برنامه ریزی تولید ریزشبکه با در نظرگرفتن ریسک تامین توان از واحدهای تجدیدپذیر در حضور خودروهای الکتریکی

ریزشبکه‌ها مفهوم جدیدی در سیستم‌های الکتریکی هستند که می‌توانند به‌طور مستقل برق و گرما را برای ساکنان خود تامین کنند. این ریزشبکه‌ها قادرند واحدهای انرژی تجدیدپذیر با ماهیت احتمالی را در خود ادغام کرده که این ویژگی، چالش‌های مهمی را برای آن‌ها ایجاد می‌کند. این مقاله به زمان‌بندی تولید ریزشبکه با در نظرگرفتن ریسک تامین توان از واحدهای تجدیدپذیر در حضور خودروهای الکتریکی می‌پردازد. هدف از این مطالعه، کاهش ریسک خاموشی برق با استفاده از خودروهای الکتریکی، افزایش استقلال ریزشبکه، بهبود پایداری سیستم و توزیع هوشمندانه توان، همراه با حداقل هزینه‌های زیست‌محیطی و اقتصادی است. بدین منظور ابتدا ساختار احتمالی مدل پیشنهادی معرفی شده و سپس مسئله بهینه‌سازی بر روی این مدل با استفاده از سه الگوریتم بهینه‌سازی گرگ خاکستری ، الگوریتم کرم شب‌تاب  و بهینه‌سازی ازدحام ذرات  شبیه‌سازی و درنهایت شاخص‌های ریزشبکه شامل میزان ریسک، وضعیت استقلال و پایداری، شاخص توزیع توان و هزینه‌های زیست‌محیطی و اقتصادی محاسبه می‌شود. با اجرای شبیه‌سازی مسئله پیشنهادی، علاوه بر کاهش خطر خاموشی با استفاده از خودروهای الکتریکی، اهداف مسئله بهینه می‌شوند.

microgrid power scheduling considering the risk of power supply from renewable units in the presence of electric vehicles

microgrids are a new concept in electrical systems that can independently supply electricity and heat (chp) to their residents. these microgrids are capable of integrating renewable energy units with a probabilistic nature, which creates significant challenges for them. this paper addresses the timing of microgrid production, considering the risk of power supply from renewable units in the presence of electric vehicles. the aim of this study is to reduce the risk of power outage using electric vehicles, increase microgrid independence and stability, and intelligently distribute power with minimal environmental and economic costs. to this end, a probabilistic model structure is first introduced, and then the optimization problem on this model is simulated using three optimization algorithms: gray wolf optimization (gwo), firefly algorithm (fa), and particle swarm optimization (pso). ultimately, microgrid indices such as microgrid independence and stability, risk level, power distribution index, and optimal environmental and economic costs are calculated. by simulating the proposed problem, in addition to reducing the risk of power outages using electric vehicles, the objectives of the problem are optimized.