عنوان ترجمه شده مقاله: الگوریتم بهینه ساز شیر- مورچه و شبکه های عصبی بازگشتی برای مدیریت انرژی سیستم متصل به ریز شبکه

چکیده

در این مقاله، یک روش هوشمند برای EMS مبتنی بر شبکه عصبی بازگشتی (RNN) با کمک الگوریتم بهینه ساز شیر- مورچه (ALO) برای یافتن برنامه ریزی انرژی در MG ارائه شده است. برنامه ریزی بهینه عملکرد سیستم های الکتریکی از طریق به حداقل رساندن هزینه تولید و همچنین استفاده بهتر از منابع انرژی تجدید پذیر، مانند سیستم PV، WT و سیستم ذخیره سازی. هدف از روش پیشنهادی به منظور بهره برداری بهینه از ریز (میکرو) منابع برای برای کاهش هزینه تولید برق به صورت ساعتی و برنامه ریزی زمان واقعی استفاده شده است. روش پیشنهادی قادر به تحلیل محدودیت های فنی و اقتصادی وابسته به زمان است. روش پیشنهادی سعی در تامین و برآورد تقاضای بار مورد نیاز با حداقل هزینه انرژی دارد. برای دستیابی به این منظور، پاسخ تقاضا (DR) با استفاده از RNN و شاخص های اضافی برای ارزیابی پاسخ مشتری ، مانند اطلاعات مصرف کنندگان بر اساس اولویت ارائه شده، اندازه DR، مدت زمان و حداقل هزینه انرژی (COE) ارزیابی می شود. سرانجام، الگوریتم ALO برای حل مسائل پخش بار اقتصادی به منظور تعیین تعیین تولید، ذخیره سازی و بارهای پاسخگو پیشنهاد شده است. روش پیشنهادی در پلتفرم کاری MATLAB / Simulink پیاده سازی شده و عملکرد آنها به ترتیب با روشهای موجود مانند GA، ABC و BFA آزمایش می شود.

1- مقدمه

این قرن متکی بر شواهدی از تحولات خارق العاده و دشواری ها در عصر نیرو، انتقال و استفاده از آن می باشد. نوآوری های عصر نیرو که اکولوژیکی پسند هستند (گزینه های تجدید پذیر و پاک) به دلیل گسترش آگاهی جهانی در مورد نیاز به امنیت طبیعی و تمایل به تکیه کمتر به قدرت های فسیلی برای تولید انرژی، بخشی مهم در تأمین نیرو در آینده را به عهده خواهد گرفت....