fa بهره‌برداری بهینه ریزشبکه‌ها با استفاده از الگوریتم تکاملی دو سطحی در حضور قطعی منابع انرژی تجدیدپذیر برق و کامپیوتر پژوهشي Research <p style="text-align: justify;"><span style="font-size:12px;"><span style="font-family:Tahoma;"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" times=""><span lang="AR-SA"><span b="" nazanin="">با افزایش نفوذ منابع انرژی تجدیدپذیر مانند تولید بادی و فتوولتائیک در ریزشبکه آینده، به دلیل شرایط آب و هوایی متغیر، چالش‌هایی پدید می‌آید. در این مقاله، مدلی برای بهینه‌سازی عملکرد ریزشبکه تحت شرایط بدترین حالت خرابی منابع انرژی تجدیدپذیر با استفاده از بهینه&shy;سازی دو ‌سطحی ارائه شده است. در مساله سطح بالا، بهینه‌سازی از دیدگاه کاهش اتلاف انرژی و قطع بار در برنامه مدیریت بار، همچنین شارژ و دشارژ بهینه سیستم‌های ذخیره‌سازی انرژی</span></span> <span lang="AR-SA"><span b="" nazanin="">صورت گرفته است. مساله سطح پایین بیشینه کردن قطعی انرژی تجدیدپذیر در نظر گرفته شده است. روشی برای حل مساله بهینه‌سازی دو سطحی ارائه شده که شامل متغیرهای باینری در هر دو سطح است که توسط یک الگوریتم تکاملی مبتنی بر الگوریتم ژنتیک غیر غالب (</span></span>NSGA II<span lang="AR-SA"><span b="" nazanin="">) حل شده است. مدل و الگوریتم پیشنهادی با استفاده از زبان برنامه‌نویسی</span></span> <span lang="AR-SA"><span b="" nazanin="">جولیا پیاده‌سازی شده است. با استفاده از یک ریزشبکه 33 باس، عملکرد مدل در شرایط مختلف مورد بررسی و نتایج بهینه‌سازی بهینه عملکرد ریزشبکه تحت شرایط بدترین خرابی منابع انرژی تجدیدپذیر نشان داده شده است. نتایج نشان می&shy;دهد که با افزایش تعداد خروج بدترین قطع منابع تجدیدپذیر به ترتیب تلفات انرژی تا 9 درصد افزایش می&shy;یابد، همچنین مقایسه روش پیشنهادی نسبت به سایر الگوریتم&shy;ها برتری روش پیشنهادی را در مدت زمان حل مسئله و همچنین شاخص&shy;های مهم ریزشبکه نشان داد.</span></span><span b="" dir="LTR" lang="EN-US" nazanin=""><span style="color:red"></span></span></span></span></span><br> <br> <span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" times=""><span lang="AR-SA"><span style="font-family:"B Nazanin""></span></span></span></span></span><br> &nbsp;</span></span></p> <p style="text-align: justify;"><br> <span style="color:#000000;"><span style="font-size:12px;"><span style="font-family:Tahoma;">With the increasing penetration of renewable energy sources such as wind and photovoltaic generation in future microgrids, challenges arise due to variable weather conditions. In this paper, a model is proposed to optimize the performance of microgrids under the worst-case scenario of renewable energy source failures using a bi-level optimization. In the upper-level problem, optimization is carried out in terms of energy loss reduction, load shedding in the load management program, as well as optimal charging and discharging of energy storage systems. The lower-level problem considers maximizing the utilization of renewable energy. A bi-level optimization solution method is proposed, which involves binary variables at both levels and is solved using a non-dominated sorting genetic algorithm (NSGA-II). The proposed model and algorithm are implemented using the Julia programming language. The performance of the model is examined under various conditions using a 33-bus microgrid, and the optimization results demonstrate the optimal performance of the microgrid under the worst-case scenario of renewable energy source&nbsp;failures.<br clear="none" > &nbsp;</span></span></span></p> ریزشبکه , مدیریت سمت تقاضا, بهینه سازی, منابع تجدیدپذیر, سیستم ذخیره انرژی, الگوریتم تکاملی Microgrid ,Demand-side management ,Optimization ,Renewable resources ,Energy storage system ,Evolutionary algorithm 72 87 http://ieijqp.ir/browse.php?a_code=A-10-1494-4&slc_lang=fa&sid=1 Saeid Shakerinia سعید شاکری نیا shakeri58@yahoo.com 40118670012 10031947532846007155 No Department of Electrical Engineering, Shahrood Branch, Islamic Azad University, Shahrood, Iran دانشکده مهندسی برق، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران Abbas Fattahi May Abadi عباس فتاحی می ابادی narjes.abbasirad@gmail.com 2181517096 10031947532846007156 Yes Hamedan University of Technology دانشکده مهندسی برق، دانشگاه صنعتی همدان، همدان، ایران Mojtaba Vahedi مجتبی واحدی vahedi.mojtaba@gmail.com 4591378454 10031947532846007157 No Department of Electrical Engineering, Shahrood Branch, Islamic Azad University, Shahrood, Iran دانشکده مهندسی برق، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران Nasrin Salehi نسرین صالحی salehi9002@gmail.com 4591346730 10031947532846007158 No Department of Basic sciences, Shahrood Branch, Islamic Azad University, Shahrood, Iran دانشکده علوم پایه، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران Mahmoud Samiei Moghaddam محمود سمیعی مقدم samiei352@yahoo.com 3621300406 10031947532846007159 No Department of Electrical Engineering, Damghan Branch, Islamic Azad University, Damghan, Iran دانشکده مهندسی برق، واحد دامغان، دانشگاه آزاد اسلامی، دامغان، ایران