چارچوب چندهدفه تصادفی جهت بازآرایی و تعیین ظرفیت تولیدات پراکنده در شبکه های توزیع

در این مقاله، به منظور اجرای بازآرایی شبکه توزیع هوشمند و تعیین ظرفیت تولیدات پراکنده به طور هم‌زمان، چارچوبی چندهدفه و تصادفی ارائه می شود که در آن اهداف کاهش تلفات، کاهش هزینه های بهره برداری و کاهش انتشار آلاینده های زیست محیطی دنبال می شود. در بیشتر تحقیقات انجام‌شده درزمینه‌ی بازآرایی، بار مشترکین و پست های توزیع ثابت فرض شده است؛ درحالی‌که در واقعیت این بارها دائماً در حال تغییر هستند. عموماً به جهت برنامه ریزی، بدترین حالت که همان حداکثر بار است را مدنظر قرار می دهند، ولی آرایش به‌دست‌آمده با این فرضیه، به طور حتم آرایش بهینه نیست. به همین دلیل برای رفع این مشکل، در این مقاله به منظور پوشش عدم قطعیت های مربوط به بار، چارچوب مسئله بازآرایی و تعیین ظرفیت تولیدات پراکنده در قالب یک مسئله ی برنامه ریزی مقید به شانس ارائه شده و در آن شبیه سازی مونت کارلو به کار گرفته شده است. مسئله بازآرایی و تعیین ظرفیت تولیدات پراکنده به طور هم زمان به منظور دست یابی به اهداف از پیش تعیین شده، یک مسئله بهینه سازی چندهدفه است. به منظور حل مسئله ی بهینه سازی ارائه شده در چارچوب چندهدفه تصادفی این مقاله، از یک روش بهینه سازی قدرتمند تازه معرفی شده به نام رهیافت بهینه سازی مبتنی بر رفتار انسان استفاده شده است. در نهایت چارچوب چندهدفه ی تصادفی ارائه شده، بر روی یک شبکه ی 33 شینه ieee پیاده سازی شده و نتایج حاصل از آن تحلیل شده است.

Stochastic multi-objective framework for reconfiguration and distributed generations sizing in distribution networks

In this paper, to implement the reconfiguration of the intelligent distribution network and sizing the distributed generations (DGs), simultaneously, a stochastic multiobjective framework is presented in which the goals of reducing the energy losses, operating costs and emissions of environmental pollutants are followed. In most of the researches carried out for the network reconfiguration, the customer and distribution substation loads have been assumed to be fixed, while in reality these loads are changing. Generally, in the power system planning, the worst case which is the maximum possible load is considered, but the obtained configuration with this assumption is certainly not the optimal configuration. Therefore, in this paper, in order to cover the uncertainties associated with the load, the framework for the reconfiguration and DGs sizing problem is presented as a chance constrained programming problem and the Monte Carlo simulation is used in it. The problem of reconfiguration and DGs sizing at the same time in order to achieve predetermined goals is a multiobjective optimization problem. In order to solve it, this paper uses a newly introduced powerful optimization method called humanbehavior based optimization approach. Finally, the proposed stochastic multiobjective framework is implemented on an IEEE 33bus network, and the results are analyzed.