فهرست مطالب

کیفیت و بهره وری صنعت برق ایران - پیاپی 13 (بهار و تابستان 1397)
  • پیاپی 13 (بهار و تابستان 1397)
  • تاریخ انتشار: 1397/06/01
  • تعداد عناوین: 10
|
  • احسان آزاد فارسانی*، مهندس حسین بهرامیان، امیر حسینی، حسین عسکریان ابیانه صفحات 6-14
    ورود تولیدات پراکنده به شبکه قدرت باعث بروز مسائل زیادی همچون افزایش سطح جریان اتصال کوتاه می شود، که اگر بیشتر از سطح مجاز مدار شکن های موجود در شبکه باشد می تواند منجر به آسیب دیدگی تجهیزات شبکه شود. استفاده از محدود کننده جریان خطا (FCL) در شبکه روشی موثر برای مقابله با مسئله فوق است، که تاثیر گذاری آن در گرو تعیین صحیح تعداد، مکان و مقدار امپدانس است. در این مقاله روشی کارامد برای جایابی FCLها در شبکه ارائه می شود که بموجب آن مسئله جایابی FCL به یک مسئله بهینه سازی چند منظوره مدل می شود. در مسئله بهینه سازی مذکور، توابع هدف عبارتند از اختلاف جریان خطای باس ها، نرخ خرابی تجهیزات، تعداد و امپدانس FCLها. برای حل مسئله، از الگوریتم بهینه سازی چندمنظوره ازدحام ذرات (MOPSO) استفاده شده است. در روند بهینه سازی الگوریتم، جواب های بهینه و غالب استخراج می شوند و در یک مخزن ذخیره می گردند که اندازه مخزن در روند بهینه سازی با استفاده از تکنیک دسته بندی فازی کنترل می شود. و در انتها با اعمال الگوریتم نیل به آرمان (GAO) به جواب های غالب، جواب متناسب با نیاز شبکه توسط اپراتور شبکه انتخاب می شود. نتایج بدست آمده از پیاده سازی روش پیشنهادی برروی یک شبکه قدرت نمونه نشان دهنده کارامدی روش است.
    کلیدواژگان: محدود کننده جریان خطا (FCL)، الگوریتم بهینه سازی چند منظوره ازدحام ذرات (MOPSO)، تولیدات پراکنده (DG)، قابلیت اطمینان
  • الهام پروین نیا *، مهندس خسرو فرداد صفحات 15-27
    حسگرها وضعیت بخشهای مختلف نیروگاه برق آبی را رصد کرده و ابزارهای کنترلی دستورات لازم را جهت فعالیت نیروگاه صادر می کنند. همچنین کارشناسان براساس مقدار اعدادی که حسگرها و دماسنج ها نشان می دهند و براساس شرایط محیطی نیروگاه و تجربه در شرایط خاص تصمیم های لازم را جهت خاموشی اضطراری نیروگاه اتخاذ می کنند. در یک نیروگاه برق آبی عوامل متعددی مانند: تعمیرات ، علائم هشدار در حسگرها، آسیب های فیزیکی تجهیزات و یا ارتفاع آب در پشت سد، ممکن است تولید برق را متوقف سازد. لذا تشخیص زمان مناسب فعالیت یا عدم فعالیت نیروگاه با توجه به داده های حسگرها بسیار حیاتی است. هر چند سیستمهای کنترلی موجود به نحو مطلوبی شرایط را بررسی می کنند ولی بعلل مختلف مانند خطای انسانی یا خطای تجهیزات ممکن است تصمیم به ادامه کار یا خاموشی اضطراری با خطا همراه باشد. در این مقاله با استفاده از تکنیک های داده کاوی یک سیستم تصمیم یار طراحی شده است که روابط معنادار بین ویژگی هایی که حسگرها همه روزه در نیروگاه برق آبی آرشیو می کنند را می یابد. این روابط مانند قوانین استنتاج می توانند در تصمیم گیری دقیق و سریع کارشناسان کمک شایانی نموده و از آسیب به تجهیزات در تصمیمات اشتباه یا دیرهنگام جلوگیری نماید. نتایج بدست آمده از تحلیل داده های سالهای 92 الی 94 نیروگاه برق آبی مارون 41 قانون برای تصمیم گیری سریع بدست آمده است که با بررسی های به عمل آمده توسط متخصصان فنی این نیروگاه 4 قانون آن جدید و سودمند ارزیابی شده است.
    کلیدواژگان: استخراج قوانین انجمنی، داده کاوی، نیروگاه برق آبی، خاموشی اضطراری
  • حامد مرتضی زاده، علی اکبر ناجی*، مسعود همایونی فر، مصطفی رجبی مشهدی صفحات 28-34
    از بارزترین مشخصات بازار برق در کشور ما شیوه پرداخت به ازای پیشنهاد به برندگان بازار می باشد. این در حالی است که در اکثر کشورها از شیوه پرداخت یکنواخت جهت تسویه بازار استفاده می شود. در این مقاله به مقایسه تاثیر این دو شیوه بر بهره وری و کارایی صنعت برق در بخش تولید پرداخته می شود. برای بررسی دقیق تر، مدل در سه ساعت کم باری، بارعادی، پیک و سالانه طراحی می گردد. بدین منظور با کمک روش Q-Learning که زیر مجموعه مدل های عامل محور است مدل بازار برق ایران با تمام ویژگی های آن و محدود به نیروگاه های برق خراسان با دو شیوه مختلف شبیه سازی شده و بهره وری در دو سناریو باهم مقایسه می گردد. نتایج بیانگرآن است که روش پرداخت یکنواخت منجر به استفاده از نیروگاه های با کارایی بالاتر جهت تامین برق می گردد. بنابراین در این روش قیمت تمام شده برق کمتر از روش پرداخت به ازای پیشنهاد خواهد بود.
    کلیدواژگان: بازار برق، روش پرداخت، کارایی، مدل های عامل محور
  • میرسعید موسوی زاده، محمودرضا حقی فام *، محمدحسین شریعت خواه صفحات 35-44
    پدیده های طبیعی و شرایط آب و هوایی سخت می توانند منجر به وقوع خاموشی های گسترده در شبکه های قدرت شوند. به منظور کاهش هزینه های اقتصادی و اجتماعی ناشی از وقوع خاموشی ها، اکثر شرکت های برق از دستورالعمل ها و رویه های عملیاتی از پیش تعیین شده ای جهت بازیابی سیستم استفاده می نمایند. با این حال، به دلیل اثرات شدید و ماهیت متفاوت چنین پدیده هایی روش های سنتی بازیابی بار در شبکه توزیع نمی توانند تامین انرژی الکتریکی مطلوب مصرف کنندگان را در این شرایط تضمین نمایند. از این رو در این مقاله مدلی مبتنی بر برنامه ریزی خطی عدد صحیح به منظور بازیابی بارها در شبکه توزیع پس از وقوع چنین رخدادهایی، ارائه شده است. در این مدل با ارائه الگوریتم هایی مبتنی بر تئوری گراف، ویژگی های توپولوژیکی شبکه توزیع همراه با دیگر ویژگی های الکتریکی آن در قالب یک مساله خطی فرمول بندی شده است. تشکیل ریزشبکه ها، تعیین محدوده سرویس دهی آن ها و مدیریت بهینه تکنولوژی هایی مانند منابع تولید پراکنده و منابع پاسخ گویی بار پس از وقوع رخداد نیز مورد توجه بوده است. در انتها نیز با انجام شبیه سازی های متعدد، کارایی و کاربردپذیری مدل یک پارچه پیشنهادی مورد تجزیه و تحلیل قرار گرفته است.
    کلیدواژگان: بازیابی، ریزشبکه، شبکه های توزیع، منابع پاسخ گویی بار
  • مهندس میرجلال وحید پاکدل، ابراهیم بابایی، بهنام محمدی ایواتلو صفحات 45-53
    ایده هاب های انرژی باعث ایجاد فرصت های جدیدی در حوزه مدیریت انرژی شده است. از سوی دیگر حضور گسترده منابع انرژی تجدیدپذیر باعث چالشی بزرگ در مباحث مدیریت و برنامه ریزی انرژی شده است. خروجی احتمالاتی و تصادفی این منابع در مناطقی که سهم این منابع در الگوی تامین انرژی چشمگیر باشد، باعث پیچیده شدن برنامه ریزی تامین تقاضای انرژی می گردد. ذخیره کننده های انرژی به عنوان راه حلی برای این موضوع بیان می شوند. یکی از این ذخیره کننده های انرژی الکتریکی، سیستم مبدل برق به گاز است که امکان ذخیره برق در شبکه گاز طبیعی را فراهم می آورد. این مقاله به بهینه سازی احتمالی هاب های شبکه ای در حضور سیستم مبدل برق به گاز و منابع تجدید پذیرو با هدف اقتصادی پرداخته است. در این مقاله مبدل برق به گاز با امکان تزریق مستقیم هیدروژن به شبکه و وجود تانک هیدروژنی مدل شده است. این مقاله نشان می دهد که حضور مبدل برق به گاز می تواند میزان هزینه انرژی شبکه هاب ها و میزان قطع منابع تجدید پذیر را به صورت قابل ملاحظه ای کاهش دهد.
    کلیدواژگان: هاب انرژی، مدیریت انرژی، برنامه ریزی احتمالی، مبدل برق به گاز، منابع تجدید پذیر
  • مهندس فرهاد صمدی قاضی جهانی، جواد صالحی، نوید تقی زادگان کلانتری صفحات 54-67
    این مقاله یک روش جدید مبتنی بر سناریو برای طراحی بهینه ریزشبکه های چندگانه با درنظرگرفتن عدم قطعیت در بار و تولید منابع تولیدپراکنده تجدید پذیر ارایه می کند. روش پیشنهادی برای تعیین ظرفیت، نوع، تعداد و مکان بهینه منابع تولیدپراکنده تجد یدپذیر و کنترل پذیر همراه با جایابی سوئیچ جهت خوشه بندی شبکه توزیع سنتی به مجموعه ای از ریزشبکه های به هم پیوسته با ساختاری اقتصادی و قابل اطمینان به کارگرفته شده است. هدف مساله پیشنهادی کاهش کلیه هزینه های طراحی شامل هزینه های سرمایه گذاری و بهره برداری، هزینه تلفات، هزینه آلودگی هوا و هزینه انرژی تامین نشده می باشد. عدم قطعیت پارامترهای ورودی مساله توسط روش تولید سناریو درنظرگرفته شده و همچنین برای کاهش حجم محاسباتی و افزایش سرعت اجرای برنامه از تکنیک کاهش سناریو بهره برده شده است. الگوریتم بهینه سازی فاخته برای بهینه سازی تابع هدف استفاده شده است. همچنین، تاثیر ضرایب بهینه سازی بر روی مساله طراحی و مقاوم بودن الگوریتم پیشنهادی توسط آنالیز حساسیت مورد بررسی قرار گرفته است. کارایی و عملکرد روش پیشنهادی بر روی شبکه استاندارد 33 باسه مورد اجرا قرار گرفته و نتایج بدست آمده نشان می دهد روش پیشنهادی ابزاری کارامد و موثر برای طراحی ریزشبکه ها تحت عدم قطعیت می باشد.
    کلیدواژگان: ریزشبکه، طراحی شبکه توزیع، قابلیت اطمینان، منابع تولید پراکنده، عدم قطعیت، برنامه ریزی سناریو محور
  • مصطفی واحدی پور دهرایی*، مهندس هما رشیدی زاده کرمانی، حمیدرضا نجفی صفحات 68-83
    با افزایش تعداد خودروهای الکتریکی در شبکه قدرت لازم است تعامل آنها با شبکه به گونه ای مدیریت شود تا ضمن کمینه شدن هزینه های خودروداران، سود عوامل خدمت رسان به آنها نیز بیشینه شود. از این رو، در این مقاله یک مسئله ی تصمیم گیری احتمالاتی دوسطحی برای مشارکت تجمیع گر خودروهای الکتریکی در بازار رقابتی با در نظر گرفتن منابع مختلف عدم قطعیت ارائه شده است. منابع عدم قطعیت برای مشارکت تجمیع گر در بازار شامل قیمت های بازار روز آینده و تعادل، قیمت های پیشنهادی از سوی رقبا و نیز بار شارژ و دشارژ خودروهای الکتریکی است که با استفاده از سری های زمانی مدل سازی شده است. در برنامه ی دوسطحی پیشنهادی، هدف سطح اول بیشینه کردن سود تجمیع گر در تعامل با شبکه و خودروداران و هدف سطح دوم آن کمینه کردن هزینه های پرداختی خودروداران است. از آنجایی که تابع هدف سطح اول و دوم در تضاد با یکدیگر هستند، با استفاده از شرایط بهینگی KKT و تئوری دوگان مسئله ی دوسطحی پیشنهادی به یک مسئله ی تک سطحی خطی تبدیل شده است. در نهایت، برنامه ی پیشنهادی در یک سیستم نمونه اجرا شده و نتایج نشان می دهد که با بکارگیری این مدل تجمیع گر می تواند با ارائه ی سیگنال قیمت شارژ و دشارژ بهینه ضمن حفظ مشتریان خود در بازار رقابتی، بیشترین سود را نیز کسب نماید.
    کلیدواژگان: خودروهای الکتریکی، تجمیع گر، برنامه ریزی احتمالاتی دوسطحی، بازار انرژی الکتریکی، عدم قطعیت
  • بختیار استادی*، امید معتمدی، علی حسین زاده کاشان، محمدرضا امین ناصری صفحات 84-92
    با قانون زدایی بازار و شکل گیری بازار روز بعد انرژی، در هرروز تولیدکنندگان انرژی اقدام به ارائه پیشنهاد قیمت خود برای هر واحد به تفکیک ساعت، در حداکثر 10 پله به مدیریت شبکه می کنند و مدیریت شبکه با تعیین میزان تقاضا در روزبعد، قیمت تسویه بازار برای روز آتی را به همراه برندگان بازار اعلام می کند و بر اساس قیمت پیشنهادی تولیدکنندگان با آنها تسویه می کند. از این رو پیشبینی قیمت تسویه بازار برای شرکت کنندگان در بازار حائز اهمیت می یاشد و پیشبینی دقیق آن تاثیر بسزایی بر روی سود آنها خواهد داشت. نظر به رفتار فصلی قیمت تسویه بازار، در این مقاله از الگوریتم K-Means به منظور خوشه بندی فضای رقابتی بازار ایران استفاده شده است که مطابق با نتایج آن، رقابت در بازار برق ایران شامل سه خوشه رقابت بالا (فصول سرد سال)، رقابت کم (فصول گرم سال) و خوشه گذار می باشد، در نهایت با به کارگیری الگوریتم ژنتیک جهت انجام فرایند آموزش شبکه عصبی، قیمت تسویه بازار برای هر خوشه رقابتی به صورت مجزا پیشبینی شده است که مطابق با نتایج حاصله، مدل ارائه شده قابلیت پیشبینی قیمت تسویه بازار در روز بعد با دقت 95 درصد را دارد.
    کلیدواژگان: شبکه عصبی، الگوریتم ژنتیک، خوشه بندی رقابتی بازار برق، پیشبینی قیمت تسویه بازار
  • ارسلان نجفی*، حمید فلقی صفحات 93-101
    توزیع بهینه توان راکتیو با کاهش تلفات در شبکه نقشی اساسی را در بهره برداری اقتصادی از شبکه بر عهده دارد. در این مقاله الگوریتم آموزش و یادگیری برای توزیع بهینه توان راکتیو و کنترل ولتاژ در حضور توربین های بادی ارائه می شود. این الگوریتم از انواع الگوریتم های تکاملی مبتنی بر جمعیت بوده که توانایی بالایی در حل مسائل غیرخطی دارد. این مساله در قالب یک مساله غیرخطی عدد صحیح آمیخته مدل سازی می شود و در آن هم متغیرهای پیوسته و هم متغیرهای گسسته مدل می شوند. جواب بهینه مساله شامل مجموعه ولتاژ ژنراتورها، گام تپ چنجرترانسفورماتورها و وضعیت جبران سازهای راکتیو جهت کمینه سازی میزان تلفات در شبکه است. در روش پیشنهادی، با حضور عدم قطعیت سرعت باد، با بهره گیری از اطلاعات واقعی سرعت باد، از پخش بار به روش تخمین دو نقطه ای جهت مدل سازی عدم قطعیت استفاده می شود. روش پیشنهادی در سیستم استاندارد 57 باس IEEE پیاده سازی شده است. جهت اثبات کارایی الگوریتم آموزش و یادگیری نیز این الگوریتم با دو الگوریتم تجمع ذرات و تکامل تفاضلی مقایسه شده است. نتایج نشان از کارایی روش پیشنهادی در کاهش تلفات و همچنین ارضای قیود مساله است.
    کلیدواژگان: الگوریتم آموزش و یادگیری، پخش بار احتمالی تخمین دو نقطه ای، توربین های بادی
  • نوید خلیل پور تیلمی، جواد رضاییان *، ایرج مهدوی صفحات 102-113
    به علت افزایش تقاضای برق، کاهش منابع سوخت های فسیلی و کاهش خروج دی اکسید کربن بکارگیری از منابع انرژی های تجدیدپذیر یکی از استراتژی های مهم دنیای پیشرفته صنعتی می باشد. در این تحقیق برای تامین تقاضای برق یک شهر با استفاده از منابع تجدیدپذیر مانند صفحه های فتوولتائیک و توربین های بادی که قابلیت ذخیره سازی انرژی در باتری را دارند و منابع حرارتی معمول که نقش یک منبع جایگزین را ایفا می کنند استفاده میگردد. حداکثر مقدار انرژی که صفحه های خورشیدی و توربین های بادی می توانند در طول هر ساعت از شبانه روز تولید کنند به ترتیب به توابعی بستگی دارند که خود به میزان تابش خورشید و سرعت وزش باد برای هر ساعت وابسته است. یک قابلیت اطمینانی در مورد انرژی تولیدی هر منبع برای هر ساعت قابل تخمین می باشد. هدف حداقل کردن هزینه و حداکثر کردن قابلیت اطمینان می باشد. یک مدل برنامه ریزی غیرخطی دو هدفه برای مساله مورد نظر تعریف می گردد. از آنجایی که اهداف در تناقض هستند دستیابی به یک حل بهینه منفرد که هر دو هدف را بهینه کند امکان پذیر نمی باشد لذا از الگوریتم فراابتکاری ژنتیک دو هدفه بر مبنای مرتب سازی نامغلوب برای نمایش خروجی الگوریتم در نظر گرفته شده است.
    کلیدواژگان: زمانبندی، انرژی تجدیدپذیر، بهینه سازی چند هدفه، قابلیت اطمینان، مرتب سازی نامغلوب، الگوریتم ژنتیک دوهدفه
|
  • Ehsan Azad Farsani Dr, Hossein Bahramian, Amir Hosseini, Hossein Askarian Prof Pages 6-14
    The presence of distributed generations (DGs) in the power systems is causing problems such as increasing the short circuit current levels which may exceed the rating of existing circuit breakers and can damage system equipment. The utilization of fault current limiters (FCLs) in the network can be an effective method to overcome the above problems. Furthermore, FCL has the benefits such as improving the system security and reliability. FCL benefits depend on the number, installation location, and impedance of FCL. For this end, we require a method to determine the optimum number, impedance and locations for FCL placement. In the considered method, we have modeled the FCL placement as an optimization problem while the objectives are; bus fault current difference, reliability, the number and impedance of FCLs. Moreover, to solve the proposed problem, a new multi-objective optimization algorithm based on particle swarm optimization has been implemented. In the algorithm, several iterations have been considered, and the non-dominated solutions are extracted and stored in an external repository in the iterations. Finally, a fuzzy clustering technique is used to control the size of the repository during the algorithm evolution. The proposed approach is tested on a test system, namely, RBTS 2 . The obtained results demonstrate the effectiveness and feasibility of the new method.
    Keywords: DG, FCL Placement, multi, objective optimization algorithm based on particle swarm optimization (MPSO)
  • Elham Parvinnia Doctor, Khosro Fardad Engineer Pages 15-27
    Sensors monitor the status of various parts of hydroelectric power station and control instruments issued instructions to operate the power plant.The experts based on the amount of numbers for which sensors and thermometers are fitted and shown, and also based on environmental conditions of the plant, and experience, make a decision for emergency power shutting down. In a hydroelectric power plant several factors such as: loaders, maintenance, signs warning sensors, physical damage to equipment or the height of the water behind the dam, may be stop the generation of the electricity.So appropriate activity or inactivity time detection of power plant according to the sensors is vital. Although the existing control systems to check the syntax of the favorable conditions but different ball fitted such as human error or equipment error may decide to continue with the emergency shutdown error or work together.In this article, using data mining techniques for a system that is designed to be fitted decision sweetheart meaningful relationships between data that sensors in all hydroelectric power plant can archive . These relationships can deduce laws such as fitted in a quick and accurate decision making experts are extremely helpful and damage to equipment in the wrong decisions or prevent late. data set is gotten from Maroon power plant-Behbahan from years 92 to 94. we extract 41 rules by association rule mining that experts have been recognized 4 of them are new knowledge.
    Keywords: association rule mining, data mining, hydroelectric power plant, Emergency Shutdown
  • Hamed Mortezazade, Ali Akbar Naji *, Masoud Homayounifar, Mostafa Rajabi Mashhadi Pages 28-34
    The most prominent characteristics of the electricity market in our country are thepay as bid to market winners. However, in most countries, a uniform payment method is used to clearing the market.In this paper, the effect of these two methods on the productivity and efficiency of the power industry in the manufacturing sector is compared. For a closer look, the model is designed for three hours of low load, normal load, peak, and yearly. For this purpose, with the use of the Q-Learning method, which is a subset of multy-agent models, Iran's electricity market model with all its features and limited to Khorasan power plants is simulated in two different ways and efficiency is compared in two scenarios. The results indicate that a uniform payment method leads to the use of higher power plants to supply electricity. Therefore, in this way, the cost of electricity is lower than the pay as bid method.
    Keywords: Electricity Market, Payment Method, Performance, multy, agent Models
  • Mirsaeed Mousavizadeh, Mahmoud Reza Haghifam *, Mohammad Hossein Shariatkhah Pages 35-44
    Natural disasters and severe weather conditions can lead to extensive outages in power networks. In order to reduce the economic and social effects of blackouts, most electric utilities apply pre-determined instructions and procedures to recover the system and restore the loads. However, due to the high impacts and different nature of such incidents, traditional methods of load restoration in the distribution networks can not guarantee the desired performance of the system in these situations. Therefore, in this paper, a novel model based on mixed-integer linear programming is presented to load restoration in distribution networks after such disasters. In this model, by utilizing graph related theories, the topological features of the distribution network along with its electrical characteristics are formulated in the form of one linear optimization problem. The formation of microgrids, determination of their service areas, and the optimal management of different technologies such as distributed generation units and demand response resources have been also considered. Finally, by performing multiple simulations, the efficiency and applicability of the proposed integrated model have been verified.
    Keywords: Restoration, microgrid, distribution network, demand response
  • Mir Jalal Vahid-Pakdel, Ebrahim Babaei Dr, Behnam Mohammadi-Ivatloo Dr Pages 45-53
    Energy hub concept has provided new opportunities in energy management scope. Additionally, largely implementation of renewable energy resources has posed strict challenges in energy systems coordination issue. Probabilistic outputs of renewable energy sources make the energy provision coordination so complicated, in the regions where their penetration is high. Energy storage system can be proposed as a solution for mentioned problem. Power to gas units as an electrical energy storage can store the electrical energy in natural gas grid. This paper has focused on stochastic optimization of renewable based networked hubs in the presence of power to gas unit with economical target. Power to gas unit’s direct hydrogen injection and hydrogen tank facilities have been considered in this paper, as well. This paper demonstrates that, power to gas unit can participate positively in network cost and renewable energy curtailment reduction, considerably.
    Keywords: Energy hub, energy management, stochastic coordination, power to gas, renewable sources
  • Farhad Samadi Gazijahani Eng, Javad Salehi Dr, Navid Taghizadegan Kalantari Dr Pages 54-67
    This paper presents a novel approach for optimal planning of the multi microgrids (MMGs) under uncertainties in load and renewable power generation. The proposed approach is applied for optimally determining the size, type, number, and site of renewable and dispatchable distribution generation (DG) with optimal allocation of switch for clustering distribution systems into a number of microgrids to economical and reliable structure. The optimization aim is to minimize the totally microgrid planning cost including investment cost, operation and maintenance cost, power losses cost, the pollutants emission cost and the cost of energy not supply (ENS). The system uncertainties are considered using a set of scenarios and a scenario reduction method is applied to enhance a tradeoff between the accuracy of the solution and the computational burden. Cuckoo optimization algorithm (COA) is implemented to minimize the objective function as an optimization algorithm. Also, the effect of optimization coefficients on the planning problem and the robustness of the proposed algorithm are investigated using sensitivity analysis. The efficiency of the proposed method are validated on 33-bus distribution system and the obtained results show that the proposed framework can be considered as an efficient tool for planning of multi microgrids under uncertainty.
    Keywords: Microgrids, Planning, Uncertainty, Reliability, COA
  • Mostafa Vahedipour Dahraie * Pages 68-83
    By increasing the number of electric vehicles (EVs) in the power system, it is necessary to manage their interaction with the grid such that to minimize the costs of the owners as well as to maximize the profit of their serving entities. Therefore, in this paper, a stochastic bi-level decision making problem for the participation of EV aggregator in a competitive environment is presented, with considering various sources of uncertainty. The sources of uncertainty for the participation of aggregators in the electricity market include day-ahead (DA) and balancing market prices as well as rival's suggested prices and charging and discharging EVs demand that are modeled with time series. In the proposed bi-level program, the goal of the first level is to maximize the aggregator's profit in interaction with the network, and the goal of the second level is to minimize the payments of the owners. Since the objective function of the first and second levels are in contradiction with each other, with using KKT optimization conditions and the duality theory, the proposed two-level problem has become a linear single-level problem. Finally, the proposed program is implemented in typical test system and the results show that by using this model for the aggregator's decision making, it can offer proper charge and discharge price signals to the EV owners to attract the them in a competitive market and also to maximize its profit.
    Keywords: Electric vehicles, Aggregator, Bi, level probabilistic scheduling, Electric energy market, Uncertainty
  • Bakhtiar Ostadi *, Omid Motamedi, Ali Husseinzadeh Kashan, Mohammad Reza Amin Naseri Pages 84-92
    In The deregulation in power market is lead to competition among market participant to increase efficiency. In electricity market generation is the best candidate for iterance in competition to improve productivity and efficiency in resource allocation and offer lowest price by highest quality will be yielded. In the pool-based electricity market, every Genco submits a bidding price in ten step offer to the Independent System Operator (ISO) for every hour of the next day. The ISO uses the bidding price and forecasting demand to determine the MCP. The resulting spot price series exhibit strong seasonality at the annual, weekly and daily levels, as well as mean reversion, very high volatility and abrupt, short-lived and generally unanticipated extreme price changes known as spikes or jumps. So in this article we cluster time horizon in three cluster then we applied improved neural network by genetic algorithm for all clusters. In compare of normal neural network, results of our model are more better by 95% Accuracy.
    Keywords: neural network, genetic algorithm, competitive times Clustering, market clearing price prediction
  • Arsalan Najafi Dr *, Hamid Falaghi Dr Pages 93-101
    Optimal reactive power dispatch plays an important role in economic operation of network by reducing the loss. In this paper, the teaching learning based optimization algorithm is used to optimal reactive power dispatch and voltage control. This algorithm is an evolutionary and population based algorithm which has a great capability to solve the nonlinear problems. This problem is formulated as a mixed integer nonlinear problem including both continues and discrete variables. Optimal solution of problem contains set of generators voltage, tap changers and compensative reactive components. In the proposed approach, using real wind speed data and considering the wind uncertainty, the two points estimate power flow is used to model the uncertainties. The proposed method has been implemented on 57-bus IEEE test case. A comparing has been done between the teaching learning based optimization algorithm and particle swarm optimization and differential evolution algorithms in order to verify the efficiency of the proposed algorithm. The results demonstrate the efficiency of the proposed method in reducing losses and handling the constraints.
    Keywords: Teaching learning based optimization algorithm algorithm, two points estimate probabilistic power flow, wind turbine
  • Navid Khalilpour Tilami, Javad Rezaeian*, Iraj Mahdavi Pages 102-113
    Due to the increment of power demand, diminishing resources of fossil fuels and reduction of carbon dioxide out, the use of renewable energy resources is one of the important strategies in the developed countries. In this study, we use to meet electricity demand from renewable resources by as photovoltaic, batteries and wind turbines at times of peak production. The maximum amount of energy that solar panels and wind turbines can provide during any hour of the day is a function the amount of solar radiation and wind speed per hour. The aim is to minimize the cost of utilizing resources and maximize reliability. A non-linear programming model is proposed for the considered problem. Since the objectives are in conflict, for achieving a single optimal solution is not possible, therefore, NSGAII algorithm proposed for solving the problem
    Keywords: Scheduling, Renewable energy, Multi, objective optimization, Reliability, Non, dominated sorting, genetic algorithm (NSGAII)