عنوان پایان‌نامه
ارزیابی و بهینه سازی عملکرد......
- رشته تحصیلی
- مهندسی سیستم های اقتصادی - اجتماعی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 40674;کتابخانه پردیس 2 فنی شماره ثبت: 1516
- تاریخ دفاع
- ۰۸ مهر ۱۳۸۷
- دانشجو
- سمیه احمدی موقر
- استاد راهنما
- محمدعلی آزاده
- چکیده
- چکیده فارسی این مطالعه رویکردی یکپارچه بر اساس مدل تحلیل پوششی داده ها (DEA )، تحلیل مولفه های اصلی ( PCA) و الگوریتم ژنتیک (GA) برای ارزیابی کارایی و بهینه سازی در سیستم انتقال را معرفی می کند. عملکرد 16 شرکت برق منطقه ای با استفاده از روش ناپارامتریک DEA مورد ارزیابی قرار گرفته است. نتایج نشان داد که برخی از شرکتها زیر مرز کارایی قرار گرفتند که این مساله حاکی از پتانسیل این شرکتها برای رسیدن به مرز کارا با شناسایی متغیرهای بحرانی می باشد. سپس فرایند بهینه سازی در این مطالعه بر اساس دو دیدگاه کارایی ورودی ها و هزینه ورودی ها مورد بررسی قرار گرفت. نتایج حاصل از مدل DEA توسط مدلهای GA و PCA اعتبارسنجی شد. رویکرد پیشنهاد شده از مدلهای فرا-کارا برای تحلیل حساسیت به منظور یافتن متغیرهای ورودی بحرانی بر اساس کارایی و مدل فرا-کارا هزینه برای یافتن متغیرهای ورودی بحرانی بر اساس هزینه استفاده می کند. مشخصه اصلی این مطالعه استفاده از مدل DEA برای ارزیابی عملکرد و تعیین متغیرهای بحرانی از دو دیدگاه هزینه و کارایی و استفاده از مدل الگوریتم ژنتیک به منظور رتبه بندی و اعتبار سنجی نتایج حاصل از مدل DEA می باشد. این مطالعه برای اولین بار ازرویکردی کلی برای ارزیابی عملکرد سیستم انتقال بهره برده است. کلمات کلیدی: ارزیابی عملکرد، تحلیل پوششی داده ها، الگوریتم ژنتیک، تحلیل مولفه های اصلی، بهینه سازی، انتقال برق.
- Abstract
- ABSTRACT This paper introduces a hybrid approach based on Data Envelopment Analysis (DEA) and Genetic Algorithm (GA) for efficiency assessment and optimization of electricity transmission units in Iran. Performance of 16 regional electricity companies (RECs) is evaluated by GA and the non-parametric technique of DEA. The results indicate that the performance of several companies is sub-optimal, suggesting the potential for significant cost reduction and reduction in employee' number. The optimization procedure in this paper is followed from two different viewpoints i.e. input efficiency and input cost. The result of DEA model is verified and validated by GA through Spearman correlation experiment. Moreover, the proposed approach uses the measure-specific super-efficiency DEA model for sensitivity analysis to determine the critical inputs based on efficiency and cost allocation super-efficiency DEA model to determine the critical inputs based on cost. The unique feature of this study is utilization of GA and DEA for assessment and optimization of critical inputs from two different viewpoints: efficiency and cost. This is the first study that introduces a hybrid GA DEA approach for performance assessment and optimization of electricity transmission units. KEYWORDS: Performance Assessment and Optimization; Genetic Algorithm; Electricity Transmission Units
