برنامه‌ریزی شارژ و دشارژ خودروهای الکتریکی درون ریزشبکه با درنظرگرفتن تاثیر همسایگی‌های متعدد در الگوریتم شبیه‌سازی تبرید

امروزه پیشرفت فناوری نیازمند ترکیب فناوری‌های جدید و الگوریتم‌های محاسباتی هوشمند است. شبکه‌های الکتریکی هوشمند نوع جدیدی از ساختار قدرت هستند که قادرند زیرساخت‌های مدرنی مانند ریزشبکه‌ها، خودروهای الکتریکی و ... را در بستری کنترل‌شده توسط الگوریتم‌های محاسباتی بهینه‌سازی نمایند. وجود این عناصر، مدل‌های پیچیده‌ای را به وجود می‌آورد که حل آن اهمیت بسیار بالایی دارد. ازآنجایی‌که هر مدل الکتریکی دارای متغیرها، روابط و ویژگی‌های محاسباتی مخصوص به خود است، نیاز به انتخاب الگوریتم جستجو متناسب با هر مدل بیش‌ازپیش احساس می‌شود. انتخاب صحیح این الگوریتم می‌تواند تاثیر بسزایی در دستیابی به پاسخ بهینه با دقت بیشتر داشته باشد. در این مقاله با مدل‌سازی حضور خودروهای الکتریکی و برنامه‌ریزی شارژ و دشارژ آن‌ها در بستر ریزشبکه به بهینه‌سازی مسئله به کمک الگوریتم تبرید بهبودیافته پرداخته می‌شود. نشان داده خواهد شد که چطور این الگوریتم می‌تواند با استفاده از تاثیر همسایگی متعدد بر انتخاب مسیر جستجو، پاسخ بهینه با دقت بالا را شناسایی نماید. درنهایت پاسخ این الگوریتم با الگوریتم شبیه‌سازی تبرید استاندارد مقایسه می‌شود.

scheduling the charging and discharging of electric vehicles within the microgrid by considering the effect of multiple neighborhoods in simulated annealing algorithm

nowadays, technological advancement requires the integration of new technologies and intelligent computational algorithms. smart grids are a new type of power structure capable of optimizing modern infrastructures such as microgrids, electric vehicles, etc., within a framework controlled by computational algorithms. the presence of these elements creates complex models, the solution of which is highly important. since each electrical model has its own specific variables, relationships, and computational characteristics, the need to select a search algorithm tailored to each model is felt more than ever. the correct selection of this algorithm can significantly impact achieving an optimal solution with greater accuracy. in this paper, by modeling the presence of electric vehicles and scheduling their charging and discharging within a microgrid framework, the problem is optimized using the improved simulated annealing algorithm. it will be demonstrated how this algorithm can identify an optimal solution with high accuracy by utilizing the effect of multiple neighborhoods on the search path selection. finally, the results of this algorithm are compared with those of the standard simulated annealing algorithm.