ارائه یک الگوریتم تکاملی ترکیبی برای بهینه‌سازی شبکه‌های هوشمند با استفاده از مدیریت بار در حضور منابع انرژی تجدیدپذیر و سیستم‌های ذخیره انرژی به مترو

در مسائل بهینه سازی سیستم های توزیع هوشمند که متغیرها و پارامترهای زیادی وجود دارد، ارائه یک الگوریتم کارآمد که قابلیت همگرایی و حل در شبکه های بزرگ را داشته باشد از چالش های اصلی محققان می باشد. در این مقاله یک مدل بهینه سازی درجه دوم عدد صحیح مرکب برای بهبود عملکرد شبکه توزیع در مقیاس بزرگ با استفاده از مسئله مدیریت سمت تقاضا، سیستم ذخیره انرژی، سیستم باتری به مترو، کنترل بهینه تپ ترانس oltc و svr و همچنین منابع تولید پراکنده فسیلی و تجدیدپذیر در کنار خازن و راکتورهای شنت ارائه شده است. تابع چند هدفه در نظر گرفته شده یک مدل تصادفی مبتنی بر سناریو است، که مدل دقیقی از عدم قطعیت های موجود در منابع انرژی تجدیدپذیر را مدل سازی می کند. با توجه به مسائل در نظر گرفته شده و همچنین مدل شبکه های بزرگ 118 و 874 باس اغلب الگوریتم ها به دلیل وجود متغیرهای زیاد قادر به همگرایی نمی باشد. در این مقاله عملکرد مطلوب الگوریتم تکاملی ترکیبی پیشنهادی بر روی شبکه های توزیع بزرگ نشان داده شده است، که قادر رسیدن به جواب های بهینه سراسری نسبت به الگوریتم های مشابه می باشد.

presenting a hybrid evolutionary algorithm for optimizing smart grids using load management in the presence of renewable energy sources and energy storage systems to the metro

in the optimization problems of intelligent distribution systems where there are many variables and parameters, providing an efficient algorithm that has the ability to converge and solve in large networks is one of the main challenges of researchers. in this paper, a compound integer quadratic optimization model for improving the performance of large-scale distribution network using demand-side management problem, energy storage system, battery-to-metro system, optimal control of oltc and svr tap-trans and distributed generation resources. fossil and renewable are offered alongside capacitor and shunt reactors. the considered multi-objective function is a scenario-based stochastic model, which accurately models the uncertainties in renewable energy sources. according to the considered problems and also the model of large networks of 118 and 874 buses, most of the algorithms are not able to converge due to the existence of many variables. in this article, the optimal performance of the proposed hybrid evolutionary algorithm is shown on large distribution networks, which is able to reach global optimal solutions compared to similar algorithms.