مدیریت انرژی چند هدفه ریزشبکه‌ها در حضور دستگاه‌های d-facts و انرژی‌های تجدیدپذیر با استفاده از الگوریتم رفتار مبتنی بر عملکرد یادگیرنده

توسعه ریزشبکه ها به دلیل بارهای هوشمند، منابع انرژی تجدیدپذیر، سیستم های ذخیره انرژی و همچنین وجود وسایل نقلیه الکتریکی در حال پیشرفت است. وجود چنین وسایلی در ریزشبکه ها ممکن است باعث ناهماهنگی در ریزشبکه شود که منجر به افزایش تلفات و تغییر در ولتاژ باس های ریزشبکه شود. در این مقاله، یک مدل برنامه‌ریزی درجه دوم عدد صحیح مختلط (miqp) برای مدیریت انرژی ریزشبکه در حضور بارهای هوشمند، منابع انرژی تجدیدپذیر، وسایل نقلیه الکتریکی و سیستم‌های ذخیره‌سازی انرژی ارائه شده است. همچنین برای جلوگیری از تغییرات ولتاژ و کاهش تلفات از دستگاه سیستم انتقال متناوب منعطف توزیع شده (d-facts) استفاده شده است. یک تابع چند هدفه مبتنی بر سناریو برای کاهش تلفات برق و انحرافات ولتاژ، کاهش قطع برق منابع تجدیدپذیر و کاهش آلودگی زیست محیطی ناشی از تولید پراکنده با سوخت فسیلی (dg) و در نهایت کاهش قطعی بار ریزشبکه برای کاهش آسیب‌پذیری سیستم پیشنهاد شده است. در این مقاله، یک الگوریتم تکاملی نوآورانه به نام الگوریتم رفتار مبتنی بر عملکرد یادگیرنده (lpb) پیشنهاد شده است. مدل پیشنهادی بر روی یک ریزشبکه 33 شینه پیاده‌سازی شده است و نتایج نشان می‌دهد که مدیریت انرژی پیشنهادی با مدیریت سمت تقاضا می‌تواند تلفات انرژی را تا 9 درصد و انحراف ولتاژ را تا 10 درصد کاهش دهد.

multi-objective energy management of microgrids in the presence of d-facts devices and renewable energies using learning performance-based behavior algorithm

the development of microgrids is progressing due to smart loads، renewable energy sources، energy storage systems and also the presence of electric vehicles (ev). the presence of such devices in microgrids may cause inconsistency in the microgrid، which leads to increased losses and changes in the voltage of microgrid buses. in this paper، a mixed integer quadratic programming (miqp) model is presented for microgrid energy management in the presence of smart loads، renewable energy sources، electric vehicles and energy storage systems. also، to prevent voltage changes and reduce losses، the distributed flexible alternating transmission system (d-facts) device has been used. a scenario-based multi-objective function is proposed to reduce power losses and voltage deviations، reduce power outages of renewable sources، and reduce environmental pollution caused by distributed generation with fossil fuel (dg) and finally reduce the microgrid load definitively to reduce the vulnerability of the system. in this paper، an innovative evolutionary algorithm called learner performance-based behavior (lpb) algorithm is proposed. the proposed model is implemented on a 33-bus microgrid and the results show that the proposed energy management with demand side management can reduce energy loss by 9% and voltage deviation by 10%.