یک مدل MILP همراه با ابزار مدیریت ریسک برای بازیابی خدمات خود درمانی

ظهور اجتناب ناپذیر شبکه های توزیع هوشمند، ویژگی های جدیدی را در این شبکه ها معرفی کرده است. به گفته اکثر کارشناسان، خود درمانی یکی از توانایی های اصلی شبکه های توزیع هوشمند است. این ویژگی با واکنش سریع و بازیابی بارهای بحرانی (CLs) در هنگام خطا، قابلیت اطمینان و انعطاف پذیری شبکه ها را افزایش می دهد. با این وجود، ماهیت تصادفی اجزای یک سیستم قدرت، ریسک محاسباتی قابل توجهی را در توانمندسازی سیستم برای خودترمیمی تحمیل می کند. در این مقاله، یک مدل ریاضی برای عملیات خود ترمیمی ریزشبکه های شبکه ای (MGs)برای ارزیابی ریسک در مسیله بازسازی سرویس بهینه (SR) معرفی شده است. وسایل نقلیه الکتریکی (EVs) و خودروهای الکتریکی هیبریدی پلاگین (PHEVs) و ماهیت تصادفی آنها علاوه بر واحدهای تولید پراکنده (DGs)، قابلیت پیکربندی مجدد و برنامه پاسخگویی به تقاضا به طور همزمان در نظر گرفته شده است. تابع هدف برای به حداکثر رساندن بارهای بازیابی شده و به حداقل رساندن خطر طراحی شده است. ارزش شرطی در معرض خطر (CVaR) برای محاسبه ریسک SR به عنوان یکی از کارآمدترین و معروف ترین شاخص های ریسک استفاده می شود. در مطالعه موردی کلی و با در نظر گرفتن $\beta $ برابر با 0، 1، 2، 3، و 4، مقادیر مورد انتظار SR برای مشکل ریسک گریز 21.2، 20، 19.3، 19.1 و 19% کمتر از به ترتیب مشکل خنثی ریسک. فرمول مسیله برنامه ریزی خطی عدد صحیح مختلط (MILP) است و مدل در سیستم آزمایشی اصلاح شده Civanlar آزمایش می شود. تجزیه و تحلیل چندین مطالعه موردی عملکرد مدل پیشنهادی و اهمیت مدیریت ریسک در مشکل را ثابت کرده است.