برنامه‌ریزی تصادفی دو مرحله‌ای همزمان انرژی و رزرو در ریز شبکه‌های هوشمند مبتنی بر بهینه‌سازی چند هدفه

در این مقاله، یک مدل برنامه ریزی تصادفی دو مرحله‌ای مبتنی بر بهینه سازی چند هدفه به منظور بهره برداری بهینه ریزشبکه هوشمند با هدف کمینه سازی هزینه بهره برداری و آلاینده‌های زیست محیطی با حضور منابع تجدیدپذیر و پاسخگویی بار پیشنهاد شده است. در مدل پیشنهادی، خطای پیش‌بینی توان منابع تجدیدپذیر به‌وسیله توابع چگالی احتمال مدلسازی شده و برنامه‌های پاسخ بار، جهت پوشش عدم قطعیت توان منابع تجدیدپذیر استفاده شده است. در مدل مساله فرض می‌شود که بهره بردار ریزشبکه برای مدیریت بهینه شبکه، در دو حوزه بهره‌برداری در وضعیت پایه و حوزه مربوط به سناریوهای مختلف برای تولید منابع تجدیدپذیر، تصمیم گیری می‌کند. وضعیت پایه ی ریز شبکه، اشاره به حالتی است که توان منابع تجدید پذیر برابر با مقادیر پیش‌بینی شده در نظر گرفته شوند. برای حل مساله، از روش بهینه‌سازی چندهدفه ازدحام ذرات (mopso)[i] و برای استخراج خروجی از فضای پرتو، از روش topsis استفاده شده است. مدل پیشنهادی بر روی یک ریزشبکه هوشمند نمونه پیاده سازی شده و نتایج عددی نشان دهنده کارایی مدیریت سمت تقاضا در کاهش هزینه ها، آلایندگی و پوشش عدم قطعیت ناشی از توان تولیدی منابع بادی و خورشیدی می‌باشد.

Two-Stage Stochastic Programming for Simultaneous Energy and Reserve Management in Smart Micro-Grids Based on a Multi-Objective Optimization

In this paper, a twostage stochastic programming model based on a multiobjective optimization has been proposed for optimal operation of smart microgrid (MG) aiming at minimizing operational costs and environmental emissions in presence of renewable resources and demand response. In the presented model, the forecasting error of the renewable resources productions is modeled by probability density functions and demand response has been implemented to cover the uncertainty of the renewable resources. Here, it is assumed that the MG operator decides on two stages for optimum management of its network; first stage is the operation in the base state and the second one is pertaining to the domains of different scenarios for generation of renewable resources. The base state of the microgrid refers to the situation in which the active power productions of renewables are equal to the predicted values. To solve the problem, MultiObjective Particle Swarm Optimization method has been used and TOPSIS technique has been applied to extract the output from the Pareto Frontier. The proposed approach is applied to a typical MG and the numerical results show the efficiency of demand side management in reducing costs and environmental emissions as well as covering the uncertainty resulting from renewables.