ارائه روشی جدید به‌منظور بهینه‌سازی چندهدفه سیستم ترکیبی مستقل از شبکه فتوولتائیک/دیزل ژنراتور با در نظر گرفتن عدم‌قطعیت و رزرو

در این مقاله، یک چارچوب برای بهینه‌سازی چندهدفه سیستم ترکیبی فتوولتائیک/دیزل ژنراتور (pv/dg) ارائه شده است. این مطالعه طراحی سیستم pv/dg را با اهداف کاهش هزینه، کاهش آلایندگی و افزایش قابلیت اطمینان دنبال می‌کند. هزینه خالص فعلی (tnpc)، آلایندگی دی‌اکسیدکربن و احتمال ازدست‌دادن منبع تغذیه (lpsp) به‌عنوان توابع هدف مسئله انتخاب‌شده‌اند. این سیستم در سه وضعیت 1- بدون در نظر گرفتن عدم‌قطعیت و رزرو، 2- با در نظر گرفتن عدم‌قطعیت و 3- با در نظر گرفتن عدم‌قطعیت و رزرو بررسی شده است. به‌منظور حل موثر این مسئله بهینه‌سازی، نسخه چندهدفه الگوریتم جستجوی کلاغ (mocsa) توسعه داده‌شده و نتایج شبیه‌سازی با نتایج حاصل از الگوریتم پرطرفدار ژنتیک مبتنی بر رتبه‌بندی نامغلوب ii (nsga-ii)  مقایسه شده است. کدنویسی مسئله در محیط نرم‌افزار متلب انجام‌گرفته و مرزهای پارتو حاصل از بررسی سیستم در هر یک از سه وضعیت مذکور با یکدیگر مقایسه شده است. نتایج حاصل نشان می‌دهند که ترکیب دیزل ژنراتور و سیستم فتوولتائیک گزینه مناسبی برای تحقق اهداف در نظر گرفته شده و تامین توان الکتریکی مناطق مستقل از شبکه است. ضمن آن‌که الگوریتم جستجوی کلاغ چندهدفه نتایج بهتری نسبت به الگوریتم ژنتیک مبتنی بر رتبه‌بندی نامغلوب ii پیدا می‌کند.

A novel approach for multiobjective optimization of standalone PV/DG hybrid system with considering uncertainty and operating reserve

In this paper, a framework for multiobjective optimization of a hybrid photovoltaic/diesel generator (PV/DG) system has been presented. This study follows the design of the PV/DG system at the lowest cost, lowest emission and highest reliability.The total net present cost (TNPC), CO2 emissions and the loss of power supply probability (LPSP) are selected asthe problem objectives. This system has been designed in three scenarios: 1 without considering uncertainty and operating reserve, 2 with considering uncertainties of the system and 3 with considering uncertainties of the system and using DG as operating reserve. In order to effectively solve this problem, multiobjective versionof crow search algorithm (MOCSA) has been developed and the results are compared with the results obtained by wellknown nondominated sorting genetic algorithm II (NSGAII). The coding of the problem has been done in MATLAB environment and the Pareto fronts have been compared. Simulation results indicate that combination of DG and PV is a promising alternative for supplying the electrical demand of standalone areas. Moreover, the results obtained by MOCSA outperform the results obtained by NSGAII.