Điều khiển hộ tiêu thụ DSM bằng thuật toán PSO Điều khiển hộ tiêu thụ DSM bằng thuật toán PSO Điều khiển hộ tiêu thụ DSM bằng thuật toán PSO luận văn tốt nghiệp,luận văn thạc sĩ, luận văn cao học, luận văn đại học, luận án tiến sĩ, đồ án tốt nghiệp luận văn tốt nghiệp,luận văn thạc sĩ, luận văn cao học, luận văn đại học, luận án tiến sĩ, đồ án tốt nghiệp
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP HCM - VŨ HỒNG DÂN ĐIỀU KHIỂN HỘ TIÊU THỤ (DSM) BẰNG THUẬT TOÁN PSO LUẬN VĂN THẠC SĨ Chuyên ngành : Kỹ thuật điện Mã số ngành: 60520202 TP HỒ CHÍ MINH, tháng 04 năm 2016 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP HCM - VŨ HỒNG DÂN ĐIỀU KHIỂN HỘ TIÊU THỤ (DSM) BẰNG THUẬT TOÁN PSO LUẬN VĂN THẠC SĨ Chuyên ngành : Kỹ thuật điện Mã số ngành: 60520202 CÁN BỘ HƯỚNG DẪN KHOA HỌC: TS ĐINH HỒNG BÁCH TP HỒ CHÍ MINH, tháng 04 năm 2016 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP HCM Cán hướng dẫn khoa học: TS ĐINH HOÀNG BÁCH (Ghi rõ họ, tên, học hàm, học vị chữ ký) Luận văn Thạc sĩ bảo vệ Trường Đại học Công nghệ TP.HCM ngày …… tháng …… năm 2016 Thành phần Hội đồng đánh giá Luận văn Thạc sĩ gồm: (Ghi rõ họ, tên, học hàm, học vị Hội đồng chấm bảo vệ Luận văn Thạc sĩ) TT Họ tên Chức danh Hội đồng PGS TS Trương Việt Anh Chủ tịch TS Trần Vinh Tịnh Phản biện TS Đặng Xuân Kiên Phản biện TS Võ Hoàng Duy Ủy viên TS Huỳnh Châu Duy Ủy viên, Thư ký Xác nhận Chủ tịch Hội đồng đánh giá Luận sau Luận văn sửa chữa (nếu có) Chủ tịch Hội đồng đánh giá LV TRƯỜNG ĐH CƠNG NGHỆ TP HCM CỘNG HỊA XÃ HỘI CHỦ NGHĨA VIỆT NAM PHÒNG QLKH – ĐTSĐH Độc lập – Tự – Hạnh phúc TP HCM, ngày … tháng… năm 2016 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên : VŨ HỒNG DÂN Ngày, tháng, năm sinh : 02/08/1984 Chuyên ngành : Kỹ thuật điện Giới tính : Nam Nơi sinh : Bình Định MSHV : 1341830049 I- Tên đề tài: ĐIỀU KHIỂN HỘ TIÊU THỤ (DSM) BẰNG THUẬT TOÁN PSO II- Nhiệm vụ nội dung: Nghiên cứu đề tài: “Điều khiển hộ tiêu thụ (DSM) thuật tốn PSO” Luận văn trình bày ứng dụng hai phương pháp Particle swarm optimization (PSO) phương pháp PSO cải tiến (GCPSO) vào giải toán điều khiển hộ tiêu thụ (DSM) với mục tiêu đặt san đồ thị phụ tải ngày cho thiết bị tiêu thụ điện luôn thỏa điều kiện công suất làm việc đảm bảo đáp ứng nhu cầu sử dụng thiết bị người Làm phẳng đồ thị phụ tải tốt cho cơng suất tiêu thụ thiết bị nằm giới hạn hợp lý đảm bảo nhu cầu sử dụng điện hộ tiêu thụ III- Ngày giao nhiệm vụ: 20/8/2015 IV- Ngày hoàn thành nhiệm vụ: 10/4/2016 V- Cán hướng dẫn: TS ĐINH HOÀNG BÁCH CÁN BỘ HƯỚNG DẪN (Họ tên chữ ký) TS ĐINH HOÀNG BÁCH KHOA QUẢN LÝ CHUYÊN NGÀNH (Họ tên chữ ký) i LỜI CAM ĐOAN Tơi cam đoan cơng trình nghiên cứu Các số liệu, kết nêu luận văn phản ánh trung thực nội dung q trình nghiên cứu luận văn Tp Hồ Chí Minh, ngày 10 tháng 04 năm 2016 (Ký tên ghi rõ họ tên) Vũ Hồng Dân ii LỜI CẢM ƠN Trong suốt trình thực đề tài, người thực hướng dẫn tận tình TS Đinh Hồng Bách, Trưởng mơn kỹ thuật điện, khoa điện – điện tử, giảng viên trường Đại Học Tôn Đức Thắng Dưới hướng dẫn thầy, đề tài nghiên cứu hoàn thành thời hạn hoàn thành mục tiêu ban đầu đề Người thực xin gửi lòng tri ân sâu sắc đến TS Đinh Hồng Bách kiến thức quý báu phương pháp nghiên cứu mà thầy truyền dạy Người thực gửi lòng tri ân đến quý thầy cô trường Đại Học Công Nghệ Hồ Chí Minh, q thầy trường Đại Học Tơn Đức Thắng tận tình hướng dẫn truyền đạt kiến thức, phương pháp nghiên cứu kinh nghiệm suốt hai năm học Những kiến thức kinh nghiệm tảng giúp người thực hoàn thành tốt luận văn Người thực chân thành cảm ơn quý anh chị, chân thành cảm ơn bạn bè tận tình giúp đỡ suốt khóa học q trình thực luận văn Tp Hồ Chí Minh, ngày 10 tháng 04 năm 2016 Người thực Vũ Hồng Dân iii TÓM TẮT Luận văn trình bày ứng dụng hai phương pháp Particle swarm optimization (PSO) phương pháp PSO cải tiến (GCPSO) vào giải toán điều khiển hộ tiêu thụ (DSM) với mục tiêu đặt san đồ thị phụ tải ngày cho thiết bị tiêu thụ điện luôn thỏa điều kiện công suất làm việc đảm bảo đáp ứng nhu cầu sử dụng thiết bị người Một toán mẫu đặt với bốn hộ tiêu thụ gồm ba thiết bị điện sử dụng ngày với mười hai khoảng thời gian khoảng hai Kết áp dụng PSO GCPSO cho thấy GCPSO phương pháp tốt với nhiều ưu điểm chất lượng lời giải cao, thời gian tìm nghiệm nhanh Thật vậy, thông số điều khiển GCPSO bao gồm dân số số vòng lặp lớn cài đặt với giá trị nhỏ PSO Tuy nhiên kết triển vọng đồ thị phụ tải gần san hồn tồn với PSO chênh lệch nhiều Giá trị tỉ số công suất đỉnh cơng suất trung bình sau năm mươi lần chạy cho kết tốt với GCPSO nhỏ nhiều so với PSO Từ đó, kết luận việc áp dụng GCPSO điều khiển hộ tiêu thụ hoàn toàn hợp lý cho kết mọng đợi iv ABSTRACT The study presents the application of two methods including Particle swarm optimization and its improved version (GCPSO) for solving the problem of demand side management so that the a day-load curve can be balanced while satisfying all constraints of limitations on electrical devices as well as meeting the demand from human A test system is employed in which four consumers with three devices for each and twelve subintervals with two hour for each are considered The results comparisons obtained from PSO and GCPSO has shown that GCPSO is much superior to PSO in terms of solution quality and fast convergence In fact, the control parameters such as population and number of iterations for GCPSO are lower than those for PSO Furthermore, the obtained load curve from GCPSO is totally balanced meanwhile that for PSO is still much different among the considered twelve subintervals The ratio of peak load to average load obtained by running these methods fifty independent trial runs has indicated that GCPSO can obtain better minimum value and lower standard deviation as well as taking shorter computational time Consequently, it can be concluded that the GCPSO is very favorable for solving the DSM problem v MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii TÓM TẮT iii ABSTRACT iv MỤC LỤC v DANH MỤC CÁC TỪ VIẾT TẮT vii DANH MỤC BẢNG viii DANH MỤC HÌNH VẼ ix CHƯƠNG 1: TỔNG QUAN .1 1.1 Đặt vấn đề 1.2 Các nghiên cứu 1.3 Mục Tiêu Nghiên Cứu 1.4 Phương Pháp Nghiên Cứu 1.5 Phạm Vi Nghiên Cứu 1.6 Điểm Mới Của Đề Tài 1.7 Giá Trị Thực Tiễn .6 1.8 Bố Cục Của Đề Tài CHƯƠNG 2: DSM – QUẢN LÝ NHU CẦU SỬ DỤNG ĐIỆN 2.1 Giới thiệu toán DSM .8 2.2 DSM Công ty Điện lực 2.3 Các mục tiêu hệ thống điện áp dụng DSM 10 2.4 Điều khiển nhu cầu điện phù hợp .11 2.5 Nâng cao hiệu suất sử dụng lượng hộ tiêu thụ 13 2.6 Nguyên tắc quản lý điện triển khai chương trình DSM .16 2.7 Các mơ hình thực DSM 19 2.8 Các tác động giá triển khai DSM 21 2.9 Dự án quản lý nhu cầu (DSM/EE) giai đoạn II EVN thực 23 CHƯƠNG THUẬT TOÁN PARTICLE SWARM OPTIMIZATION 25 3.1 Bài toán tối ưu 25 3.2.Phương pháp PSO cổ điển 25 vi 3.3.Thuật toán PSO tổng quát .30 3.4.Thuật toán PSO cổ điển cải tiến PSO 32 3.4.1.Thuật toán PSO cổ điển[13-17] .32 3.4.2.Phương pháp PSO cải tiến với trọng số ω (ω-PSO) 33 3.4.3.Phương pháp PSO cải tiến với hệ số giới hạn (GCPSO) 33 3.5.Kết luận 34 CHƯƠNG 4: ÁP DỤNG CÁC PHƯƠNG PHÁP PSO CHO BÀI TỐN DSM .35 4.1Bài tốn DSM 35 4.2Áp dụng PSO cho toán DMS .36 4.2.1.Khởi tạo 36 4.2.2.Tìm hàm fitness .37 4.2.3.Cập nhật vận tốc 37 4.2.4.Cập nhật ví trí 38 4.2.5.Tiêu chuẩn dừng 39 4.3Thuật toán lặp áp dụng PSO cho toán DSM 39 4.4Kết luận 39 CHƯƠNG 5: KẾT QUẢ SỐ .41 5.1Bài toán mẫu 41 5.2.Kết 42 5.3.Kết Luận 47 CHƯƠNG KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 48 6.1.Kết luận .48 6.2.Hương phát triển 48 REFERENCES 49 117 % plot(i,Best_Global_Record(i),' rs','LineWidth', 2); % xlabel('So lan lap') % ylabel('Best_Global') % hold on %ve fitness theo vong lap while figure(1); Iters =10:itermax; plot(Iters,Fitness_Record(Iters),'LineWidth', 1); title ('Fitness tot nhat sau 1000 vong lap While'); xlabel('So vong lap'); ylabel('Fitness'); grid minor legend('Fitness'); format SHORT save('GCPSO.mat','Fitness_Record','itermax'); % xuat cong suat tai cac khoan dua vao vi tri cua globalparticle x1(:,i)=GlobalNest1; x2(:,i)=GlobalNest2; x3(:,i)=GlobalNest3; x4(:,i)=GlobalNest4; x5(:,i)=GlobalNest5; x6(:,i)=GlobalNest6; x7(:,i)=GlobalNest7; x8(:,i)=GlobalNest8; x9(:,i)=GlobalNest9; x10(:,i)=GlobalNest10; x11(:,i)=GlobalNest11; end % xuat vi tri cua cong suat x_k1=x1(:,ind) x_k2=x2(:,ind) x_k3=x3(:,ind) x_k4=x4(:,ind) x_k5=x5(:,ind) x_k6=x6(:,ind) x_k7=x7(:,ind) x_k8=x8(:,ind) x_k9=x9(:,ind) x_k10=x10(:,ind) x_k11=x11(:,ind) 118 x_k12=x12(:,ind) %VE HINH CONG SUAT k1=x_k1'; k2=x_k2'; k3=x_k3'; k4=x_k4'; k5=x_k5'; k6=x_k6'; k7=x_k7'; k8=x_k8'; k9=x_k9'; k10=x_k10'; k11=x_k11'; k12=x_k12'; ho1=[sum(k1(1:3)) sum(k2(1:3)) sum(k3(1:3)) sum(k4(1:3)) sum(k5(1:3)) sum(k6(1:3)) sum(k7(1:3)) sum(k8(1:3)) sum(k9(1:3)) sum(k10(1:3)) sum(k11(1:3)) sum(k12(1:3)) sum(k12(1:3))]; ho2=[sum(k1(4:6)) sum(k2(4:6)) sum(k3(4:6)) sum(k4(4:6)) sum(k5(4:6)) sum(k6(4:6)) sum(k7(4:6)) sum(k8(4:6)) sum(k9(4:6)) sum(k10(4:6)) sum(k11(4:6)) sum(k12(4:6)) sum(k12(4:6))]; ho3=[sum(k1(7:9)) sum(k2(7:9)) sum(k3(7:9)) sum(k4(7:9)) sum(k5(7:9)) sum(k6(7:9)) sum(k7(7:9)) sum(k8(7:9)) sum(k9(7:9)) sum(k10(7:9)) sum(k11(7:9)) sum(k12(7:9)) sum(k12(7:9))]; ho4=[sum(k1(10:12)) sum(k2(10:12)) sum(k3(10:12)) sum(k4(10:12)) sum(k5(10:12)) sum(k6(10:12)) sum(k7(10:12)) sum(k8(10:12)) sum(k9(10:12)) sum(k10(10:12)) sum(k11(10:12)) sum(k12(10:12)) sum(k12(10:12))]; thoigian=[0:2:24]; CS=[sum(ho1(1:12)) sum(ho2(1:12)) sum(ho3(1:12)) sum(ho4(1:12))]; khoan1=sum([ho1(1) ho2(1) ho3(1) ho4(1)]); khoan2=sum([ho1(2) ho2(2) ho3(2) ho4(2)]); khoan3=sum([ho1(3) ho2(3) ho3(3) ho4(3)]); khoan4=sum([ho1(4) ho2(4) ho3(4) ho4(4)]); khoan5=sum([ho1(5) ho2(5) ho3(5) ho4(5)]); khoan6=sum([ho1(6) ho2(6) ho3(6) ho4(6)]); khoan7=sum([ho1(7) ho2(7) ho3(7) ho4(7)]); khoan8=sum([ho1(8) ho2(8) ho3(8) ho4(8)]); khoan9=sum([ho1(9) ho2(9) ho3(9) ho4(9)]); khoan10=sum([ho1(10) ho2(10) ho3(10) ho4(10)]); khoan11=sum([ho1(11) ho2(11) ho3(11) ho4(11)]); 119 khoan12=sum([ho1(12) ho2(12) ho3(12) ho4(12)]); L_12khoan=[khoan1 khoan2 khoan3 khoan4 khoan5 khoan6 khoan7 khoan8 khoan9 khoan10 khoan11 khoan12 khoan12]; L_trungbinh=sum(CS)/12; L_avg=[L_trungbinh L_trungbinh L_trungbinh L_trungbinh L_trungbinh L_trungbinh L_trungbinh L_trungbinh L_trungbinh L_trungbinh L_trungbinh L_trungbinh L_trungbinh]; figure(4) stairs(thoigian,L_12khoan,'-r','LineWidth',2) hold on stairs(thoigian,L_avg,'-b','LineWidth',2) hold on xlabel('Time(h)') ylabel('P(W)') % title('Do thi phu tai') legend('Power Energy','Average Energy') grid minor % PSO_DSM clear all for i=1:1 %% Chon thong so PSO para=[100 500 1e5]; %thong so thuat toan Nd=para(1); %so ca the NP=Nd; itermax=para(2); %so vong lap toi da cua thuat toan Kp=para(3); %he so phat.9 Pmin=[10;50;20;10;50;20;10;50;20;10;50;20]; Pmax=[150;100;200;150;100;200;150;100;200;150;100;200]; N=length(Pmin(:,1)); %kich thuoc ma tran thong so ban dau Qmin=zeros(N,Nd); %tan so cua ca the Qmax=2*ones(N,Nd); vmax=0.15*Pmax(1:N,1)*ones(1,Nd); %van toc max cua ca the vmin=-vmax; v=vmin+rand(N,Nd).*(vmax-vmin); %van toc ngau nhien cua moi ca the % v=zeros(N,Nd); A_max= (24*[80;75;110;80;75;110;80;75;110;80;75;110])*ones(1,Nd); %dien nang tieu thu 120 c1=0.5; % hang so hoi tu c2=0.5; %% main %khoan Pidmin1 = Pmin(1:N,1)*ones(1,Nd); % chuyen doi ma tran Pmin ve ma tran Pidmax1 = Pmax(1:N,1)*ones(1,Nd); % van toc ca the khoan Nest_1 = Pidmin1+rand(N,Nd).*(Pidmax1-Pidmin1); %12 hang vid1=vmin+rand(N,Nd).*(vmax-vmin); %khoi tao ngau nhien Nd cot; tinh cong suat ngau nhien cho khoan L1=sum(Nest_1); %1hang Nd cot; tim dien nang tieu thu cua khoan tong1= 2*Nest_1; %A1 %6hang Nd cot %khoan Pidmin2 = Pmin(1:N,1)*ones(1,Nd); Pidmax2 = Pmax(1:N,1)*ones(1,Nd); vid2=vmin+rand(N,Nd).*(vmax-vmin); Nest_2 = Pidmin2+rand(N,Nd).*(Pidmax2-Pidmin2); L2=sum(Nest_2); tong2= 2*Nest_2;% A2 %khoan Pidmin3 = Pmin(1:N,1)*ones(1,Nd); Pidmax3 = Pmax(1:N,1)*ones(1,Nd); vid3=vmin+rand(N,Nd).*(vmax-vmin); Nest_3 = Pidmin3+rand(N,Nd).*(Pidmax3-Pidmin3); L3=sum(Nest_3); tong3=2*Nest_3;% A3 %khoan Pidmin4 = Pmin(1:N,1)*ones(1,Nd); Pidmax4 = Pmax(1:N,1)*ones(1,Nd); vid4=vmin+rand(N,Nd).*(vmax-vmin); Nest_4 = Pidmin4+rand(N,Nd).*(Pidmax4-Pidmin4); L4=sum(Nest_4); tong4= 2*Nest_4;% A4 %khoan Pidmin5 = Pmin(1:N,1)*ones(1,Nd); 121 Pidmax5= Pmax(1:N,1)*ones(1,Nd); vid5=vmin+rand(N,Nd).*(vmax-vmin); Nest_5 = Pidmin5+rand(N,Nd).*(Pidmax5-Pidmin5); L5=sum(Nest_5); tong5= 2*Nest_5;% A5 %khoan Pidmin6 = Pmin(1:N,1)*ones(1,Nd); Pidmax6 = Pmax(1:N,1)*ones(1,Nd); vid6=vmin+rand(N,Nd).*(vmax-vmin); Nest_6 = Pidmin6+rand(N,Nd).*(Pidmax6-Pidmin6); L6=sum(Nest_6); tong6= 2*Nest_6;% A6 %khoan Pidmin7 = Pmin(1:N,1)*ones(1,Nd); Pidmax7 = Pmax(1:N,1)*ones(1,Nd); vid7=vmin+rand(N,Nd).*(vmax-vmin); Nest_7 = Pidmin7+rand(N,Nd).*(Pidmax7-Pidmin7); L7=sum(Nest_7); tong7= 2*Nest_7;% A7 %khoan Pidmin8 = Pmin(1:N,1)*ones(1,Nd); Pidmax8 = Pmax(1:N,1)*ones(1,Nd); vid8=vmin+rand(N,Nd).*(vmax-vmin); Nest_8 = Pidmin8+rand(N,Nd).*(Pidmax8-Pidmin8); L8=sum(Nest_8); tong8= 2*Nest_8;% A8 %khoan Pidmin9 = Pmin(1:N,1)*ones(1,Nd); Pidmax9 = Pmax(1:N,1)*ones(1,Nd); vid9=vmin+rand(N,Nd).*(vmax-vmin); Nest_9 = Pidmin9+rand(N,Nd).*(Pidmax9-Pidmin9); L9=sum(Nest_9); tong9= 2*Nest_9;% A9 %khoan 10 Pidmin10 = Pmin(1:N,1)*ones(1,Nd); 122 Pidmax10= Pmax(1:N,1)*ones(1,Nd); vid10=vmin+rand(N,Nd).*(vmax-vmin); Nest_10 = Pidmin10+rand(N,Nd).*(Pidmax10-Pidmin10); L10=sum(Nest_10); tong10= 2*Nest_10;% A10 %khoan 11 Pidmin11 = Pmin(1:N,1)*ones(1,Nd); Pidmax11= Pmax(1:N,1)*ones(1,Nd); vid11=vmin+rand(N,Nd).*(vmax-vmin); Nest_11 = Pidmin11+rand(N,Nd).*(Pidmax11-Pidmin11); L11=sum(Nest_11); tong11= 2*Nest_11;% A11 %tong hop 11 khoan Diennang=tong1+tong2+tong3+tong4+tong5+tong6+tong7+tong8+tong9+tong10+ton g11; %khoan 12 tong12=(A_max-Diennang); %A12 Nest_12=tong12/2; L12=sum(Nest_12); dP1d =max(abs(max(zeros(12,Nd),Nest_12Pidmax1)),abs(max(zeros(12,Nd),Pidmin1-Nest_12))); %tim sai so phat L=[L1;L2;L3;L4;L5;L6;L7;L8;L9;L10;L11;L12]; %tao ma tran cong suat cho tung khoan L_max=max(L); L_tong=sum(L); %tong cong suat cua 12 khoan L_avg=L_tong/12; %gia tri trung binh cua cong suat Fitness=L_max./L_avg+Kp*sum(dP1d).^2; %PAR :tim cua no ~1 LocalNest1 = Nest_1; %cong suat hien tai cua khoan LocalNest2 = Nest_2; LocalNest3 = Nest_3; LocalNest4 = Nest_4; LocalNest5 = Nest_5; LocalNest6 = Nest_6; LocalNest7 = Nest_7; LocalNest8 = Nest_8; LocalNest9 = Nest_9; LocalNest10 = Nest_10; LocalNest11 = Nest_11; Localphat=sum(dP1d); LocalFitness = Fitness; %PAR hien tai 123 [GlobalFitness,ind] = min((LocalFitness)); %tim vi tri co PAR nho nhat GlobalNest1 = Nest_1(:,ind); %cong suat toi uu cua khoan theo vi tri cua PAR nho nhat GlobalNest2 = Nest_2(:,ind); GlobalNest3 = Nest_3(:,ind); GlobalNest4 = Nest_4(:,ind); GlobalNest5 = Nest_5(:,ind); GlobalNest6 = Nest_6(:,ind); GlobalNest7 = Nest_7(:,ind); GlobalNest8 = Nest_8(:,ind); GlobalNest9 = Nest_9(:,ind); GlobalNest10 = Nest_10(:,ind); GlobalNest11 = Nest_11(:,ind); k=0; %cho vong lap hien tai la %% Main loop k = 1; while kvmax) = vmax(vid1>vmax); % xet gioi han min,max de chon vid vid1(vid1vmax); vid2(vid2vmax); vid3(vid3vmax); vid4(vid4vmax); vid5(vid5vmax); vid6(vid6vmax); vid7(vid7vmax); vid8(vid8vmax); vid9(vid9vmax); vid10(vid10vmax); vid11(vid11Pidmax1); % xet gioi han Pmin,Pmax 125 Nest_1(Nest_1Pidmax2); Nest_2(Nest_2Pidmax3); Nest_3(Nest_3Pidmax4); Nest_4(Nest_4Pidmax5); Nest_5(Nest_5Pidmax6); Nest_6(Nest_6Pidmax7); Nest_7(Nest_7Pidmax8); Nest_8(Nest_8Pidmax9); Nest_9(Nest_9Pidmax10); Nest_10(Nest_10Pidmax11); Nest_11(Nest_11