Abstract:
در سالهای اخیر بهدلیل هزینه بالای ساخت نیروگاههای بزرگ و متمرکز و مشکلات خطوط بلند انتقال انرژی، صنعت برق به سمت استفاده از تولیدات کوچک و توزیعشده در نزدیکی محل مشترکین سوق یافته است. از سوی دیگر با توجه به مشکلات زیستمحیطی، بخشی از این تولیدات توزیعشده مبتنی بر انرژیهای تجدیدپذیر هستند که رفتار تصادفی دارند. تعیین محل قرارگیری و ظرفیت این تولیدات در سطح شبکه توزیع تأثیر بسزایی در مدیریت منابع مالی و بهبود پارامترهای زنجیره تأمین دارد. در این پژوهش یک مدل جامع چندهدفه و احتمالاتی بهمنظور تعیین محل نصب، نوع و ظرفیت بهینه تولیدات پراکنده در سطح زنجیره تأمین جدید برق پیشنهاد شده است. هدفگذاری نهایی این مدل کمینهسازی تلفات انرژی، هزینههای سرمایهگذاری و بهرهبرداری، انرژی تأمیننشده و آلایندههای زیستمحیطی است. مدل پیشنهادی بر روی یک شبکه 33 ناحیهای توسط نرمافزار متلب اعمال و بهصورت چندهدفه توسط الگوریتم فراابتکاری ژنتیک با مرتبسازی نامغلوب حل شده است. نتایج نهایی، اثربخشی روش پیشنهادی را در ابعاد مختلف اقتصادی، زیستمحیطی و اجتماعی در زنجیره تأمین برق نشان میدهند.
In recent years, with the high cost of building large and centralized power plants and the problems of long power transmission lines, the electricity industry has shifted to the use of small and distributed generation near the location of customers. On the other hand, due to environmental problems, some of these distributed products are based on renewable energy, which has a random behavior. Determining the location and capacity of these products at the distribution network level has a great impact on managing financial resources and improving supply chain parameters. In this research, a comprehensive multi-objective and probabilistic model is proposed to determine the installation location, type, and optimal capacity of distributed products at the level of the new electricity supply chain. The ultimate goal of this model is to minimize energy losses, investment and operation costs, unsupplied energy, and environmental pollutants. The proposed model is applied on a 33-region network by MATLAB software and solved in a multi-objective way by a genetic meta-heuristic algorithm with faulty sorting. The final results show the effectiveness of the proposed method in various economic, environmental, and social dimensions of the electricity supply chain.