fa پخش بار بهینه مبتنی‌بر الگوریتم بهینه‌سازی گرگ خاکستری با استفاده از استخراج توابع چگالی احتمال با درنظر گرفتن عدم قطعیت توان بادی تخصصي Special پژوهشي Research <span dir="RTL"><span style="font-family:B Nazanin;"><span style="font-size:11.0pt;">در سالیان اخیر استفاده از </span></span></span><span dir="RTL"><span style="font-family:B Nazanin;"><span style="font-size:11.0pt;">واحدهای تولیدی تجدیدپذیر گسترش زیادی در سیستم‌های قدرت داشته است. یکی از پرکاربردترین واحدهای تجدیدپذیر، واحدهای مبتنی بر انرژی باد می‌باشند. به دلیل استفاده از انرژی باد جهت تولید انرژی الکتریکی، توربین‌های بادی هیچ‌گونه آلایندگی به محیط زیست منتشر نمی‌کنند. در نتیجه استفاده از این واحدها علاوه بر فوائد اقتصادی، از منظر زیست‌محیطی نیز بسیار مورد توجه قرار دارد. با این وجود عدم قطعیت در توان تولیدی این واحدها که ناشی از ماهیت نوسانی سرعت باد است، مشکلاتی را در بهره‌برداری از سیستم قدرت از جمله در مسئله پخش بار بهینه (</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:11.0pt;">OPF</span></span><span dir="RTL"><span style="font-family:B Nazanin;"><span style="font-size:11.0pt;">) ایجاد کرده است. در این مقاله برای در نظر گرفتن عدم قطعیت توان تولیدی واحدهای بادی، به جای استفاده از توابع توزیع احتمال از پیش تعیین شده همچون توزیع ویبول، از توابع چگالی احتمال استخراج شده بر اساس اطلاعات پیشین واحدهای بادی استفاده شده است. مسئله پخش بار بهینه به صورت یک مسئله بهینه‌سازی تصادفی با هدف کمینه‌سازی هزینه بهره‌برداری شبکه مدلسازی شده است. جهت مدلسازی شبکه قدرت، از قیود پخش بار مستقیم استفاده شده است. به منظور ارزیابی روش فوق، سناریوهای عدم قطعیت به دو دسته سناریوهای نمونه و تست تقسیم‌بندی شده و عملکرد شبکه در سناریوهای نمونه، توسط سناریوهای تست ارزیابی خواهد شد. برای حل مسئله بهینه‌سازی فوق، از روش بهینه‌سازی گرگ خاکستری با گام تصادفی (</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:11.0pt;">RWGWO</span></span><span dir="RTL"><span style="font-family:B Nazanin;"><span style="font-size:11.0pt;">) استفاده شده است. شبیه‌سازی روش فوق در نرم‌افزار </span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:11.0pt;">MATLAB</span></span><span dir="RTL"><span style="font-family:B Nazanin;"><span style="font-size:11.0pt;"> روی دو شبکه تست 30 و 118 شینه </span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:11.0pt;">IEEE</span></span><span dir="RTL"><span style="font-family:B Nazanin;"><span style="font-size:11.0pt;"> انجام گرفته است. نتایج حاصل از شبیه‌سازی بیان&shy;گر این است که استفاده از تابع چگالی احتمال استخراج شده سازگاری بیشتری با شرایط واقعی شبکه قدرت داشته و در نتیجه در مقایسه با تابع چگالی احتمال از پیش تعیین شده، هزینه‌های شبکه را کاهش داده است. </span></span></span> In recent years, utilization of the renewable based power plants has become widespread in the power systems. One of the most widely used renewable based power plants is wind power plants. Due to the utilization of wind energy to generate electricity, wind turbines have not emitted any environmental pollution. Thus, in addition to economic benefits, utilization of these power plants is of great interest from the environmental view point. As the uncertainty in the generated power of these plants is due to the fluctuating nature of wind speed, some problems related to the power system operation including the optimal Power Flow (OPF) issue are revealed. In this paper, instead of using the predetermined probability distribution functions (such as Weibull distribution), the probability density functions extracted based on previous information of wind power plants are used to consider the generated power uncertainty of the wind power plants. The OPF issue has been modeled as an optimization problem aimed at minimizing the network operating cost. The direct power flow constraints are used to model the power grid. To evaluate the above method, the uncertainty scenarios are divided into two categories of sample scenarios and tests that the network performance in sample scenarios will be evaluated by test scenarios. To solve the above optimization problem, a new Random Walk Gray Wolf Optimization (RWGWO) has been used. The simulation of the above method has been performed using MATLAB software for two test networks of IEEE 30 buses and IEEE 118 buses. The simulation results indicate that the utilization of the extracted probability density function has been more consistent with the actual power network conditions and therefore has reduced the network costs as compared to the predetermined probability density function. پخش بار بهینه (OPF)؛ بهینه‌سازی تصادفی؛ سناریوهای عدم قطعیت؛ تابع چگالی احتمال استخراج شده؛ روش بهینه‌سازی گرگ خاکستری با گام تصادفی (RWGWO). Optimal Power Flow, Random Optimization, Uncertainty Scenarios, Extracted Probability Density Function, Random Walk Gray Wolf Optimization. 13 25 http://jeps.dezful.iau.ir/browse.php?a_code=A-10-145-6&slc_lang=fa&sid=1 Abbas Charlang عباس چهارلنگ 10031947532846003002 10031947532846003002 No Department of Electrical Engineering, Ahvaz Branch, Islamic Azad University Ahvaz, Iran گروه برق، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران Ali Darvish Falehi علی درویش فالحی a_darvishfalehi@sbu.ac.ir 10031947532846003003 10031947532846003003 Yes Department of Electrical Engineering, Shadegan Branch, Islamic Azad University, Shadegan, Iran گروه برق، واحد شادگان، دانشگاه آزاد اسلامی، شادگان، ایران Hossein Toupchizadeh حسین توپچی زاده 10031947532846003004 10031947532846003004 No Department of Electrical Engineering, Ahvaz Branch, Islamic Azad University Ahvaz, Iran گروه برق، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران