fa مروری تحلیلی بر کاربردهای الگوریتم‌ PSO در انعطاف‌پذیری و تاب‌آوری سیستم‌های قدرت تخصصي Special مقاله مروری Review article <div style="text-align: justify;"><span lang="FA" nazanin="" style="font-family:;"><font size="3"><font color="#000000">دگرگونی اساسی سیستم قدرت در سال های اخیر،&nbsp; </font></font><font color="#000000"><font size="3">با توسعه نفوذ منابع انرژی تجدیدپذیر، ریزشبکه‌ها و گسترش بارهای نوظهور نظیر خودروهای برقی، چالش‌های جدیدی را در بهره‌برداری مطمئن و پایدار سیستم قدرت ایجاد کرده است.برخلاف مزایای زیست‌محیطی و اقتصادی قابل‌توجهی که این تغییرات به همراه داشته‌اند،</font></font><font color="#000000"><font size="3">&nbsp; </font></font><font color="#000000"><font size="3">سطح عدم‌قطعیت و نوسانات بهره‌برداری را افزایش داده‌اند. در چنین شرایطی، مفاهیم &laquo;انعطاف‌پذیری&raquo; و &laquo;تاب‌آوری&raquo; به‌عنوان دو شاخص کلیدی عملکرد سیستم‌های قدرت مطرح شده‌اند</font></font></span><font size="3"><font color="#000000"><font face="Times New Roman">.</font><span lang="FA" nazanin="" style="font-family:;">انعطاف‌پذیری به توانایی سیستم در تطبیق سریع با تغییرات شرایط بهره‌برداری عادی اشاره دارد، در حالی که تاب‌آوری بر ظرفیت سیستم برای مقاومت در برابر اختلالات شدید، کاهش افت عملکرد و بازیابی سریع پس از وقوع بحران‌ها تمرکز دارد. پیچیدگی مسائل مرتبط با این دو مفهوم، باعث شده تا استفاده از روش‌های کلاسیک بهینه‌سازی با محدودیت مواجه شود و توجه پژوهشگران را به الگوریتم‌های فراابتکاری جلب نموده است. الگوریتم بهینه‌سازی ازدحام ذرات</span><font face="Times New Roman"> (PSO) </font><span lang="FA" nazanin="" style="font-family:;">به دلیل ساختار ساده، قابلیت های تطابق و عملکرد مناسب در مسائل غیرخطی و چندهدفه، جایگاه ویژه‌ای در سیستم‌های قدرت یافته است</span><font face="Times New Roman">.</font><span lang="FA" nazanin="" style="font-family:;">این مقاله با رویکردی مروری و تحلیلی، به بررسی جامع کاربرد الگوریتم</span><font face="Times New Roman"> PSO </font><span lang="FA" nazanin="" style="font-family:;">در افزایش انعطاف‌پذیری و تاب‌آوری سیستم‌های قدرت می‌پردازد. با تحلیل 40 مقاله منتخب، ابتدا به یادآوری مفاهیم پایه پرداخته، سپس نقش</span><font face="Times New Roman"> PSO </font><span lang="FA" nazanin="" style="font-family:;">در مدیریت منابع انعطاف‌پذیر و بهبود تاب‌آوری شبکه‌ها تحلیل می‌شود. در ادامه، شکاف‌های پژوهشی شناسایی و مسیرهای آینده تحقیق پیشنهاد می‌گردد</span><font face="Times New Roman">.</font></font></font></div> <div style="text-align: justify;"><span style="font-size: 11pt;"><font color="#000000"><font face="Times New Roman">The fundamental transformation of the power system in recent years, with the development of the penetration of renewable energy sources, microgrids and the spread of emerging loads such as electric vehicles, has created new challenges in the reliable and sustainable operation of the power system. Contrary to the significant environmental and economic benefits that these changes have brought, they have increased the level of uncertainty and fluctuations in operation. In such circumstances, the concepts of &quot;flexibility&quot; and &quot;resilience&quot; have been proposed as two key indicators of the performance of power systems. Flexibility refers to the ability of the system to quickly adapt to changes in normal operating conditions, while resilience focuses on the capacity of the system to withstand severe disturbances, reduce performance degradation and recover quickly after crises. The complexity of the issues related to these two concepts has caused the use of classical optimization methods to face limitations and has attracted the attention of researchers to meta-heuristic algorithms. Particle Swarm Optimization (PSO) algorithm has gained a special place in power systems due to its simple structure, adaptive capabilities, and good performance in nonlinear and multi-objective problems. This article, with a review and analytical approach, comprehensively examines the application of PSO algorithm in increasing the flexibility and resilience of power systems. By analyzing 40 selected articles, first, basic concepts are recalled, then the role of PSO in flexible resource management and improving network resilience is analyzed. In the following, research gaps are identified and future research directions are suggested.</font></font></span></div> الگوریتم بهینه سازی ازدحام ذرات, انعطاف‌پذیری سیستم های قدرت, تاب‌آوری سیستم های قدرت, پاسخگویی بار, بهینه‌سازی فراابتکاری, ریزشبکه, مدل سازی عدم قطعیت. Particle Swarm Optimization (PSO), Power System Flexibility, Power System Resilience, Demand Response, Metaheuristic Optimization, Microgrid, Uncertainty Modeling. 85 105 http://jeps.dezful.iau.ir/browse.php?a_code=A-10-355-1&slc_lang=fa&sid=1 Mohanad Faisal Abed Al-Safi مهند فیصل عبدالصافی mohanad.alsafi@iau.ac.ir 10031947532846003058 10031947532846003058 No Department of Electrical Engineering, SR.C., Islamic Azad University, Tehran, Iran گروه برق، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران Afshin Lashkarara افشین لشکرارا Lashkarara@iau.ac.ir 10031947532846003059 10031947532846003059 Yes Department of Electrical Engineering, Dez.C., Islamic Azad University, Dezful, Iran گروه برق، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران Hajar Bagheri Tolabi هاجر باقری طولابی ha.btolabi@iau.ac.ir 10031947532846003060 10031947532846003060 No Department of Electrical Engineering, Khor.C., Islamic Azad University, Khorramabad, Iran گروه برق، واحد خرم آباد، دانشگاه آزاد اسلامی، خرم آباد، ایران