fa یک روش ترکیبی برای برنامه ریزی توسعه شبکه انتقال قدرت Power پژوهشي Research <p style="text-align: justify;">در این مقاله با ترکیب الگوریتم سازنده ابتکاری و الگوریتم ژنتیکی ویژه یک روش موثر برای برنامه&shy;ریزی توسعه شبکه انتقال در محیط&shy;های انحصاری پیشنهاد می شود. الگوریتم ژنتیک پیشنهادی دارای چندین مشخصه مختص به خود است که آن را مناسب&shy;تر از دیگر الگوریتم&shy;های فراابتکاری برای حل مسئله TEP نشان می&shy;دهد. مهمترین مشخصه این است که در این الگوریتم فازی به نام فاز بهبود وجود دارد، به این معنی که اگر جواب به دست آمده (کرموزم) پس از مراحل انتخاب، ترکیب و جهش جوابی ناممکن برای مسئله باشد، این جواب تبدیل به جوابی ممکن می&shy;شود. دراین مقاله به منظور حل مسئله TEP از یک الگوریتم سازنده ابتکاری مناسب در فاز بهبود الگوریتم ژنتیک پیشنهادی استفاده شده است. &nbsp;همچنین با به کارگیری مدل خطی ساده شده و وارد کردن نویز به هزینه خطوط، با روشی جدید، نسل اول با کیفیتی برای الگوریتم ژنتیک به دست می&shy;آید. در نهایت مقایسه نتایج بدست آمده با سایر روش&shy;ها از دید زمان حل مسئله و کیفیت، موثر بودن این روش را تایید می&shy;کند.</p> <p style="text-align: justify;">This paper proposes an efficient and novel method for transmission expansion planning in regulated environment of power systems. The method is based on combination of two algorithms such as special genetic algorithm (GA) and constructive heuristic algorithm. The proposed GA has its own special characteristics that make it better than other metahuristic methods in transmission expansion planning problems. The improvement phase is the main characteristic that makes this type of GA more efficient. It means that if after mating procedure (selection, crossover and mutation), the offspring was an infeasible one, by using a suitable constructive heuristic algorithm, and the aforementioned offspring is changed to a feasible one. Also by using a relaxed linear model of TEP and importing cost perturbation, a qualified initial population is obtained and used as an initial population of GA. The simulation results obtained from the proposed method were compared to those achieved from previous literature in terms of solution quality and computational efficiency. Results reveal that the superiority of this method in both aspects of financial and CPU time.</p> <p></p> الگوریتم ژنتیک ویژه, الگوریتم سازنده ابتکاری, فاز بهبود, وارد کردن نویز به هزینه خطوط Special genetic algorithm, Constructive heuristic algorithm, Improvement phase, Cost perturbation 65 74 http://jiaeee.com/browse.php?a_code=A-10-1-180&slc_lang=fa&sid=1 H. Khorasani حمید خراسانی 1003194753284600647 1003194753284600647 Yes M. Rashidinejad مسعود رشیدی نژاد 1003194753284600648 1003194753284600648 No