بهینه‌سازی زنجیرۀ تامین برق مدرن با الگوریتم چند هدفۀ ژنتیک با مرتب‌سازی نامغلوب

برنامه‌ریزی توسعۀ شبکه یکی از مسائل مهم در سیستم قدرت برای برآوردن رشد تقاضای برق در سال‌های آینده با توجه به افزایش جمعیت، توسعۀ شهری و افزایش رفاه اجتماعی است. به‌دلیل عمر طولانی و گسترۀ جغرافیایی شبکه‌های انرژی الکتریکی، احداث و بهره‌برداری از بخش‌های مختلف آن نیازمند هزینه‌های بسیار گزاف است. مشکلات زیست‌محیطی و گرمایش کره‌زمین یکی از بزرگ‌ترین دغدغه‌های جوامع است. استفاده از فناوری‌های تولید انرژی تجدید‌پذیر به‌عنوان یکی از اساسی‌ترین راهکارها، با توجه به متغیر بودن توان خروجی آن‌ها در شبانه‌روز و همچنین وابستگی آن‌ها به شرایط آب‌وهوایی، یکی از دغدغه‌های اصلی برنامه‌ریزان و بهره‌برداران شبکه‌های قدرت است. عدم قطعیت ناشی از این تولیدات می‌تواند در هزینه‌های تحمیلی به شبکه و بهره‌برداری از شبکه‌های برق، تاثیرات زیادی مانند افزایش قطعی برق و انرژی تامین نشده داشته باشد. برای رفع این مشکل، یک مدل جامع چندهدفه و احتمالاتی به‌منظور تعیین محل نصب، نوع و ظرفیت بهینه تولیدات پراکنده در سطح صنعت برق مدرن پیشنهاد شده است. هدف‌گذاری نهایی این مدل، کمینه‌سازی تلفات انرژی، هزینه‌های سرمایه‌گذاری و بهره‌برداری، انرژی تامین نشده و آلاینده‌های زیست‌محیطی است. روش‌های پیشنهادی توسط نرم افزار matlab بر روی شبکۀ برق garver و شبکۀ توزیع 33 ناحیه‌ای ieee پیاده‌سازی و توسط الگوریتم چندهدفۀ ژنتیک با مرتب‌سازی نامغلوب (nsga-ii) ‌حل شده‌اند. مدل‌ نهایی را می‌توان به‌طور موثر برای برنامه‌ریزی زنجیرۀ تامین شبکۀ برق مدرن با نفوذ تولیدات مبتنی‌بر انرژی‌های تجدیدپذیر در ابعاد مختلف اقتصادی، زیست‌محیطی و اجتماعی به‌کار گرفت.

optimization of modern electricity supply chain with nsga-ii

environmental problems and global warming are one of the biggest concerns of societies. using renewable energy generation technologies as one of the most basic solutions is one of the main concerns of planners and beneficiaries of power grids, considering the variability of their output power day and night and their dependence on weather conditions. the uncertainty caused by these generations can have many effects on the costs imposed on the grid and the operation of electricity grids, such as an increase in power outages and energy not supplied. to solve this problem, a comprehensive multi-objective and probabilistic model has been proposed to determine the installation location, type, and optimal capacity of dgs in the modern supply chain of electricity. the final objective of this model is to minimize energy losses, investment and operation costs, energy not supplied, and environmental emissions. the proposed methods have been implemented by matlab software on the garver power grid and ieee 33-bus distribution grid and solved by the multi-objective nsga-ii. the final model can be effectively used to plan the supply chain of the modern electricity grid with the influence of renewable energy-based products in various economic, environmental, and social dimensions.