fa بازیابی بهینه سیستم‌های توزیع فعال با هدف بهبود تاب‌آوری و با در نظر گرفتن عدم قطعیت منابع تجدیدپذیر برق و کامپیوتر پژوهشي Research <span dir="RTL">هدف شبکه‌های هوشمند در سراسر جهان، تأمین برق قابل اطمینان و تاب‌آور به مشترکین می‌باشد. در اتفاقات بزرگ ناشی از حوادث طبیعی، منابع تولید پراکنده در تغذیه قابل اطمینان و تاب‌آور بارهای شبکه نقش کلیدی را بازی می‌کنند. </span><a name="_Hlk60746495"><span dir="RTL">تاب‌آوری</span><span dir="RTL"> سیستم‌های قدرت را می توان به عنوان توانایی سیستم در آماده‌سازی و برنامه‌ریزی برای جذب آسیب و تطبیق/ بازیابی به منظور جلوگیری از تأثیرات حوادث مشابه در آینده تعریف کرد.</span></a><span dir="RTL"> بنابراین، تاب آوری یک سیستم قدرت بطور خلاصه به سه مشخصه پیشگیری</span><a href="#_ftn1" name="_ftnref1" title=""><span dir="RTL"><span dir="LTR">[1]</span></span></a><span dir="RTL">، قابلیت تداوم برق رسانی</span><a href="#_ftn2" name="_ftnref2" title=""><span dir="RTL"><span dir="LTR">[2]</span></span></a> <span dir="RTL">&nbsp;و بازیابی</span><a href="#_ftn3" name="_ftnref3" title=""><span dir="RTL"><span dir="LTR">[3]</span></span></a><span dir="RTL"> نسبت داده می‌شود. بهبود در هر یک یا تمام این سه مشخصه، تاب آوری کل سیستم را بهبود می‌دهد. در این مقاله، یک الگوریتم بازیابی بهبود یافته در سیستم‌های توزیع، با حضور منابع تولید پراکنده</span><span dir="RTL"> تجدیدپذیر و قابل برنامه‌ریزی</span><span dir="RTL"> برای افزایش قابلیت تداوم تغذیه بارهای قطع شده ناشی از حوادث شدید همانند حوادث طبیعی ارائه می‌شود. در مدل ارائه شده، یک استراتژی بهینه برای بازیابی حداکثر بارها با مینیمم عملکردهای کلیدزنی و حداکثر بازیابی بار تحت شرایط خطا پیشنهاد می‌شود. در روش پیشنهادی، از الگوریتم ژنتیک به عنوان یک الگوریتم قدرتمند در بهینه سازی استفاده شده و چگونگی پیاده سازی و حل مدل پیشنهادی توسط الگوریتم ژنتیک معرفی می‌گردد. کارایی روش پیشنهادی بر روی شبکه تست 33 باس </span>IEEE<span dir="RTL"> بررسی و نتایج حاصل تحلیل شده است.</span> <div>&nbsp; <hr align="left" size="1" width="33%" > <div id="ftn1"><a href="#_ftnref1" name="_ftn1" title="">[1]</a> - prevention</div> <div id="ftn2"><a href="#_ftnref2" name="_ftn2" title="">[2]</a> - survivability</div> <div id="ftn3"><a href="#_ftnref3" name="_ftn3" title="">[3]</a> - recovery</div> </div> Smart grids all over the world aim at providing reliable and resilient power to customers. During major contingencies of large-scale natural disasters, Distributed Generations (DGs) play a key role in delivering a resilient and reliable supply of loads. Major natural disasters such as floods and hurricanes often cause lengthy interruptions in electricity distribution systems and degrade the level of service to end-users.&nbsp;The utilities have mainly focused on restoring the distribution system since the power grid is <a name="OLE_LINK7">susceptible </a>to natural disasters. A resilient system&#39;s primary purpose is to allow the restoration of out-of-service loads as soon as possible after an extreme event.&nbsp;The resilience of a power system can be defined as &ldquo;the ability of the system to prepare and plan for absorbing the damage and adapting/recovering in order to prevent the impacts of similar events in the future&rdquo;. Therefore, the resilience of a power system is briefly attributed to three aspects of prevention, survivability, and recovery.&nbsp; Improvements in any or all of these features can enhance the overall resilience of the power system. This paper presents a self-healing restoration algorithm for power distribution systems exposed to extreme natural disasters. <a name="OLE_LINK1">Indeed</a>, an improved restoration algorithm in distribution systems in the presence of renewable and dispatchable DGs is proposed for enhancing the survivability of out-of-service loads due to extreme events, like natural disasters.<a name="OLE_LINK2"> The algorithm can analyze the effects of multiple faults, which arise due to a low-probability, high-impact event like a natural disaster. </a>In the presented method, an optimal strategy is introduced to restore maximum loads with minimum switching operations and maximum load restoration under fault conditions. In order to consider uncertain parameters, a stochastic scenario-based approach is considered and the expected values as objectives are minimized to consider the effect of all scenarios. In the proposed method, the Genetic Algorithm (GA) is utilized as a powerful algorithm in optimization and how to implement and solve the proposed model by the GA is introduced. An evaluation of the proposed approach is conducted through a typical case study. A modified IEEE 33-node system is considered for this reason. The simulated results indicate that in the presence of microgrids and an automated switching-based distribution system, the system&#39;s resilience is improved significantly.&nbsp;However, the present study did not address microgrids&#39; dynamic response. In the event of extreme natural disasters, utilities can use the proposed algorithm to improve the recovery of out-of-service loads. تاب‌آوری, بازیابی بهینه, منابع تولید پراکنده, الگوریتم ژنتیک, تولید سناریو, عدم قطعیت Resiliency, Optimal Restoration, Distributed Generations, Genetic Algorithm, Scenario Generation, Uncertainty 97 108 http://ieijqp.ir/browse.php?a_code=A-10-1356-1&slc_lang=fa&sid=1 Abouzar Samimi ابوذر صمیمی abouzarsamimi@alumni.iust.ac.ir 3961866562 10031947532846004951 Yes Department of Electrical Engineering, Arak University of Technology, Arak, Iran دانشکده مهندسی برق- دانشگاه صنعتی اراک - اراک- ایران Mehdi Nikzad مهدی نیکزاد Mehdi.Nikzad@yahoo.com 4132232425 10031947532846004952 No Department of Electrical Engineering, Islamshahr Branch, Islamic Azad University, Tehran, Iran دانشکده مهندسی برق- دانشگاه آزاد اسلامی واحد اسلامشهر - تهران- ایران