یک مدل ریاضی چندهدفه برای مدیریت بهینه انرژی مناطق مسکونی هوشمند با در نظر گرفتن عدم قطعیت

سیستم‌های تولید برق کنونی کشور، نیروگاه‌هایی با مقیاس بزرگ هستند که در مکان‌های دور از مصرف کننده قرار دارند. این نیروگاه‌ها از سوخت‌های فسیلی به ‌عنوان منبع اصلی خود استفاده می‌کنند. با افزایش تقاضا برای برق، انتشار گازهای گلخانه‌ای و اتلاف برق بیشتر شده و قابلیت اطمینان کاهش می‌یابد. شهرهای هوشمند راه حل مطلوبی را دربرابر چالش‌های مذکور ارائه کرده‌اند. داشتن شبکه‌های هوشمند مهمترین ویژگی یک شهر هوشمند است که مدیریت انرژی یکی از اجزای اصلی سیستم انرژی آن به شمار می‌رود. مدیریت صحیح منابع انرژی بهینه‌سازی استفاده از آن و به حداقل‌رساندن هزینه تولید انرژی و مخاطرات زیست‌محیطی آن را ایجاب می‌کند. در این راستا، این پژوهش یک مدل بهینه‌سازی چندهدفه برای مدیریت انرژی یک شبکه هوشمند ارائه می‌کند. این مدل حداقل‌سازی هزینه، آلودگی، و پیک مصرف را همزمان با حداکثرسازی قابلیت اطمینان به عنوان اهداف خود دنبال می‌کند. در این مدل عدم قطعیت‌های توان خروجی منابع انرژی تجدیدپذیر، تقاضا و قیمت با استفاده از رویکرد تصادفی سناریومحور برنامه‌ریزی شده است. مساله به صورت یک مدل برنامه‌ریزی خطی عدد صحیح مختلط فرمول‌بندی و جواب‌های پارتو از روش محدودیت اپسیلون و جواب مطلوب پارتو از روش رضایت‌بخشی فازی به دست آمده است. نتایج حاکی از آن است که شبکه‌ هوشمند انرژی علاوه بر صرفه‌جویی در مصرف انرژی، موجب کاهش همزمان هزینه‌ و آلودگی و افزایش قابلیت اطمینان سیستم می شود.

a multi objective mathematical model for optimal energy management of smart residential areas considering uncertainty

iran’s current electricity generation systems rely on large scale power plants situated far from consumers, utilizing fossil fuels as their primary source. however, as demand for electricity surges, greenhouse gas emissions, electricity losses, and reliability issues have become prevalent. smart cities have emerged as a promising solution to these challenges, with smart grids being a critical component of their energy systems. efficient energy management necessitates the optimization of resource usage, minimization of costs and environmental risks, and maximization of reliability. this study proposes a multi objective optimization model for managing a smart grid’s energy. the model aims to minimize costs, pollution, and peak consumption while simultaneously maximizing reliability. to account for uncertainties such as renewable energy output, demand, and price, a stochastic approach is utilized. the problem is formulated as a mixed integer linear programming model, and the pareto solutions are obtained using the epsilon constraint method. in order to achieve the most optimal pareto solutions, we have employed the use of the fuzzy satisfiability method. results indicate that the smart energy grid can effectively reduce energy consumption, costs, and pollution while significantly increasing system reliability.