fa برنامه‌ریزی بهره‌برداری بهینه از منابع تولید پراکنده و سیستم‌های ذخیره‌ساز در شبکه‌های توزیع فعال با استفاده از الگوریتم بهینه‌سازی مبتنی بر آموزش-یادگیری تخصصي Special پژوهشي Research <span dir="RTL" lang="FA" style="font-size:12.0pt"><span b="" nazanin="" style="font-family:">در سال‌های اخیر با توجه به مزایای انکارناپذیر منابع انرژی تجدیدپذیر، ذخیره‌ساز انرژی و منابع پاسخگویی بار، سطح نفوذ این منابع در شبکه‌های توزیع، افزایش‌یافته است. با اضافه شدن منابع تولید پراکنده و ذخیره‌ساز به شبکه توزیع و انتقال دوسویه توان الکتریکی شبکه توزیع فعال شکل می‌گیرد. در این وضعیت، با چالش‌های شبکه توزیع فعال، روش‌ها و تکنیک‌های گذشته جهت بهره‌برداری اقتصادی و ایمن از شبکه پاسخگو نبوده و متناسب با تغییر ماهیت شبکه‌های توزیع به روش‌ها و ابزارهای کارآمدتری نیاز است. در این مقاله یک استراتژی مدیریت بهینه انرژی جدید و برنامه&shy;ریزی روزانه ریزشبکه در حضور ذخیره&shy;ساز انرژی هوای فشرده چند مرحله&shy;ای (</span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">MCAES</span></span><span dir="RTL" lang="FA" style="font-size:12.0pt"><span b="" nazanin="" style="font-family:">)</span></span> <span dir="RTL" lang="FA" style="font-size:12.0pt"><span b="" nazanin="" style="font-family:">با در نظر گرفتن عدم قطعیت‌های منابع انرژی تجدیدپذیر ارائه شده است. مینیمم کردن هزینه بهره‌برداری سیستم&shy;های ذخیره&shy;ساز انرژی، آﻟﻮدﮔﯽ&shy;ﻫﺎی زیﺴﺖ ﻣﺤﯿﻄـﯽ، هزینه مربوط به انرژی تأمین نشده و مازاد انرژی با در نظر گرفتن قیود تأمین بار از اهداف این استراتژی جدید می‌باشد. محدودیت‌های فنی در نظر گرفته‌شده در این مقاله شامل محدودیت‌های منابع تولید پراکنده و سیستم‌های ذخیره‌ساز انرژی می‌باشد. همچنین برنامه پاسخگویی طرف بار به‌منظور مسطح کردن نمودار بار و بهره‌برداری بهینه از ریز&shy;شبکه به کار گرفته‌شده است. با استفاده از الگوریتم بهینه&shy;سازی مبتنی بر آموزش و یادگیری (</span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">TLBO</span></span><span dir="RTL" lang="FA" style="font-size:12.0pt"><span b="" nazanin="" style="font-family:">) مدل پیشنهادی روی یک ریز شبکه اجراشده که خروجی‌های حاصل از شبیه‌سازی این مدل نشان می‌دهد استفاده از سیستم ذخیره‌ساز </span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">MCAES</span></span><span dir="RTL" lang="FA" style="font-size:12.0pt"><span b="" nazanin="" style="font-family:"> و برنامه پاسخگویی بار باعث کاهش هزینه‌های بهره‌برداری، انتشار آلودگی، هزینه مربوط به انرژی تأمین نشده و مازاد انرژی ریز شبکه می‌شوند.</span></span> <span style="font-size:10pt"><span new="" roman="" style="font-family:" times=""><span style="font-size:11.0pt">In recent years, due to the undeniable benefits of renewable energy resources, energy storage and demand response, the penetration of these resources in distribution networks has increased. With the addition of distributed generation and storage resources to the two-way distribution grid, the active distribution grid is formed. In this situation, with the challenges of active distribution networks, past methods and techniques have not been responsive to economically and securely exploiting the network and more efficient methods and tools are needed to adapt to the changing nature of distribution networks. This paper proposes an optimal new energy management strategy and daily grid scheduling in the presence of small-scale compressed air energy storage (MCAES) and taking into account the uncertainties of renewable energy resources. Minimizing the cost of operating energy storage systems, environmental pollutions, the cost of unsupplied energy, and energy surplus cost taking into account the load supply constraints, are among the goals of this new strategy. The technical limitations considered in this article include the constraints of distributed generation resources and energy storage systems. The demand response program is also used to flatten load pattern and optimize the utilization of the micro grid. Using the proposed Teaching&ndash;learning-based optimization (TLBO) algorithm on a micro-grid model, the results of simulation of this model show that the use of MCAES storage system and demand response program reduce operating costs, pollution propagation, unsupplied energy and micro-grid energy surplus cost. &nbsp;</span><b><span dir="RTL" lang="FA" style="font-size:11.0pt"><span style="font-family:"B Nazanin""></span></span></b></span></span><br> &nbsp; برنامه پاسخگویی بار, ذخیره‌ساز انرژی, عدم قطعیت‌, مدیریت بهینه انرژی, منابع انرژی تجدیدپذیر demand response program, energy storage, optimal energy management, renewable energy resources, uncertainty 0 0 http://jeps.dezful.iau.ir/browse.php?a_code=A-10-370-1&slc_lang=fa&sid=1 Majid Moazzami مجید معظمی m_moazzami79@yahoo.com 10031947532846003304 10031947532846003304 Yes Department of Electrical Engineering, Na.C., Islamic Azad University, Najafabad, Iran دانشکده مهندسی برق، واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران Mohammad Javad Sonboli محمد جواد سنبلی 10031947532846003305 10031947532846003305 No Department of Electrical Engineering, Na.C., Islamic Azad University, Najafabad, Iran دانشکده مهندسی برق، واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران