fa بهره‌برداری بهینه‌ی احتمالاتی از نیروگاه‌های ترکیبی تولید برق و حرارت، بادی و خورشیدی قدرت Power پژوهشي Research در این مقاله، مسأله‌ی بهره‌برداری بهینه‌ی احتمالاتی از واحدهای حرارتی، واحدهای تولید همزمان برق و حرارت، توربین‌های بادی و واحدهای خورشیدی با تابع هدف کاهش مجموع هزینه‌های بهره‌برداری به صورت یک مسأله‌ی بهینه‌سازی تعریف شده است. در این مسأله، عدم قطعیت‌های موجود در بار، واحدهای فتوولتائیک و بادی در قالب حل روش تخمین دونقطه‌ای در نظر گرفته شده‌اند. میزان تولید برق و حرارت در واحدهای مختلف، موقعیت تپ ترانسفورماتورها و میزان تزریق توان راکتیو توسط جبران‌سازهای موازی، متغیرهای کنترلی مسأله‌ی بهینه‌سازی هستند. از الگوریتم بهینه‌سازی ازدحام ذرات با یادگیری جامع برای حل این مسأله‌ی بهینه‌سازی استفاده شده است. به منظور بررسی کارایی روش پیشنهادی، سیستم تست استاندارد 118 باس <span dir="LTR">IEEE</span> متشکل از واحدهای حرارتی، تولید همزمان برق و حرارت، بادی و خورشیدی انتخاب شده است. نتایج شبیه‌سازی در محیط نرم‌افزار <span dir="LTR">MATLAB</span>، برتری روش بهینه‌سازی ازدحام ذرات با یادگیری جامع را در مقایسه با سایر روش‌های بهینه‌سازی نشان می‌دهد.<br> <br> &nbsp; In this paper, the problem of optimal stochastic operation of thermal units, combined heat and power (CHP) units, wind turbines (WTs) and photovoltaic (PV) units with the objective of reducing total operating costs is defined as an optimization problem. In this problem, the uncertainties in load, photovoltaic and wind units are considered in terms of solving the two-point estimation method. The amount of power and heat output in different units, the position of the transformers tap and the reactive power injection by the parallel compensators are the control variables of the optimization problem. A particle swarm optimization algorithm with comprehensive learning is used to solve this optimization problem. In order to evaluate the performance of the proposed method, the IEEE 118-bus standard test system consisting of thermal, CHP, WT and PV units is selected. The simulation results in MATLAB software environment show the superiority of the comprehensive learning particle swarm optimization method compared to other optimization methods.<br> &nbsp; بهره‌برداری بهینه‌ی احتمالاتی, الگوریتم بهینه‌سازی ازدحام ذرات با یادگیری جامع, روش تخمین دونقطه‌ای Optimal Stochastic Operation, Comprehensive Learning Particle Swarm Optimization (CLPSO) Method, Two-point Estimation Method (PEM) 149 160 http://jiaeee.com/browse.php?a_code=A-10-1115-1&slc_lang=fa&sid=1 Hadi Razmi هادی رزمی razmi.hadi@gmail.com 10031947532846008967 10031947532846008967 No Department of Electrical Engineering, East Tehran Branch, Islamic Azad University, Tehran گروه مهندسی برق، واحد تهران شرق، دانشگاه آزاد اسلامی Hasan Doagou-Mojarrad حسن دعاگوی مجرد h.doagou@aut.ac.ir 10031947532846008966 10031947532846008966 Yes Department of Electrical Engineering, East Tehran Branch, Islamic Azad University, Tehran گروه مهندسی برق، واحد تهران شرق، دانشگاه آزاد اسلامی Taher Niknam طاهر نیکنام niknam@sutech.ac.ir 10031947532846008968 10031947532846008968 No Department of Electrical Engineering, Shiraz University of Technology, Shiraz دانشکده مهندسی برق، دانشگاه صنعتی شیراز