به کارگیری استراتژی کنترل ترکیبی عصبی-فازی الهام گرفته از کنترل PID برای میرا نمودن نوسانات فرکانس در سیستم ریزشبکه هیبریدی جزیره ای (IHMG) درحضوراغتشاشات و نامعینی های پارامتری، در این مقاله بررسی شده است. با توجه به رفتار نامنظم منابع انرژی تجدیدپذیر (RES) نظیر توربین بادی و آرایه های خورشیدی و همچنین ماهیت متغیر با زمان بارهای مصرفی، انحراف فرکانس ریزشبکه از مقدار نامی به خصوص در حالت جزیره ای اجتناب ناپذیر است. تغییرات ناخواسته در بار مصرفی، میزان تابش خورشید، سرعت باد، و همچنین عدم قطعیت های پارامتری ناشی از ثابت های زمانی آن، منابع اصلی اغتشاش، در سیستم ریزشبکه هیبریدی جزیره ای مورد بررسی می باشد. در ساختار فازی کنترل‌کننده پیشنهادی، از خطا، مشتق و انتگرال خطای فرکانسی جهت آموزش و تست شبکه عصبی بهره گرفته شده است. بر اساس معادله تعادل توان بین عرضه و تقاضا، سعی در حداقل نمودن اثر اغتشاش در فرکانس خروجی با بهینه سازی موقعیت توابع عضویت فازی ورودی ها و خروجی آن نموده است. برای ارزیابی بهتر عملکرد روش پیشنهاد شده، رویکرد ANFIS با روش کنترلPID بهینه، موردمقایسه قرارگرفته است. نتایج شبیه سازی، نشان‌دهنده برتری قابل‌توجه روش پیشنهادی در مقایسه با دو روش‌ متداول دیگر از نظر مشخصه های حوزه زمان در حضور اغتشاشات همزمان و عدم قطعیت‌های پارامتری سیستم می باشد. Manuscript profile

در پژوهش حاضر، به روش کنترل مدل پیش‌بین اقتصادی برای استفاده از تعرفه کارآیی سیستم پشتیبان فتوولتائیک و دیزل ژنراتور که به ریزشبکه متصل به شبکه متصل از طریق استفاده از سیستم کنترل حلقه بسته، کنترل بهینه حلقه باز و همچنین ازطریق کنترل و تقویت حلقه ی باز اولیه پرداخته شده است. به حداقل رساندن انرژی شبکه ی برق و هزینه‌های سوخت از طریق ارزیابی محدودیت‌های مربوط به سطح تراز سوخت در مخازن سوخت دیزلی، هدف اصلی مطالعه ی زیر است. این روش کنترل علاوه بر انطباق با محدودیت‌ها در بین متغیرهای قابل کنترل، الزامات بار را نیز برآورده می‌نماید. به منظور به دست آوردن مزایای بازخورد و پیش‌بینی زمان‌بندی توان بهینه به عنوان یک مسئله کنترل سیستم انرژی پشتیبان، و دیزل ژنراتور متصل به ریزشبکه بر اساس ساختار برنامه ریزی خطی مدل سازی شده است. به طور خاص، تجزیه و تحلیل (آنالیز) به دو سناریو (گروه) تقسیم می‌شود. اولین مورد در مدل جایگزین زمانی است که: خاموشی بین [7 صبح] و [6 بعد از ظهر] ساعت اتفاق می‌افتد و دیگری در حالت انرژی شبکه زمانی که شبکه بیش از 24 ساعت در دسترس است رخ می‌دهد. عملکرد انرژی، صرفه‌جویی در هزینه و درآمد کنترل مدل پیش‌بین اقتصادی روزانه بهبود یافته اند. در نتیجه، صرفه‌جویی در انرژی روزانه تا 52% است در حالی که در انرژی دیزلی تا 85% است. کنترل عملیات بهینه می‌تواند به خوبی با عدم قطعیت و اختلال در نتیجه همراه است. Manuscript profile

امروزه استفاده از منابع تولید پراکنده به‌صورت متصل به شبکه رشد چشم گیری دارند، لذا مبدل‌های متصل به شبکه باید قابلیت خدماتی فراتر از تزریق توان به شبکه، از جمله حفظ پایداری شبکه را داشته باشند. در این مقاله استراتژی کنترل و مدیریت انرژی برای باتری، باد، فتوولتائیک و دیزل متصل به شبکه سه فاز با فعال کردن محدودیت جریان تحت خطاهای نامتعادل معرفی شده است. در این روش، جریان های تزریق شده به مقدار معین در طول خطاها محدود می شود. همچنین حالت عملکرد بدون ردیابی حداکثر نقطه توان (MPPT)برای مبدل نیز لحاظ شده است، این حالت در خطاهای شدید، زمانی که مبدل نمی تواند حداکثر توان سیستم را کنترل کند فعال می شود. لذا در ریزشبکه با وجود یک کنترل کننده ناظر مبتنی بر منطق فازی، عمل کنترل مبدل dc به dc دوطرفه باتری و مدیریت منابع تولید پراکنده انجام می شود. همچنین از کنترل کننده تناسبی رزونانسی به دلیل عملکرد مناسب آن، در این کار استفاده می شود. در حقیقت با استفاده از تولید جریان مرجع، جریان سینوسی با مقدار اعوجاج هارمونیک کل (THD) کمتر از 5 درصد تزریق می شود. نتایج نشان می دهد که استراتژی کنترلی همراه با مدیریت انرژی با چندین منبع تولید انرژی، اولاً قادر است که با وجود خطای نامتقارن در شبکه بالادستی، ولتاژ لینک dc را در یک بازه قابل قبول حفظ و جریان خطا را محدود کند لذا عملیات عبور از خطا بدون عملکرد رله های حفاظتی به‌درستی انجام شده است و ثانیاً در مقایسه با ریزشبکه با حضور فقط یک منبع تولید فتوولتائیک، روند تزریق توان اکتیو و راکتیو در شبکه بالادستی مطلوب‌تر است. Manuscript profile

در این مقاله، مسأله مدیریت انرژی ریزشبکه (MG) در حضور تولیدات پراکنده (DGها) و بارهای اکتیو (ALها) با در نظر گرفتن شاخص های بهره برداری، اقتصادی، زیست محیطی و قابلیت اطمینان ارائه می شود. این طرح دارای تابع هدفی برابر با کمینه سازی مجموع هزینه مورد انتظار بهره برداری MG و DGها، هزینه مورد انتظار آلودگی و هزینه خاموشی در شرایط وقوع پشامد N-1 است. این مسأله نیز مقید به معادلات پخش توان ac، محدودیت های بهره برداردی و قابلیت اطمینان MG و فرمول بندی بهره برداری DGها و ALها شامل طرح پاسخ گویی بار (DRP) و باتری است. همچنین از برنامه ریزی تصادفی برای مدل سازی عدم قطعیت های بار، قیمت انرژی، توان تولیدی DGهای تجدیدپذیر (RDGها) و دسترس پذیری تجهیزات MG استفاده می شود. سپس برای دست یابی به راه حل بهینه مطمئن با قابلیت پاسخ دهی یکتا، از حل کننده ترکیبی بهینه سازی شیر مورچه (ALO) و الگوریتم جستجوی کلاغ (CSA) استفاده می گردد. در نهایت با اجرای طرح پیشنهادی بر روی یک MG استاندارد و استخراج نتایج عددی حاصل از موارد مطالعاتی مختلف، قابلیت طرح مذکور در بهبود وضعیت شاخص های بهره برداری و اقتصادی MG در کنار تأمین انرژی پاک با قابلیت اطمینان مطلوب مورد تأیید قرار می گیرد. Manuscript profile

One of the common problems of power quality is the occurrence of voltage sags due to different types of balanced and unbalanced short-circuit faults in electrical distribution systems. Dynamic Voltage Restorer (DVR) is the most effective equipment used for voltage recovery in power distribution systems and it injects voltage in series with line voltage for voltage recovery. In this paper, the structure and general components of this equipment are presented. In addition, by applying a control scheme based on Synchronous Reference Frame Theory (SRFT) in its control system, the effective role of this equipment in compensating and maintaining the voltage of a power distribution system under the occurrence of balanced three-phase short-circuit fault and unbalanced single-phase to ground short-circuit fault is investigated and analyzed using Simulink/Matlab software. Manuscript profile

This paper presents the optimal participation of strategic electricity and gas producers (SEPs and SGPs) in the coupled electricity and gas market of the day-ahead (DA) reserve regulation and energy type in accordance with the Energy Management Strategy (EMS). The deterministic model of this scheme has two bi-level problems, which refer to modelling of the participation of SEPs/SGPs in the DA energy and reserve markets. In any bi-level problem, the upper-level formulation minimizes the difference between the cost and revenue of SEPs or SGPs in these markets subjected to the operational model of these producers. In the lower-level formulation, the market clearing price (MCP) model is expressed in the problem such that the minimization of the energy cost of non-SEPs / non-SGPs are subjected to the electrical / gas network, electricity / gas generation units, and the reserve requirements model. In this scheme, load, renewable generation power, and reserve demand are uncertain. Hence, this paper proposes the robust modelling to achieve an optimal point in the worst-case scenario. Furthermore, the master-slave decomposition (MSD) method is suggested to reach the optimal solution at a low calculation time. Finally, the proposed scheme is simulated on the standard test system. The numerical results confirm its capability to achieve benefits for SEPs / SGPs along with the extraction of economic operation for energy networks. Manuscript profile

In this paper, the Forward-Backward (FB) strategy has been developed to solve the load flow (LF) problem of a large-scale multi-carrier network. The Teaching–Learning-Based Optimization (TLBO), as a powerful heuristic tool, has been used for the optimization of the proposed LF. For this purpose, a large-scale unbalanced multi-carrier energy system (MCES) including an IEEE 33-bus system, a natural gas network with 25 nodes, and a heat network with 20 nodes have been considered to ascertain the applicability of the proposed FB-based machine learning strategy. By minimizing an objective function of the MCES system under unequal constraints, the TLBO tries to solve the optimization problem of MCES. The unbalanced current and voltage performance of the MCES system has been investigated by employing the current unbalance index (CUI) and voltage unbalance index (VUI). The numerical analysis with the application of the current unbalance index and voltage unbalance index has been studied to appraise the efficiency of the proposed optimal strategy to solve the LF problem of the MCES system. Manuscript profile

The topic of distribution network reconfiguration has been recognized as a common problem in the operation of distribution networks. Up to now, reconfiguration of the distribution network has been used to reduce power loss, issues with reliability and emergency problems. As a result of the increasing installation rate of Distributed Generations (DGs) and the increasingly increasing number of Electric Vehicles (EVs), distribution network operators have faced new problems as a result of high sensitive loads. These new facets of the problem of network operation consist of the problem of congestion and enable the business mechanism to be executed by an existing distribution market. With the application of Distribution Locational Marginal Price (DLMP), using Particle Swarm Optimization (PSO), this paper introduces a new methodology to solve this problem. As a suitable case study, the standard IEEE 33-bus network has been selected and simulation results show the compatibility of the proposed system. In the case of not considering DGs and the problem of congestion, comparisons with other papers were also discussed. The participation of DGs in the electricity distribution industry, the issue of congestion and the numerical results have been shown and discussed below. Manuscript profile

This paper studies a new method for reconfiguration of the distribution network that considers access to energy storage devices. Initially, a new distribution network reconfiguration model is being created that takes into account access to energy storage devices. This model takes as an objective function the minimum of network losses and takes into account the current power and voltage constraints induced by energy storage devices. In reconfiguration schemes, the dual power flow directions are also deliberated. To solve the proposed model, the Binary Particle Swarm Optimization (BPSO) is implemented to get the optimal reconfiguration scheme. Finally, to check the correctness and efficacy of the proposed process, two distribution networks with admission to energy storage systems are being checked (Initial topology of 12-bus system - Optimal topology without considering energy storage - Optimal topology considering energy storage), Then proposed more suitable method for solving the proposed reconfiguration models in this manuscript. Manuscript profile

A reconfiguration model for the distribution network with the optimization objective of reducing three -phase disequilibrium is suggested in order to cope with an increasingly serious three -phase unbalance in distribution network. Second, the distribution network reconfiguration problem is transformed into a problem of constructing the spanning tree of the graph by evaluating the distribution network in topology, which is solved by the process of breaking -cycle -basis. Then an improved Binary Particle Swarm Optimization (BPSO) algorithm is suggested to solve the reconfiguration problem by randomly choosing the first-branch and canceling the heuristic value of the network, which will extend the search scope and prevent search stagnation. Relevant examples of verification show that, relative to traditional approaches, the proposed algorithm can achieve the best global solution with less computational time and greater probability. The proposed algorithm is tested in 33 bus system and the results show the load balancing in distribution network. Manuscript profile