Der vorgeschlagene HDRL-QIGA zur Lösung des OPF-Problems in HRES wird in diesem Abschnitt präsentiert. Die mathematische Analyse definiert zuerst die Zielstellung, die die Faktoren berücksichtigt, die den Leistungsfluss optimieren. Darauf folgend werden die notwendigen Gleichheits- und Ungleichheitsbedingungen in hybriden erneuerbaren Energiesystemen formuliert. Die Unsicherheits- und Leistungsmodelle für Windanlagen und Solar-PV werden dann formuliert. Schließlich wird das vollständige mathematische Modell des vorgeschlagenen HDRL-QIGA präsentiert. Der Hauptgrund für die Auswahl von DRL-QIGA in der vorgeschlagenen Arbeit besteht darin, die adaptive Lernfähigkeit des Stromsystems zu verbessern, um mit den Nichtlinearitäten umzugehen, die sich aufgrund erneuerbarer Energiesysteme ergeben. DRL bietet das notwendige adaptive Lernen und optimale Steuerungspolitiken zur Bewältigung der Umgebungsunsicherheiten, während IQGA die erweiterte Exploration und Konvergenz bei der Suche nach optimalen Lösungen für das OPF-Problem durch das Prinzip des Quantencomputings bietet.
Die Zielsetzung für das HRES OPF-Problem ist formuliert, um die Brennstoffkosten, die Spannungsabweichung und den Leistungsverlust zu minimieren. Die Brennstoffkosten, die aufgrund von Wärmeeinheiten steigen, werden als quadratische Funktion ausgedrückt. Die Leistungsverluste in den Übertragungsleitungen werden formuliert. Die Spannungsabweichung über den Lastbussen wird minimiert, um die Spannungsstabilität sicherzustellen. Schließlich werden die drei Zielfunktionen zu einer Gesamtzielfunktion mit gewichteten Koeffizienten kombiniert.
Bei der Analyse von HRES sollten die Gleichheits- und Ungleichheitsbedingungen wesentlich betrachtet werden. Die Gleichheitsbedingungen, die verschiedene Ressourcen integrieren, sind mathematisch formuliert. Die Ungleichheitsbedingungen in HRES sind formuliert für Generatorbeschränkungen, Spannungsbeschränkungen und Ein Überblick über die Unsicherheits- und Leistungsmodelle für Windanlagen und Solar-PV wird gegeben. Die Leistungsproduktion einer Windturbine zu einem bestimmten Zeitpunkt wird modelliert. Ausgehend von der Unsicherheit des Windes wird die Leistung von Windenergie in verschiedenen Szenarien berücksichtigt. Ähnlich wird die Leistung eines Solar-PV-Systems zu einem bestimmten Zeitpunkt modelliert. Die Unsicherheit bei der Solarenergie wird in Betracht gezogen.
Der vorgeschlagene hybride DRL-QIGA berücksichtigt die hybride Natur des Systems. Die Integration von DRL und QIGA ermöglicht eine bessere Erkundung des Lösungsraums und gewährleistet eine verbesserte Konvergenz mit hochwertigen Lösungen. Dieser Prozess wird durch Wiederholung wiederholt, bis die optimale Lösung erreicht ist. Das Konvergenzkriterium wird festgelegt, um den Wert der Zielfunktion zwischen den Iterationen zu überwachen. Die Pseudocodes für den vorgeschlagenen hybriden DRL-QIGA werden zusammengefasst dargestellt. Der Prozessablauf des vorgeschlagenen Modells wird in einem Flussdiagramm gezeigt.