بهینه سازی جایابی و مدیریت منابع تولید پراکنده در شبکه های توزیع با استفاده از الگوریتم های هوش مصنوعی

امروزه، گسترش منابع تولید پراکنده (DG) نظیر نیروگاه های خورشیدی، بادی، زیست توده و مولدهای کوچک گازی، نقش بسزایی در تحول شبکه های توزیع برق ایفا می کند. با توجه به مزایای این منابع از جمله کاهش تلفات انرژی، بهبود پروفیل ولتاژ، افزایش قابلیت اطمینان و کاهش آلایندگی های زیست محیطی، جایابی و مدیریت بهینه ی این منابع به یکی از چالش های اساسی در بهره برداری از شبکه های توزیع تبدیل شده است. از سوی دیگر، ماهیت پیچیده و چندهدفه ای این مساله، استفاده از روش های هوشمند و کارآمد را ضروری می سازد. الگوریتم های هوش مصنوعی با قابلیت پردازش حجم بالای داده ها و توانایی حل مسائل بهینه سازی چندهدفه، به عنوان ابزاری موثر در حل مسائل جایابی و مدیریت منابع DG مورد توجه قرار گرفته اند. در این مقاله، کاربرد الگوریتم های مختلف هوش مصنوعی مانند الگوریتم ژنتیک، بهینه سازی ازدحام ذرات (PSO)، الگوریتم های مبتنی بر یادگیری عمیق و شبکه های عصبی در بهینه سازی جایابی و مدیریت منابع DG مورد بررسی قرار می گیرد. همچنین، تاثیر این روش ها بر معیارهای مختلف عملکردی شبکه، از جمله کاهش تلفات انرژی، بهبود پروفیل ولتاژ، افزایش قابلیت اطمینان و کاهش هزینه های عملیاتی مورد ارزیابی قرار گرفته است. نتایج مطالعات مختلف نشان می دهد که استفاده از الگوریتم های هوش مصنوعی می تواند به انتخاب مکان و ظرفیت بهینه ی منابع DG منجر شود و در عین حال، امکان مدیریت هوشمند و پویا را در شرایط مختلف بار و عملکرد شبکه فراهم کند. این رویکرد، راهکارهای مناسبی را برای مدیران شبکه جهت دستیابی به اهداف اقتصادی، فنی و زیست محیطی ارائه می دهد و نقش قابل توجهی در توسعه ی شبکه های توزیع هوشمند و پایدار ایفا می کند.

کلیدواژه ها:

منابع پراکنده-DG ، بهینه سازی ، الگوریتم