Optimizing Generation Cost and Reducing Gas Emissions in Power Generation Using the Artificial Bee Rabbit Optimization Algorithm
Wei Wen Lee, Mohd Ruzaini Hashim, Chin Kim Gan · IIUM Engineering Journal · 2025
This study develops a hybrid metaheuristic optimization algorithm named Artificial Bee Rabbit Optimization (ABRO) to improve generation cost efficiency and reduce gas emissions in power generation systems. By integrating the strengths of the Artificial Bee Colony (ABC) and Artificial Rabbits Optimization (ARO) algorithms, ABRO aims to overcome issues such as premature convergence and slow convergence speed commonly observed in ABC and ARO. This paper evaluates and compares the ABRO algorithm against a collection of optimization algorithms, such as ABC, ARO, the Crow Search (CSA) algorithm, and the Artificial Jellyfish Search (JS) algorithm. The evaluation covers four benchmark functions and extends to engineering applications, specifically in solving the economic dispatch, emission dispatch, and an integrated objective that considers financial and emission dispatch aspects for the IEEE 26-bus system. The simulation results show that ABRO generally outperforms the competing algorithms tested in solving various benchmark functions. ABRO consistently achieved the lowest mean, standard deviation, and minimum values, demonstrating superior convergence speed, robustness, and accuracy. Furthermore, the ABRO algorithm effectively enhances optimization regarding generation cost, generation emission, and an integrated objective that considers both economic and emission dispatch aspects for the IEEE 26-bus system ABSTRAK: Kajian ini membangunkan satu algoritma pengoptimuman metaheuristik hibrid yang dinamakan Pengoptimuman Buatan Bee Rabbit (ABRO) bagi meningkatkan kecekapan kos penjanaan dan mengurangkan pelepasan gas dalam sistem penjanaan tenaga. Gabungan kekuatan antara Koloni Buatan Bee (ABC) dan Pengoptimuman Buatan Rabbit (ARO), menghasilkan ABRO yang bertujuan mengatasi isu penumpuan pramatang dan kelajuan penumpuan perlahan, ysng sering berlaku pada ABC dan ARO. Kajian ini menilai algoritma ABRO dan beberapa algoritma pengoptimuman lain seperti ABC, ARO, algoritma Pencarian Crow (CSA), dan pengoptimum Pencarian Buatan Jellyfish (JS). Penilaian meliputi empat fungsi penanda aras dan diperluas kepada aplikasi kejuruteraan, khususnya dalam penyelesaian masalah pengagihan ekonomi, pengagihan pelepasan, serta objektif bersepadu yang memgambil kira kedua-dua aspek ekonomi dan pelepasan bagi sistem IEEE 26-bas. Dapatan simulasi menunjukkan bahawa algoritma ABRO secara amnya mengatasi prestasi algoritma lain yang diuji dalam menyelesaikan pelbagai fungsi penanda aras. ABRO secara konsisten mencapai nilai min, sisihan piawai, dan nilai minimum terendah, sekali gus membuktikan kelajuan penumpuan, keteguhan, dan ketepatan terbaik. Tambahan pula, algoritma ABRO mampu meningkatkan pengoptimuman dari segi kos penjanaan, pelepasan penjanaan, serta objektif bersepadu yang mempertimbangkan kedua-dua aspek ekonomi dan pelepasan bagi sistem IEEE 26-bas.