fa چارچوب مدیریت انرژی دو مرحله‌ای برای ریزشبکه ادغام شده با منابع انرژی تجدیدپذیر و مزرعه استخراج رمزارز برق و کامپیوتر پژوهشي Research <p style="text-align: justify;"><span style="font-size:12px;"><span style="font-family:Tahoma;"><span dir="RTL" lang="FA"><span style="line-height:107%"><span b="" nazanin="">ارزهای رمزنگاری شده که ترکیبی جدید از رمزنگاری و ارز در حوزه‌های مالی می‌باشند، بطور فزاینده‌ای در سراسر جهان در حال گسترش هستند. گسترش استفاده و افزایش قابل توجه ارزش این ارزهای دیجیتال سبب رشد سطح نفوذ مزارع استخراج رمزارز در شبکه قدرت شده است. حضور فزاینده‌ی مزارع استخراج رمزارز در شبکه‌های برق، به عنوان یک بار الکتریکی نوظهور، می‌تواند چالش‌های متعددی مانند افزایش پیک، نوسانات قابل توجه در تقاضای انرژی و افت قابلیت اطمینان شبکه منجر شوند. دولت‌ها و مقامات تنظیمی به دنبال راه‌هایی برای مدیریت تاثیرات ناشی از استخراج رمزارز بر شبکه برق هستند. بنابراین، در این مقاله،</span></span></span> <span dir="RTL" lang="FA"><span style="line-height:107%"><span b="" nazanin="">ضمن ارائه مدلی برای بهره‌برداری از مزارع رمزارز،</span></span></span> <span dir="RTL" lang="FA"><span style="line-height:107%"><span b="" nazanin="">یک چارچوب مدیریت انرژی برای یک ریزشبکه جزیره‌ای در حضور منابع تجدیدپذیر و مزرعه استخراج رمزارز ارائه شده است. مدل پیشنهادی شامل دو مرحله برنامه‌ریزی روز آینده و زمان واقعی می‌باشد. مرحله اول به برنامه‌ریزی روز بعد با کمینه کردن هزینه بهره‌برداری، افزایش قابلیت اطمینان شبکه و درآمد مزرعه رمزارز می‌پردازد. مرحله دوم برنامه‌ریزی مرحله اول را با هدف کمینه کردن هزینه نوسان برای بازه‌های زمانی 15 دقیقه‌ای بروز می‌کند.</span></span></span> <span dir="RTL" lang="FA"><span style="line-height:107%"><span b="" nazanin="">تاثیر افزایش تقاضای مزرعه استخراج رمزارز بر هزینه بهره‌برداری مورد ارزیابی قرار گرفته است و نتایج نشان می</span></span></span><span style="line-height:107%"><span jadiid="" naskh="">&shy;</span></span><span dir="RTL" lang="FA"><span style="line-height:107%"><span b="" nazanin="">دهند که با اعمال چارچوب پیشنهادی هزینه بهره‌برداری 20 درصد کاهش یافته است. </span></span></span><span dir="RTL" lang="FA"><span style="line-height:107%"><span b="" nazanin="">همچنین با افزایش 40 درصدی تقاضای مزرعه استخراج رمزارز، قابلیت اطمینان نزدیک به 4.6 درصد نسبت به قبل از اعمال مدل پیشنهادی به ریزشبکه در ظرفیت نامی مزرعه بهبود می‌یابد.</span></span></span></span></span></p> <p style="text-align: justify;"><span style="font-size:12px;"><span style="font-family:Tahoma;"><span style="line-height:107%"><span new="" roman="" times="">Cryptocurrencies, which represent a groundbreaking fusion of cryptography and financial currency, are gaining popularity across the globe. The surge in their use and value has led to an increased integration of cryptocurrency mining operations into the power grid. This integration poses new challenges for electrical networks, including heightened peak demand, substantial fluctuations in energy demand, and diminished network reliability. In response, governments and regulatory bodies are exploring strategies to mitigate the impact of cryptocurrency mining on the electrical infrastructure. This paper introduces a model for the operation of cryptocurrency mining devices, proposing an energy management framework for isolated microgrids that incorporate renewable energy sources and a cryptocurrency mining operation. The model is executed in two phases: day-ahead planning and real-time adjustment. The day-ahead planning aims to minimize operational costs, enhance reliability, and maximize income for the cryptocurrency mining operation. The real-time phase adjusts the initial schedule to minimize the costs associated with fluctuations over 15-minute intervals. Our findings reveal that the proposed model, when applied, can reduce operational costs by 20%. Furthermore, with a 40% increase in demand from the cryptocurrency mining operation, the reliability of the microgrid is improved by approximately 4.6%, assuming the mining farm operates at its nominal capacity.</span></span></span></span></p> مزرعه استخراج رمزارز؛ یادگیری ماشین؛ تصمیم‌گیری چند هدفه؛ قابلیت اطمینان؛ رفاه اجتماعی Cryptocurrency mining farm, Machine learning, Multi-objective decision-making, Reliability, Social welfare 49 61 http://ieijqp.ir/browse.php?a_code=A-10-1587-1&slc_lang=fa&sid=1 Payman Rezaei پیمان رضائی payman.rezaei@email.kntu.ac.ir 10031947532846007405 10031947532846007405 No K. N. Toosi University of Technology, Tehran, Iran دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی خواجه نصیرالدین طوسی- ایران Masoud AliAkbar Golkar مسعود علی اکبر گلکار Golkar@kntu.ac.ir 10031947532846007406 10031947532846007406 Yes K. N. Toosi University of Technology, Tehran, Iran دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی خواجه نصیرالدین طوسی- ایران