امروزه با توجه به رشد گسترده و نفوذ استفاده از منابع توليد پراكنده در شبكه‌هاي هوشمند، پيش‌بيني بار خالص شبكه با در نظر گرفتن اثر توليدات پراكنده اهميت قابل توجهي پيدا كرده است. در اين مقاله يك روش بهينه‌سازي تركيبي به منظور پیش‏بینی احتمالاتي بلندمدت بار خالص شبكه با استفاده از روش تحلیل اجزای همسایگی و حل مسأله رگرسیون به روش mini-batch-LBFGS و ترکیب پیش‏بینی‏های به دست آمده با استفاده از سیستم استنتاج عصبی- فازی تطبیقی ارائه شده است. اين ساختار شامل تركيب چندين پيش‌بيني بلندمدت از جمله پیش‏بینی بار، توان يك ايستگاه خورشيدي و توان یک مزرعه بادی با توربین‏های بادی مجهز به ژنراتور القایی دوسوتغذیه است. پیش‏بینی بار خالص و بررسی وابستگی موجود بین خطاهای پیش‏بینی بار و توان‏های خورشیدی و بادی نیز در این مقاله مورد مطالعه قرار گرفته است. نتايج شبيه‏سازي روش پيشنهادي و مقایسه آن با مدل‏های تائو و رگرسیون چندکی نشان می‌دهد که درصد میانگین مطلق خطا برای پیش‌بینی‌های بار و توان‏های خروجی ایستگاه خورشیدی و مزرعه بادی به ترتیب به میزان 947/0%، 3079/0% و 0042/0% بهبود یافته است که کاهش خطای کلی پیش‌بینی را سبب می‌شود. پرونده مقاله

یکپارچه‌سازی منابع تجدیدپذیر به منظور تأمین بار محلی باعث به وجود آمدن مفهومی به نام ریزشبکه شده است. با ورود گسترده ریزشبکه‌ها، مدیریت انرژی و بهره‌برداری از سیستم‌ و منابع در شرایط بازار برق از وظایف مهم مدیریت بهره‌برداری ریزشبکه است. در این مقاله مسئله بهره‌برداری ریزشبکه با در نظر گرفتن مسایل اقتصادی، فنی و همچنین با در نظر گرفتن عدم قطعیت‌های مربوط به بار مصرفی، سرعت باد و تابش خورشید در شرایط بازار برق مدل‌سازی شده است. یکی از مباحث مهم در شرایط بازار برق بحث مشارکت واحدها در شرایط قیمت واقعی است. بر این اساس چهارچوبی به منظور بهره‌برداری ﺑﻬﯿﻨﻪ و ﻣﺼﺮف اﻧﺮژی بارهای کنترل‌پذیر در ﺷﺮاﯾﻂ بهره‌برداری یکپارچه از منابع انرژی توزیع‌شده دارای عدم قطعیت، از دﯾﺪﮔﺎه مصرف‌کننده اراﺋﻪ می‌شود. مسئله بهینه‌سازی مورد نظر به صورت ﯾﮏ مسئله برنامه‌ریزی ﺧﻄﯽ ﺗﺼﺎدﻓﯽ دومرحله‌ای، با هدف کمینه‌سازی هزینه بهره‌برداری ریزشبکه و ﻫﺰﯾﻨﻪ ﻣﻮرد اﻧﺘﻈﺎر ﭘﺮداﺧﺘﯽ مصرف‌کننده و ﺑﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﻧﯿﺎز مصرف‌کننده ﺑﻪ ﺑﺮﺧﯽ از بارهای کنترل‌پذیر ﺧﻮد در بازه‌های زﻣﺎﻧﯽ مورد نظر او و محدودیت‌های بارها و ﻧﯿﺰ محدودیت‌های اعمال‌شده از ﺟﺎﻧﺐ ﺷﺮﮐﺖ ﺑﺮق ﻣﺪل می‌شود که با استفاده از الگوریتم بهینه‌سازی ازدحام سالپ حل می‌گردد. ﺑﺮای مدل‌سازی ﺑﺎزار ﺑﺮق خرده‌فروشی، تعرفه‌های RTP و IBR مورد استفاده ﻗﺮار می‌گیرد ﺗﺎ ﻫﻢ ﻧﻮﺳﺎﻧﺎت ﻗﯿﻤﺖ عمده‌فروشی ﺑﻬﺘﺮ ﻣﻨﻌﮑﺲ ﺷﻮد و ﻫﻢ از هم‌زمانی ﻣﺼﺮف ﺟﻠﻮﮔﯿﺮی گردد. در این روش ﻗﯿﻤﺖ به جای ﻣﺸﺨﺺﺑﻮدن در ﮐﻞ دوره برنامه‌ریزی، ﺗﻨﻬﺎ در ﺗﻌﺪاد ﻣﺤﺪودی از ﺳﺎﻋﺎت آﯾﻨﺪه، از ﺟﺎﻧﺐ خرده‌فروش ﺑﻪ مصرف‌کننده اﻋﻼم می‌شود. در اﯾﻦ ﺷﺮاﯾﻂ ﻫﺮ ﮔﻮﻧﻪ زمان‌بندی ﺑﺎرﻫﺎی کنترل‌پذیر ﻧﯿﺎزﻣﻨﺪ پیش‌بینی ﻗﯿﻤﺖ اﺳﺖ و اﯾﻦ در ﺣﺎﻟﯽ اﺳﺖ ﮐﻪ پیش‌بینی ﻗﯿﻤﺖ، ﻋﺪم قطعیت‌هایی را ﺑﻪ ﻫﻤﺮاه ﺧﻮاﻫﺪ داﺷﺖ. اﯾﻦ عدم قطعیت ﺑﺎ ﺗﻮﻟﯿﺪ ﺳﻨﺎرﯾﻮﻫﺎﯾﯽ ﺑﺮای ﻣﺘﻐﯿﺮ ﺗﺼﺎدﻓﯽ ﻗﯿﻤﺖ آﯾﻨﺪه ﺑﺎ اﺳﺘﻔﺎده از روش مونت‌کارلو، مدل‌سازی می‌شود. روش پیشنهادی با استفاده از نرم‌افزار MATLAB شبیه‌سازی و توانایی آن نشان داده شده است. پرونده مقاله