برنامه‌ریزی همزمان توسعه تولید و انتقال در بازار برق با استفاده از الگوریتم ژنتیک چندهدفه

در این مقاله یک چارچوب جدید چند معیاره برای برنامه ریزی دینامیکی و همزمان توسعه تولید و انتقال در بازار برق ارائه شده است. هزینه های سرمایه گذاری و بهره برداری به عنوان معیارهای بلندمدت و کوتاه مدت اقتصادی، هزینه تراکم خطوط به عنوان معیاری از بازار و متوسط هزینه قطع بار در پیشامدهای احتمالی به عنوان معیاری از قابلیت اطمینان به عنوان اهداف برنامه ریزی انتخاب شده اند. از الگوریتم ژنتیک چندهدفه برای حل مسئله بهینه سازی فوق استفاده میشود. سپس به دلیل ماهیت متفاوت معیارهای فوق و درجات اهمیت مختلف آن ها از دیدگاه طراح، از روش ارضای فازی برای تعیین بهترین طرح استفاده می شود. برای نشان دادن قابلیت و کارآمدی، روش پیشنهادی بر روی سیستم rts ieee و سیستم واقعی خراسان شبیه سازی شده است. همچنین نتایج به دست آمده با برنامه ریزی های مستقل توسعه تولید و توسعه انتقال مقایسه شده اند.

Simultaneous Generation and Transmission Expansion Planning in the Power Market using Multiobjective Genetic Algorithm

Nowadays, due to the growth of energy consumption, power systems planning is one of the most important affair which simultaneously effects on the operation and maintenances of power systems in the future. Hence, in this paper a new multiobjective framework is proposed for dynamic Generation and Transmission Expansion Planning (GTEP) in deregulated power systems. The investment cost and operation cost are considered as long term and short term economical criteria. Also, congestion cost and average loss of load cost are considered as market and reliability criteria, respectively. Nondominated Sorting Genetic Algorithm (NSGAII) is adopted to cope with mentioned optimization problem. Moreover, fuzzy satisfying method has been applied to obtain the final optimal plan according to different satisfaction levels of objectives. To show the effectiveness and applicability of the proposed algorithm in electricity market environment, the planning methodology has been tested on the IEEERTS and a part of Iranian power system in Khorasan province (a real life case study). Obtained results also are separately compared with Generation Expansion Planning (GEP) and Transmission Expansion Planning (TEP).