بررسی تلفات شبکه و هزینه احداث نیروگاه‌های تولید پراکنده بر اساس الگوریتم ژنتیک چند هدفه و الگوریتم بازار بورس

ایران، همچون تمامی کشورهای جهان، به جهت کاهش استفاده از سوخت‌های فسیلی و نشر کربن در محیط‌زیست، به سمت استفاده از منابع انرژی تولید پراکنده در حرکت است. منابع انرژی تجدید پذیر بخش عمده‌ای از dg‌ها را تشکیل می‌دهند. هدف اصلی پروژه‌های صنعت برق در زمینه‌ برنامه‌ریزی و توسعه dg‌ها، ترکیب بهینه این منابع در کنار یکدیگر است. مطالعات جامع و هدفمندی نیاز است تا عملکرد dg‌ها در شبکه قدرت را شناخته و از تاثیرات سوء آن‌ها جلوگیری کند. به‌عنوان‌مثال مسئله‌ی جایابی و تعیین ظرفیت dg ها، در زمانی که تعداد زیادی از منابع تولید پراکنده به شبکه متصل باشند، به‌مراتب مشکل‌سازتر و پیچیده‌تر می‌شود. به جهت حل مشکلاتی از این قبیل و کم کردن موارد و اثرات ناخواسته استفاده از dg‌ها، الگوریتم‌های بهینه‌سازی در طول یک دهه گذشته رشد و توسعه چشم‌گیری داشتند. در این مقاله ضمن تشریح دو روش موردنظر، به مقایسه نسخه بهینه‌شده الگوریتم ژنتیک با مرتب‌سازی نا‌مغلوب و الگوریتم بازار بورس بر مبنای سیستم‌های موجود در matpower در جهت پیدا کردن یک‌راه حل سریع و قابل‌اعتماد برای طرح‌ریزی بهینه منابع تولید پراکنده پرداخته شده و نتایج حاصل تشریح گردیده است.

Examining the Network Losses and Costs of Construction of Distributed Generation Plants Based on MultiObjective Genetic Algorithm and Exchange Market Algorithm

IRAN and the world are moving away from central energy resource to distributed generation (DG) in order to lower carbon emissions. Renewable energy resources comprise a big percentage of DGs and their optimal integration to the grid is the main attempt of planning/developing projects with in electricity network. Feasibility and thorough conceptual design studies are required in the planning/development process as the most of the electricity networks are designed in the passed decades, not considering the challenges imposed by DGs. As an example, the issue of optimal placement and the capacity of DG’s become problematic when large amount of dispersed generation is connected to a distribution network. Therefore, optimized algorithms have been developed over the last decade in order to do the planning purpose optimally such as to alleviate the unwanted effects of DGs. In this article, after explaining the two proposed methods, the modified nonsorting genetic algorithm (NSGA)’s and Exchange Market Algorithm (EMA)’s results, based on MATPOWER’s systems have been compared, in order to find a fast and reliable solution to optimum planning.