چکیده

در این مقاله، یک روش هوشمند برای EMS مبتنی بر شبکه عصبی بازگشتی (RNN) با کمک الگوریتم بهینه ساز شیر- مورچه (ALO) برای یافتن برنامه ریزی انرژی در MG ارائه شده است. برنامه ریزی بهینه عملکرد سیستم های الکتریکی از طریق به حداقل رساندن هزینه تولید و همچنین استفاده بهتر از منابع انرژی تجدید پذیر، مانند سیستم PV، WT و سیستم ذخیره سازی. هدف از روش پیشنهادی به منظور بهره برداری بهینه از ریز (میکرو) منابع برای برای کاهش هزینه تولید برق به صورت ساعتی و برنامه ریزی زمان واقعی استفاده شده است. روش پیشنهادی قادر به تحلیل محدودیت های فنی و اقتصادی وابسته به زمان است. روش پیشنهادی سعی در تامین و برآورد تقاضای بار مورد نیاز با حداقل هزینه انرژی دارد. برای دستیابی به این منظور، پاسخ تقاضا (DR) با استفاده از RNN و شاخص های اضافی برای ارزیابی پاسخ مشتری ، مانند اطلاعات مصرف کنندگان بر اساس اولویت ارائه شده، اندازه DR، مدت زمان و حداقل هزینه انرژی (COE) ارزیابی می شود. سرانجام، الگوریتم ALO برای حل مسائل پخش بار اقتصادی به منظور تعیین تعیین تولید، ذخیره سازی و بارهای پاسخگو پیشنهاد شده است. روش پیشنهادی در پلتفرم کاری MATLAB / Simulink پیاده سازی شده و عملکرد آنها به ترتیب با روشهای موجود مانند GA، ABC و BFA آزمایش می شود.

1- مقدمه

این قرن متکی بر شواهدی از تحولات خارق العاده و دشواری ها در عصر نیرو، انتقال و استفاده از آن می باشد. نوآوری های عصر نیرو که اکولوژیکی پسند هستند (گزینه های تجدید پذیر و پاک) به دلیل گسترش آگاهی جهانی در مورد نیاز به امنیت طبیعی و تمایل به تکیه کمتر به قدرت های فسیلی برای تولید انرژی، بخشی مهم در تأمین نیرو در آینده را به عهده خواهد گرفت....