fa بهینه‌سازی هوشمند هزینه‌های انرژی در ریزشبکه‌های ترکیبی برق و گاز با در نظر گرفتن تولید پراکنده و ذخیره‌سازی تخصصي Special پژوهشي Research <div 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="FA" nazanin="" style="font-family:;">در این مقاله، یک چارچوب جامع برای بهینه‌سازی هزینه‌های بهره‌برداری در ریزشبکه‌های ترکیبی برق و گاز با در نظر گرفتن منابع تولید پراکنده، ذخیره‌سازی انرژی، و نوسانات قیمتی در بازار انرژی ارائه شده است. هدف اصلی، کاهش هزینه‌های عملیاتی و افزایش کارایی بهره‌برداری از منابع در شرایط واقعی و نامطمئن است. برای این منظور، یک مدل ترکیبی بهینه‌سازی بر پایه برنامه‌ریزی خطی صحیح آمیخته (</span><span dir="LTR" style="font-size: 11pt;">MILP</span><span b="" lang="FA" nazanin="" style="font-family:;">) و روش برنامه‌ریزی مقاوم مبتنی بر قیود احتمالاتی (</span><span dir="LTR" style="font-size: 11pt;">DRCC</span><span b="" lang="FA" nazanin="" style="font-family:;">) توسعه یافته و در محیط نرم‌افزار</span> <span lang="FA" style="font-size: 11pt;"><span b="" nazanin="" style="font-family:;">گمز </span></span><span b="" lang="FA" nazanin="" style="font-family:;">با استفاده از حل‌کننده</span> <span dir="LTR" style="font-size: 11pt;">CPLEX </span><span b="" lang="FA" nazanin="" style="font-family:;">پیاده‌سازی شده است. مدل پیشنهادی در قالب یک ساختار دو مرحله‌ای بازار (شامل بازار روز-قبل و بازار لحظه‌ای) تدوین شده تا تصمیم‌گیری‌های برنامه‌ریزی و اصلاح انحرافات تولید در شرایط عدم‌قطعیت به‌صورت مؤثر انجام گیرد. برای ارزیابی عملکرد مدل، یک ریزشبکه شامل منابع خورشیدی، بادی، میکروتوربین، سلول سوختی، و باتری، همراه با بارهای متغیر و قابل کنترل شبیه‌سازی شده است. نتایج عددی نشان می‌دهد که استفاده از مدل پیشنهادی باعث کاهش ۱۸ درصدی هزینه کل بهره‌برداری، کاهش ۲۷ درصدی بار قطع‌شده، و افزایش نرخ بهره‌برداری از منابع انرژی تجدیدپذیر به بیش از ۹۵ درصد شده است. همچنین، انحراف از برنامه بازار به میزان ۵۵ درصد کاهش یافته و پایداری سیستم بهبود یافته است. انعطاف‌پذیری ساختار مدل، قابلیت تعمیم آن به حامل‌های دیگر مانند گرما و سرمایش را نیز فراهم می‌سازد.</span></span></span></span></span></div> <div style="text-align: justify;"><span style="font-size: 10pt;"><span new="" roman="" style="font-family:;" times=""><span style="font-size: 11pt;">This paper presents a comprehensive framework for smart cost optimization in integrated electricity-gas microgrids considering distributed generation units, energy storage systems, and market price uncertainties. The primary objective is to minimize operational costs while enhancing the performance of microgrids under realistic and uncertain conditions. To this end, a hybrid optimization model based on Mixed-Integer Linear Programming (MILP) and Distributionally Robust Chance Constraints (DRCC) is developed and implemented in GAMS software using the CPLEX solver. The proposed model is formulated within a two-stage market structure, including the day-ahead and real-time markets, to ensure efficient planning and adaptive corrections under uncertainty. To evaluate the performance of the model, a typical hybrid microgrid comprising photovoltaic (PV), wind turbine (WT), microturbines, fuel cells, and battery energy storage systems (BESS) along with variable and interruptible loads is simulated. Numerical results indicate that the proposed framework leads to an 18% reduction in total operational cost, a 27% reduction in load curtailment, and over 95% utilization rate of renewable energy sources. Moreover, the deviation from market schedules is reduced by 55%, indicating improved robustness and resilience. The flexibility of the proposed model also enables its extension to other energy carriers such as heating and cooling, making it a promising solution for future multi-energy systems.</span></span></span></div> ریزشبکه ترکیبی, هاب انرژی, برنامه‌ریزی مقاوم, بهینه‌سازی هزینه, ذخیره‌سازی انرژی, منابع تجدیدپذیر Hybrid microgrid, Energy hub, Robust planning, Cost optimization, Energy storage, DRCC, Renewable energy sources 65 83 http://jeps.dezful.iau.ir/browse.php?a_code=A-10-346-1&slc_lang=fa&sid=1 Shahryar Behnia شهریار بهنیا behnia.shahryar@gmail.com 10031947532846003092 10031947532846003092 No Department of Electrical Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran گروه مهندسی برق، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران Saeed Kharrati سعید خراطی dr.kharrati@iauksh.ac.ir 10031947532846003093 10031947532846003093 Yes Department of Electrical Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran گروه مهندسی برق، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران Farshad Khosravi فرشاد خسروی fkhosravi@iauksh.ac.ir 10031947532846003094 10031947532846003094 No Department of Electrical Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran گروه مهندسی برق، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران abdollah rastgou عبداله راستگو a.rastgou@iauksh.ac.ir 10031947532846003095 10031947532846003095 No Department of Electrical Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran گروه مهندسی برق، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران