برنامه‌ریزی بهینه تصادفی ریزشبکه با در نظر گرفتن تاب آوری در ‌حضور طوفان و سیل

با افزایش نفوذ منابع تولید پراکنده در شبکه های توزیع، مسئله برنامه ریزی نصب این منابع اهمیت بیشتری یافته است. در این راستا به دلیل طبیعت غیرقطعی توان توان تولیدی منابع تجدیدپذیر، لازم است تا از مدل‎های بهینه‎سازی تصادفی استفاده گردد. علاوه بر این، در سال‌های اخیر به دلیل افزایش نرخ وقوع سوانح جوی از قبیل طوفان و سیل و در نتیجه وارد شدن خسارت‌های جدی به شبکه‌های برق، لزوم در نظر گرفتن روش‌هایی جهت کاهش این خسارت‌ها در برنامه ریزی نصب ضروری به نظر می‌رسد. در این مطالعه، مدلی حهت برنامه ریزی نصب بهینه منابع تولید پراکنده تجدیدپذیر (خورشیدی و بادی)، تجدیدناپذیر (ژنراتور دیزلی) و سیستم ذخیره سازی (باتری) در کنار محکم کاری و بالابری تجهیزات شبکه، با هدف افزایش تاب آوری آن در برابر دو سانحه جوی طوفان و سیل  ارائه شده است. در مدل ارائه شده، مسئله برنامه ریزی به صورت یک مسئله بهینه سازی با هدف کمینه کردن هزینه و با درنظر گرفتن محدودیت‌های زیست‌محیطی تعریف شده است. مسئله بهینه سازی به صورت یک مدل برنامه ریزی احتمالاتی و توسط حل کننده cplex  در نرم افزار gams حل شده است. نتایج به دست آمده از مطالعات موردی بر روی شبکه 33 شینه استاندارد ieee  نشان دهنده کارایی  مدل پیشنهادی در حداقل کردن هزینه و افزایش تاب آوری سیستم است.

optimal stochastic planning of microgrid with considering resiliency against hurricanes and ‎floods‎

with the increasing penetration of distributed generation resources (ders) in distribution networks, the strategic placement of these resources has garnered increased attention. due to the uncertain power generation of renewable based ders, it is necessary to use stochastic models. additionally, in recent years, due to the rise in the occurrence of weather-related disasters such as hurricanes and floods, leading to serious damages to power grids, the necessity of considering methods to mitigate these damages in installation planning has become crucial.this study introduces a comprehensive model for optimizing the deployment of distributed renewable (solar and wind) and non-renewable (diesel generator) generation resources, accompanied by energy storage systems (batteries), network reinforcement, and equipment upgrades to enhance its resilience against two specific weather events: hurricanes and floods. the model is applied to the ieee standard 33-bus network. the planning problem is defined as a costs function while considering the environmental constraints. the optimization problem is structured as a probabilistic programming model and solved using the cplex solver in the gams software.the results obtained from case studies on the ieee standard 33-bus network demonstrate the efficiency of the proposed model in minimizing costs and increasing system resilience.