دانلود ترجمه مقاله یک مدل اقتصادی – فنی – محیطی فازی برای برنامه ریزی تولید پراکنده

1. مقدمه 2. مروری بر چارچوب برنامه ریزی توسعه تولیدات پراکنده 3. الگوریتم ژنتیک بر پایه مرتب سازی غیرغالب (NSGA-II) 4. نتایج عددی 5. نتیجه گیری

چکیده – برای تعیین مکان و اندازه بهینه و نیز تکنولوژی مناسب واحدهای تولید پراکنده (DG) در سیستم های توزیع، یک مدل چندمنظوره فازی استاتیک در این مقاله ارائه شده است. مدل پیشنهادی می تواند تعداد توابع هدف متضاد و رقابتی شامل مشخصه های اقتصادی، فنی و محیطی را به طور همزمان بهینه سازی کند. تابع اقتصادی، سود یک شرکت توزیع (DisCo) از فروش توان خروجی DG به مشتریان می باشد. سهم این مدل، در نظر گرفتن برخی از درآمدهای حاشیه ای DG در تابع اقتصادی می باشد. ورود درآمدهای حاشیه ای نه تنها ریسک های سرمایه گذاری تکنولوژی های DG را کاهش می دهد، بلکه نفوذ بهینه واحدهای DG را نیز امکان پذیر می سازد. چارچوب برنامه ریزی DG پیشنهادی، تکنولوژی های DG مختلف مانند فتوولتائیک (PV)، توربین بادی (WT)، سلول سوختی (FC)، میکروتوربین (MT)، توربین گازی (GT) و موتورهای دیزل (DE) را در نظر می گیرد. عدم قطعیت های سیستم (از جمله آنهایی که برای تقاضای انرژی، قیمت انرژی و هزینه های سرمایه گذاری و بهره برداری از تکنولوژی های DG هستند) با استفاده از اعداد فازی مدلسازی شده اند. مطالعات موردی عددی با استفاده از سیستم تست توزیع 37 گرهی IEEE برای نشان دادن عملکرد مدل برنامه ریزی DG پیشنهادی انجام شده است.

To determine the optimal size, location and also the proper technology of distributed generation (DG) units in distribution systems, a static fuzzy multiobjective model is proposed in this paper. The proposed model can concurrently optimize a number of conflicting and competing objective functions including economic, technical and environmental attributes. The economic function is the profit of a distribution company (DisCo) from selling the DG output power to its customers. The contribution of this model is the consideration of some DG marginal revenues in the economic function. Inclusion of marginal revenues would not only reduce the investment risks of DG technologies, but also would enable the optimal penetration of DG units. The proposed DG planning framework considers various DG technologies such as photovoltaic (PV), wind turbine (WT), fuel cell (FC), micro-turbine (MT), gas turbine (GT) and diesel engine (DE). The system uncertainties (including those for the energy demand, energy price and DG technologies operating and investment costs) are modeled using fuzzy numbers. The numerical case studies have been carried out using the IEEE 37-node distribution test system to demonstrate the performance of the proposed DG planning model.