بهینه‌سازی مدیریت انرژی و کاهش پیک بار در پارکینگ‌های خورشیدی با استفاده از الگوریتم ژنتیک چندهدفه

با افزایش نگرانی‌های زیست‌محیطی و محدودیت منابع فسیلی، استفاده از انرژی‌های تجدیدپذیر، به‌ویژه انرژی خورشیدی، به‌عنوان راهکاری پایدار در سیستم‌های شهری اهمیت یافته است. پارکینگ‌های خورشیدی به‌عنوان زیرساختی نوین برای شارژ خودروهای برقی، پتانسیل بالایی در کاهش انتشار گازهای گلخانه‌ای و بهبود بهره‌وری انرژی دارند. در این پژوهش، یک الگوریتم ژنتیک چندهدفه برای بهینه‌سازی مدیریت انرژی و کاهش پیک بار در پارکینگ‌های خورشیدی طراحی و شبیه‌سازی شده است. متغیرهای تصمیم‌گیری شامل توان تولیدی پنل‌ها، الگوی مصرف شارژ، زمان شارژ و ظرفیت ذخیره‌سازی انرژی تعریف شد و اهداف اصلی شامل کاهش پیک بار، صرفه‌جویی اقتصادی، افزایش بهره‌برداری از انرژی خورشیدی، بهبود کیفیت توان و ارتقای رضایت کاربران بوده‌اند. نتایج شبیه‌سازی نشان داد که پس از اجرای الگوریتم، پیک بار تا 20٪ کاهش یافته، هزینه‌های انرژی به‌طور متوسط 15٪ کاهش داشته و انتشار co₂ تا 30٪ کاهش یافته است. همچنین شاخص‌های فنی مانند pf و thd بهبود یافته و رضایت کاربران افزایش یافته است. این یافته‌ها نشان می‌دهند که الگوریتم ژنتیک چندهدفه ابزار کارآمدی برای مدیریت انرژی در سیستم‌های خورشیدی و توسعه زیرساخت‌های سبز شهری است.