โครงงานวิศวกรรมนี้มีวัตถุประสงค์เพื่อแก้ไขปัญหาการวางแผนเดินเครื่องโรงไฟฟ้าของ
ระบบผลิตไฟฟ้าโดยใช้วิธีลากรางจ์ร่วมกับวิธีดิฟเฟอร์เรนเชียลอีโวลูชั่นอัลกอริธึมแบบปรับตัวเอง
ได้ โดยสร้างเป็นหน้าต่างโปรแกรมเพื่อให้สะดวกต่อการใช้งาน และเพื่อให้ได้ประสิทธิภาพสูงสุด
สำหรับปัญหาการวางแผนเดินเครื่องโรงไฟฟ้านี้ต้องพิจารณาเงื่อนไขและข้อจำกัดต่างๆ ของเครื่อง
กำเนิดไฟฟ้า ดังต่อไปนี้ คือ กำลังไฟฟ้าสมดุล กำลังการผลิตสำรอง เงื่อนไขของเครื่องกำเนิดไฟฟ้า
เวลาเดินเครื่องกำเนิดไฟฟ้าอย่างน้อยที่สุด และเวลาหยุดเดินเครื่องกำเนิดไฟฟ้าอย่างน้อยที่สุด ส่วน
เงื่อนไขการสูญเสียในสายส่งจะไม่่ถูกนำมาคิดในโครงงานวิศวกรรมนี้ สำหรับโครงงานวิศวกรรม
นี้ระบบไฟฟ้าซึ่งมีเครื่องกำเนิดไฟฟ้าจำนวน 10 ยูนิต ระยะเวลาการวางแผนการผลิตไฟฟ้าจำนวน
24 ชั่วโมง จะถูกนำมาทดสอบโดยใช้กับโปรแกรมสำหรับการแก้ไขปัญหาการวางแผนเดินเครื่อง
โรงไฟฟ้าของระบบผลิตไฟฟ้าที่สร้างขึ้น และนำผลลัพธ์ที่ได้รับไปเปรียบเทียบกับผลลัพธ์ที่ได้จาก
การแก้ไขปัญหาด้วยวิธี Lagrangian Relaxation, Genetic Algorithm, Lagrangian Relaxation and
Genetic Algorithm, Evolutionary Programming, Ant Colony Search Algorithm และLagrangian
Relaxation with a Differential Evolution Algorithm จากผลการทดสอบสามารถสรุปได้ว่าวิธีลาก
รางจ์ร่วมกับวิธีดิฟเฟอร์เรนเชียลอีโวลูชั่นอัลกอริธึมแบบปรับตัวเองได้ สามารถแก้ไขปัญหาการ
วางแผนเดินเครื่องโรงไฟฟ้าของระบบผลิตไฟฟ้าได้อย่างมีประสิทธิภาพ เป็นที่ยอมรับได้
In this project, the Lagrangian Relaxation (LR) combined with Self-Adaptive Differential Evolution Algorithm (SaDEA) method (LR-SaDEA) is proposed for solving unit commitment (UC) problem. A graphical user interface (GUI) is applied to this program for easy to use. The unit commitment problem is formulated as the minimization of a performance index, and consists of several equality and inequality constraints that are power balance, spinning reserve, generator limits, minimum up time and minimum down time. However, transmission line losses are not considered in this research. In this project, a Lagrangian Relaxation with self-adaptive differential
evolution algorithm for unit commitment problem is demonstrated via the analysis of 10 units test
system with 24 working hours. A detailed comparative study among the Lagrangian Relaxation (LR), genetic algorithm (GA), Lagrangian Relaxation and genetic algorithm (LRGA), evolutionary programming (EP), ant colony search algorithm (ACSA), Lagrangian Relaxation with a differential evolution algorithm (LR-DEA) and Lagrangian Relaxation with self-adaptive
differential evolution algorithm method (LR-SaDEA) is presented. From the experimental results, the Lagrangian Relaxation with self-adaptive differential evolution algorithm method has high accuracy of solution achievement
