vix.ing · top · new · best · stats · spec

Multi-Objective Optimization for Demand Response Planning in Residential Homes Using Smart Aggregators

2024/11/25 by Gholam-Reza Kamyab, Kamyab, Gholam-Reza, Mohammad Hossein Erfani Majd +3
Computer Science · Engineering · #Best compromise solution #Demand response #Fuzzy technique #Multi-objective optimization #NSGA-II #Smart Grid Energy Management #Smart Parking Systems Research #Smart aggregators #Spreadsheets and End-User Computing

paper · doi:10.82257/jeis.2025.1191496

openalex publication_date 2024/11/25 · openalex created_date 2025/12/31 · openalex updated_date 2026/07/22

Abstract

این مقاله به بررسی بهینه‌سازی چندهدفه برای برنامه‌ریزی پاسخگویی به تقاضای منازل مسکونی با استفاده از تجمیع‌کننده‌های هوشمند می‌پردازد. تجمیع‌کننده‌های هوشمند به‌عنوان ابزارهای مؤثر در بهینه‌سازی مصرف انرژی خانگی و کاهش هزینه‌ها، با استفاده از الگوریتم‌های پیشرفته و فناوری‌های نوین، نقش مهمی در مدیریت تقاضای انرژی دارند. در این تحقیق، هدف اصلی کاهش هزینه‌های انرژی و به حداقل رساندن نارضایتی مشتریان در فرآیند پاسخگویی به تقاضا است. برای رسیدن به این اهداف، از الگوریتم بهینه‌سازی چندهدفه NSGA-II استفاده شده است که قادر است مجموعه‌ای از پاسخ‌های بهینه را با توجه به اهداف مختلف ارائه دهد. این الگوریتم از تکنیک‌های انتخاب طبیعی و فرآیندهای ژنتیکی برای پیدا کردن تعادل میان اهداف مختلف استفاده می‌کند. در مرحله بعد، برای انتخاب بهترین پاسخ مصالحه‌شده بین اهداف متضاد، از روش فازی چندهدفه بهره گرفته می‌شود. این روش به کمک تابع عضویت فازی، پاسخ‌های مختلف را بر اساس درجه انطباق‌شان با اهداف مختلف ارزیابی می‌کند. به‌کارگیری الگوریتم NSGA-II و تکنیک‌های فازی در بهینه‌سازی مصرف انرژی خانگی منجر به کاهش قابل توجه هزینه‌ها و نارضایتی مشتریان می‌شود. نتایج شبیه‌سازی‌های عددی نشان می‌دهند که این روش‌ها به‌طور مؤثری تعادل بهینه‌ای میان کاهش هزینه‌ها و بهبود رفاه مصرف‌کنندگان در شبکه‌های توزیع هوشمند ایجاد می‌کنند. در نهایت، این پژوهش به اهمیت استفاده از الگوریتم‌های پیشرفته در بهینه‌سازی سیستم‌های انرژی خانگی و دستیابی به یک سیستم پایدار و هوشمند اشاره دارد.

Related