fa بهینه سازی چندهدفه انرژی در شبکه های توزیع هوشمند با استفاده از الگوریتم ترکیبی فازی-ژنتیک در حضور منابع تجدیدپذیر، خودروهای الکتریکی و ذخیره ساز انرژی تخصصي Special پژوهشي Research <p dir="RTL" style="text-align: justify;"><span style="font-size: 12pt;"><span style="direction: rtl;"><span style="unicode-bidi: embed;"><span new="" roman="" style="font-family:;" times=""><span b="" lang="AR-SA" nazanin="" style="font-family:;">در این مقاله، یک چارچوب نوین برای مدیریت انرژی در شبکه‌های توزیع هوشمند ارائه می‌شود که در آن از ترکیب الگوریتم فازی با الگوریتم ژنتیک برای حل مدل بهینه‌سازی چندهدفه استفاده شده است. مدل پیشنهادی با هدف کاهش تلفات انرژی، بهبود نمایه ولتاژ، کاهش هزینه‌های بهره‌برداری و حداقل‌سازی آلایندگی زیست‌محیطی طراحی شده و توانایی پاسخ‌گویی به ویژگی‌های دینامیکی بار و عدم قطعیت منابع تجدیدپذیر را دارد. در این مدل، تعامل بین منابع تولید پراکنده، سامانه‌های ذخیره‌سازی انرژی و خودروهای الکتریکی در چارچوب برنامه‌ریزی </span><span b="" lang="FA" nazanin="" style="font-family:;">۲۴</span><span b="" lang="AR-SA" nazanin="" style="font-family:;"> ساعته لحاظ شده است. جهت بهینه‌سازی مدل</span><span b="" lang="FA" nazanin="" style="font-family:;"> با استفاده از زبان برنامه&shy;نویسی پایتون</span><span b="" lang="AR-SA" nazanin="" style="font-family:;">، از یک الگوریتم ترکیبی بهره گرفته شده است که ابتدا با استفاده از منطق فازی، نواحی جست‌وجوی اولویت‌دار شناسایی و سپس با الگوریتم ژنتیک، راه‌حل بهینه استخراج می‌شود. نتایج شبیه‌سازی روی شبکه‌های استاندارد 33 شینه نشان‌دهنده کاهش چشمگیر تلفات انرژی، بهبود کیفیت ولتاژ و افزایش بهره‌وری سیستم در مقایسه با روش‌های رایج هستند. روش پیشنهادی با فراهم آوردن یک راهکار انعطاف‌پذیر، کارا و مقیاس‌پذیر، قابلیت بالایی در مواجهه با پیچیدگی‌های شبکه‌های توزیع آینده‌محور دارد</span><span b="" lang="FA" nazanin="" style="font-family:;">. </span></span></span></span></span></p> <p style="text-align: justify;"><span style="font-size: 11pt;"><span new="" roman="" style="font-family:;" times="">In this paper, a novel framework for energy management in smart distribution networks is presented, which employs a hybrid fuzzy-genetic algorithm to solve a multi-objective optimization model. The proposed model is designed to reduce energy losses, improve voltage profiles, minimize operational costs, and mitigate environmental pollution, while effectively addressing the dynamic characteristics of load demand and uncertainties associated with renewable energy sources. The model incorporates the interaction among distributed generation resources, energy storage systems, and electric vehicles within a 24-hour scheduling framework. For optimization, a hybrid algorithm is utilized: fuzzy logic first identifies priority search regions, followed by the genetic algorithm extracting the optimal solution. Simulation results on standard 33-bus test systems demonstrate significant reductions in energy losses, enhanced voltage quality, and improved system efficiency compared to conventional methods. The proposed approach provides a flexible, efficient, and scalable solution, demonstrating high capability in addressing the complexities of future-oriented distribution networks.&nbsp;</span></span></p> مدیریت انرژی, شبکه هوشمند, الگوریتم فازی, منابع تجدیدپذیر. Energy Management, Smart Grid, Fuzzy Algorithm, Renewable Energy Sources. 37 50 http://jeps.dezful.iau.ir/browse.php?a_code=A-10-332-2&slc_lang=fa&sid=1 Hadi Tavalaei هادی تولایی Tavalaei@iau.ir 10031947532846003084 10031947532846003084 No Department of Electrical Engineering, Shahrood Branch., Islamic Azad University, Shahrood, Iran. گروه برق، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران Mahmoud Samiei Moghaddam محمود سمیعی مقدم samiei352@yahoo.com 10031947532846003085 10031947532846003085 Yes Department of Electrical Engineering, Damghan Branch, Islamic Azad University, Damghan, Iran. گروه مهندسی برق، واحد دامغان، دانشگاه آزاد اسلامی، دامغان، ایران Mojtaba Vahedi مجتبی واحدی vahedi.mojtaba@gmail.com 10031947532846003086 10031947532846003086 No Department of Electrical Engineering, Shahrood Branch., Islamic Azad University, Shahrood, Iran. گروه برق، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران Nasrin Salehi نسرین صالحی salehi@iau.ac.ir 10031947532846003087 10031947532846003087 No Department of Electrical Engineering, Shahrood Branch., Islamic Azad University, Shahrood, Iran. گروه علوم پایه، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران Mohamad Hoseini Abardeh محمد حسینی ابرده hoseini.abardeh@iau.ac.ir 10031947532846003088 10031947532846003088 No Department of Electrical Engineering, Shahrood Branch., Islamic Azad University, Shahrood, Iran. گروه برق، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران