fa ارائه قانون تشویقی تولیدات پراکنده در سیستمی با قانون تسویه تمایزی و پیشنهاد الگوریتم جایابی و تعیین ظرفیت بهینه قدرت Power پژوهشي Research <p style="text-align: justify;">چکیده: بهره‌گیری از تولیدات پراکنده و تشویق افراد به سرمایه‌گذاری‌های غیر کلان در زمینه تولید، می‌تواند علاوه بر کاهش نیاز به سرمایه‌گذاری در زمینه توسعه شبکه انتقال و تولید نیروگاهی، مزایای فراوانی از جمله بهبود ساختار رقابتی بازار برق و کاهش هزینه‌های تامین انرژی الکتریکی داشته باشد. در این مقاله، قانونی تشویقی برای سرمایه‌گذاری در زمینه تولیدات پراکنده در یک بازار با قانون تسویه تمایزی پیشنهاد شده است. همچنین، اثرات قانون تشویقی مذکور از دو دیدگاه سرمایه‌گذار تولید پراکنده و بهره‌بردار مستقل سیستم مورد بررسی قرار گرفته‌اند. در این رابطه، جهت بررسی اثرات قانون تشویقی سرمایه‌گذاران تولیدات پراکنده، الگوریتمی بر اساس تکنیک شبیه‌سازی مونت کارلو و روش بهینه‌سازی الگوریتم ژنتیک (GA) به‌منظور جایابی و تعیین ظرفیت بهینه تولیدات پراکنده ارائه و پیشنهاد گردیده است. الگوریتم پیشنهادی بر روی سیستم 30 باسه IEEE اجرا شده و نتایج مورد بررسی قرار گرفته اند.</p> <p></p> <p>Encourage people to investment in small-scale electricity generation and expansion of dispersed generation (DG) may have several advantages such as, reducing the needs for investment in power plants and transmission network developments, improving the competitiveness of electricity market and moderating the costs of electrical energy procurement. In this paper, an encouraging market rule in a pay-as-bid system is proposed to accelerate the appropriate investments in DG units. The proposed rule is viewed and analyzed from the perspective of DG investor and Independent System Operator (ISO) using a novel DG placement and sizing algorithm based on Monte Carlo and Genetic Algorithm (GA). The proposed algorithm is implemented on IEEE 30-bus test system under the encouraging rule and the simulation results are presented and discussed.</p> <p></p> تولید پراکنده, قانون تسویه تمایزی, جایابی و تعیین ظرفیت بهینه, مونت کارلو, الگوریتم ژنتیک Dispersed Generation, Pay-as Bid Settlement Rule, Optimal Placement and Sizing, Monte Carlo, Genetic Algorithm 29 38 http://jiaeee.com/browse.php?a_code=A-10-1-120&slc_lang=fa&sid=1 M. Farshad محمد فرشاد 1003194753284600449 1003194753284600449 Yes M. H. Javidi محمد حسین جاویدی دشت بیاض 1003194753284600450 1003194753284600450 No J. Sadeh جواد ساده 1003194753284600451 1003194753284600451 No