مدل تصادفی چندهدفه به منظور تعیین نوع، ظرفیت و محل نصب تولیدات پراکنده در زنجیره تامین جدید صنعت برق

در سال‌های اخیر به‌ دلیل هزینه‌ بالای ساخت نیروگاه‌های بزرگ و متمرکز و مشکلات خطوط بلند انتقال انرژی، صنعت برق به سمت استفاده از تولیدات کوچک و توزیع‌ شده در نزدیکی محل مشترکین سوق یافته است. از سوی دیگر با توجه به مشکلات زیست‌ محیطی، بخشی از این تولیدات توزیع‌ شده مبتنی بر انرژی‌های تجدیدپذیر هستند که رفتار تصادفی دارند. تعیین محل قرارگیری و ظرفیت این تولیدات در سطح شبکه توزیع تاثیر بسزایی در مدیریت منابع مالی و بهبود پارامترهای زنجیره تامین دارد. در این پژوهش یک مدل جامع چندهدفه و احتمالاتی به‌ منظور تعیین محل نصب، نوع و ظرفیت بهینه تولیدات پراکنده در سطح زنجیره تامین جدید برق پیشنهاد شده است. هدف‌ گذاری نهایی این مدل کمینه ‌سازی تلفات انرژی، هزینه‌ های سرمایه‌گذاری و بهره‌برداری، انرژی تامین‌ نشده و آلاینده‌های زیست‌محیطی است. مدل پیشنهادی بر روی یک شبکه 33 ناحیه‌ای توسط نرم افزار متلب اعمال و به صورت چند هدفه توسط الگوریتم فرا ابتکاری ژنتیک با مرتب سازی نامغلوب حل شده است. نتایج نهایی، اثربخشی روش پیشنهادی را در ابعاد مختلف اقتصادی، زیست‌ محیطی و اجتماعی در زنجیره تامین برق نشان می‌دهند.

Multi-Objective Random Model to Determine the Type, Capacity and Installation Location of Distributed Products in the New Supply Chain of the Electricity Industry

In recent years, with the high cost of building large and centralized power plants and the problems of long power transmission lines, the electricity industry has shifted to the use of small and distributed generation near the location of customers. On the other hand, due to environmental problems, some of these distributed products are based on renewable energy, which has a random behavior. Determining the location and capacity of these products at the distribution network level has a great impact on managing financial resources and improving supply chain parameters. In this research, a comprehensive multiobjective and probabilistic model is proposed to determine the installation location, type, and optimal capacity of distributed products at the level of the new electricity supply chain. The ultimate goal of this model is to minimize energy losses, investment and operation costs, unsupplied energy, and environmental pollutants. The proposed model is applied on a 33region network by MATLAB software and solved in a multiobjective way by a genetic metaheuristic algorithm with faulty sorting. The final results show the effectiveness of the proposed method in various economic, environmental, and social dimensions of the electricity supply chain.