán đầu tiên với chiều cao cột nước cố định bỏ qua thể tích hồ chứa và bỏ qua hiệu ứng xả van tại các nhà máy nhiệt điện. Trong khi đó, phương pháp được đề xuất ASCSA tỏ ra hiệu quả hơn CCSA và MCSA cho tất cả các hệ thống ở năm bài toán này và hiệu quả hơn ALHN cho ba bài toán còn lại. So sánh giữa CCSA và MCSA cho thấy MCSA chỉ hiệu quả hơn CCSA ở hai bài toán đầu tiên và bài toán cuối nhưng kém hơn ở bài toán thứ ba và thứ tư. Ngoài ra, so sánh với các phương pháp trước ở các công trình nghiên cứu khác cũng cho thấy bốn phương pháp áp dụng này là các công cụ mạnh khi hầu hết nổi trội hơn các phương pháp khác về chất lượng lời giải tối ưu và tốc độ hội tụ nhanh và đặc biệt là sự vượt trội của phương pháp ASCSA.
iv NỘI DUNG Trang tựa TRANG Quyết định giao đề tài Lý lịch cá nhân i Lời cam đoan ii Cảm tạ iii Tóm tắt iv Mục lục v Danh sách các chữ viết tắt vi Danh sách các hình vii Danh sách các bảng viii Thuật ngữ ix CHƯƠNG 1: GIỚI THIỆU 1. Các Bài Toán Nghiên Cứu. Mục Tiêu Nghiên Cứu. Các Đóng Góp Của Luận Án.
Giới Hạn Đề Tài. Bố Cục Của Luận Án. 5 CHƯƠNG 2: TỔNG QUAN 2. Phối Hợp Hệ Thống Thủy Nhiệt Điện Ngắn Hạn Với Chiều Cao Cột Nước Cố Định Bỏ Qua Các Ràng Buộc Về Hồ Chứa.
Phối Hợp Hệ Thống Thủy Nhiệt Điện Ngắn Hạn Với Chiều Cao Cột Nước Cố Định Xét Các Ràng Buộc Về Hồ Chứa. Phối Hợp Hệ Thống Thủy Nhiệt Điện Ngắn Hạn Với Chiều Cao Cột Nước Biến Đổi Xét Các Hồ Thủy Điện Bậc Thang. Phối Hợp Hệ Thống Thủy Nhiệt Điện Ngắn Hạn Với Chiều Cao Cột Nước Cố Định Xét Mục Tiêu Chi Phí Và Phát Thải. Phân Bố Công Suất Tối Ưu Hệ Thống Thủy Nhiệt Điện.
19 v CHƯƠNG 3: CÁC PHƯƠNG PHÁP CUCKOO SEARCH VÀ MẠNG HOPFIELD LAGRANGE TĂNG CƯỜNG 3. Thuật Toán Cuckoo Search Cổ Điển (CCSA). Đặc tính chim Cuckoo và Lévy Flights. Mô tả thuật toán Cuckoo Search.
Các áp dụng CCSA gần đây. Cuckoo Search Cải Biên (MCSA). Cuckoo Search cải biên (MCSA). Các ứng dụng gần đây của MCSA.
Cuckoo Search Chọn Lọc Thích Nghi (ASCSA). Kỹ thuật chọn lọc mới. Cơ chế phát hiện trứng lạ thích nghi. Mạng Hopfield Lagrange Tăng Cường (ALHN).
38 CHƯƠNG 4: ÁP DỤNG CÁC PHƯƠNG PHÁP THÔNG MINH NHÂN TẠO ĐIỀU ĐỘ TỐI ƯU HỆ THỐNG THỦY NHIỆT ĐIỆN NGẮN HẠN XÉT CHIỀU CAO CỘT NƯỚC CỐ ĐỊNH VÀ BỎ QUA RÀNG BUỘC THỂ TÍCH HỒ CHỨA 4. Mô Tả Bài Toán. Hàm mục tiêu .
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ
Trích dẫn luận án này
Nguyễn Trung Thắng (2017). Áp dụng AI giải bài toán phối hợp hệ thống thủy nhiệt điện [Luận án tiến sĩ, Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh]. LuanAn.net. https://luanan.net/cong-nghe-thong-tin/tri-tue-nhan-tao/ap-dung-cac-phuong-phap-thong-minh-nhan-tao-giai-bai-toan-phoi-hop-he-thong
Câu hỏi thường gặp
Luận án "Áp dụng AI giải bài toán phối hợp hệ thống thủy nhiệt điện" nghiên cứu về vấn đề gì?
AI tối ưu phối hợp thủy điện, nhiệt điện hiệu quả cao. Ứng dụng thuật toán tiên tiến giải bài toán phức tạp.
Luận án "Áp dụng AI giải bài toán phối hợp hệ thống thủy nhiệt điện" được bảo vệ tại trường nào?
Luận án này được bảo vệ tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh. Năm bảo vệ: 2017.
Luận án "Áp dụng AI giải bài toán phối hợp hệ thống thủy nhiệt điện" thuộc chuyên ngành gì?
Luận án "Áp dụng AI giải bài toán phối hợp hệ thống thủy nhiệt điện" thuộc chuyên ngành Kỹ thuật điện. Danh mục: Trí Tuệ Nhân Tạo.
Luận án "Áp dụng AI giải bài toán phối hợp hệ thống thủy nhiệt điện" có bao nhiêu trang?
Luận án "Áp dụng AI giải bài toán phối hợp hệ thống thủy nhiệt điện" có 210 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.
Cách tải luận án "Áp dụng AI giải bài toán phối hợp hệ thống thủy nhiệt điện" về máy như thế nào?
Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.