Optimization of Modern Electricity Supply Chain with NSGA-II

Document Type : Research Article

Authors

1 Ph.D. candidate in Department of Industrial management, Qazvin Branch, Islamic Azad University, Qazvin, Iran.

2 Associate Professor, Department of Financial Management, Qazvin Branch, Islamic Azad University, Qazvin, Iran

3 Assistant Professor, Department of Financial Management, Qazvin Branch, Islamic Azad University, Qazvin, Iran.

4 Associate Professor, Department of Accounting, Qazvin Branch, Islamic Azad University, Qazvin, Iran

Abstract

Environmental problems and global warming are one of the biggest concerns of societies. Using renewable energy generation technologies as one of the most basic solutions is one of the main concerns of planners and beneficiaries of power grids, considering the variability of their output power day and night and their dependence on weather conditions. The uncertainty caused by these generations can have many effects on the costs imposed on the grid and the operation of electricity grids, such as an increase in power outages and energy not supplied. To solve this problem, a comprehensive multi-objective and probabilistic model has been proposed to determine the installation location, type, and optimal capacity of DGs in the modern supply chain of electricity. The final objective of this model is to minimize energy losses, investment and operation costs, energy not supplied, and environmental emissions. The proposed methods have been implemented by MATLAB software on the Garver power grid and IEEE 33-bus distribution grid and solved by the multi-objective NSGA-II. The final model can be effectively used to plan the supply chain of the modern electricity grid with the influence of renewable energy-based products in various economic, environmental, and social dimensions.

Keywords

Main Subjects


- اسدی، ای.؛ حبیبی، ف.؛ نیکلک، س.؛ و صاحبیب، ح.، (1397). «مدل مسیریابی مکان-موجودی-موجودی تصادفی دوهدفه برای زنجیرۀ تأمین سوخت زیستی مبتنی‌بر ریزجلبک». انرژی کاربردی، 228: 2235-2261. (DOI: 10.1016/j.apenergy.2018.07.067).
- اصغری‌زاده، ا.؛ ترابی، س.ع.؛ محقر، ع.؛ و زارع‌شوریجه، م. ع.، (1398). «طراحی شبکه زنجیرۀ تأمین پایدار: مروری بر مدل‌های کمی با استفاده از تحلیل محتوا». انرژی و اقتصاد محیطی، 3(2): 143-176. (DOI: 10.22097/EEER.2019.184458.1081)
- عیوقی، ح.؛ پودهب، ح.د.؛ ​​رادک، ع.؛ و طالبید، د.، (2020). «ارائه یک مدل چند هدفه یکپارچه برای زنجیرۀ تأمین حلقه بسته تحت شرایط فازی با رویکرد ابگرایل». بین المللی تحلیل و کاربردهای غیرخطی 11 (1): 107-136. (DOI: 10.22075/IJNAA2020.4244)
-‌ جین، زی؛ و باح، سی، (2019). «مدیریت زنجیرۀ تأمین پایدار و عملکرد سازمانی: نقش واسطه‌ای مزیت رقابتی». مدیریت و پایداری، 9(1): 119-131(DOI: 10.5539/JMS.V9N1P119) .
- بیاتلو، ف.؛ و بزرگی‌امیری، ع.، (1397). «یک مدل برنامه ریزی تصادفی دو مرحله ای با شانس محدود برای طراحی شبکه زنجیرۀ تأمین برق: یک مطالعه موردی». بین المللی مهندسی صنایع و تحقیقات تولید، 29 (4): 471-482. (DOI:10.22068/IJIEPR.29.4.471).
- حسینی‌مطلق س.-م.، و بی‌لالا، (2020). «بهینه‌سازی چند هدفه برای مشکلات زنجیرۀ تأمین چند مرحله‌ای چند محصولی در شرایط عدم قطعیت». بهینه‌سازی در مهندسی صنایع، 13(1)، 1-17 (DOI:10.22094/JOIE.2018.555578.1529)
- جیانفرانکو، چیکو؛ و آندره، آ مازاو، (2021). «فراابتکاری برای برنامه‌ریزی توسعه شبکه انتقال». در: برنامه‌ریزی توسعه انتقال: چالش‌های شبکه انتقال انرژی: 13-38. (DOI.org/10.1016/j.bsheal.2020.08.003)
.لیو و دینگ (2020). برنامه ریزی سیستم قدرت با افزایش انرژی تجدیدپذیر متغیر: مروری بر مدل های بهینه سازی 246، 118962. (DOI:10.1016/j.jclepro.2019.118962)
- درمز . گ.؛ و بیلگن، و.؛ (2020). «بهینه‌سازی چند هدفه طراحی شبکه زنجیرۀ تأمین زیست توده پایدار». انرژی کاربردی 272: 115259. (DOI:10.1016/j.apenergy.2020.115259).
- حسینی‌مطلق، س.-م.؛ سامانی، م. ر. غ.؛ و شهبازبیگیان، و.، (1399). «استراتژی نوآورانه برای طراحی یک شبکه زنجیرۀ تأمین برق ترکیبی انعطاف پذیر-پایدار تحت عدم قطعیت». انرژی کاربردی، 280: 115921. (DOI:10.1016/j.apenergy.2020.115921)
- جبارزاده، ع.؛ فهیم نیا، ب.؛ و رستگار، س.، (1396). «طراحی سبز و انعطاف پذیر شبکه های زنجیرۀ تأمین برق: یک رویکرد بهینه سازی قوی چندهدفه». معاملات IEEE در مدیریت مهندسی (DOI:10.1109/TEM.2017.2749638).
- جبارزاده، ع.؛ فهیم نیا، ب.؛ و صبوحی، ف.، (1397). «طراحی زنجیرۀ تأمین انعطاف پذیر و پایدار: تجزیه و تحلیل پایداری تحت خطرات اختلال». بین المللی تحقیقات تولید: (Doi:10.1080/00207543.2018.1461950).
- کبادرموش، او؛ و اردوغان، ام. اس.، (2020). «طراحی زنجیرۀ تأمین پایدار، چند وجهی و قابل اعتماد». سالنامه تحقیق در عملیات. (DOI:10.1007/s10479-020-03654-0).
- اکانایکه، پاسوپولتی؛ و کاروناراتنه، آلمیدا، (2021). «کاهش تلفات شبکه و بهبود ولتاژ با قرار دادن و اندازه بهینه ژنراتورهای پراکنده با تزریق توان اکتیو و راکتیو با استفاده از pso دقیق تنظیم شده». Ijeecs، 21: 647-656. (DOI:10.11591/ijeecs.v21.i2.pp647-656).
- خان، ام.؛ دبلیو وانگ، جی.؛ شیونگ، ال.؛ و سیستمز، ای.، (2021). «استراتژی زمان‌بندی انرژی بهینه برای شبکه تولید چند انرژی با استفاده از سیستم‌های چند عاملی». برق، 124: 106400. (DOI:10.1016/j.ijepes.2020.106400)
- معصومیک، س. م.؛ عبدالرشید، س.ح.؛ اولوگو، ای. یو.؛ و غزیلا، ر. ا.ر.، (2014). «طراحی زنجیرۀ تأمین پایدار: یک رویکرد پیکربندی». دنیایی علمی: DOI:10.1155/2014/897121.
- موسوی، م. م.؛ و بزرگی امیری، ع.، (1396). «یک مشکل برنامه ریزی مکان هاب پایدار چند هدفه برای زنجیرۀ تأمین مواد غذایی فاسد شدنی کامپیوتر و مهندسی صنایع»: DOI:10.1016/j.cie.2017.07.039.
- فام، اچ.، (2006). کتابچه راهنمای مهندسی قابلیت اطمینان. ساینس اشپرینگر و رسانه کسب و کار.
 - کیو، آر.؛ و ییژی، وانگ؛ (2016). «طراحی شبکه زنجیرۀ تأمین تحت عدم قطعیت تقاضا و اختلالات عرضه: یک رویکرد بهینه سازی قوی توزیعی». برنامه نویسی علمی: DOI:10.1155/2016/3848520.
- رعنا، ن.؛ لطیف، م. س. ع.؛ عبدالحمید، س. ای.، (2020). «الگوریتم بهینه سازی نهنگ: بررسی سیستماتیک برنامه های کاربردی». تغییرات و پیشرفت‌های معاصر محاسبات عصبی و برنامه‌های کاربردی»: DOI:10.1007/s00521-020-04849-z
- سانتیبانز-آگیلار، جی. ای.؛ کاستلانوس، اس.؛ فلورس-تلاکوآهواک، آ.؛ شاپیرو، بی. بی.؛ پاول، دی. ام.؛ بووناسیسی، تی.؛ و کامن، دی ام.، (2020). «طراحی سیستم‌های تولید فتوولتائیک داخلی تحت محدودیت‌ها و عدم قطعیت جهانی انرژی‌های تجدیدپذیر». J.RENENE: 148: 1174-1189. (DOI:10.1016/J.RENENE.2019.10.010)
- وحدتزاد، م. ع.؛ وهاب وحدت، ع. ت. ن.؛ و رضایی، ع. م.، (2018). «چارچوب حفاظت از انرژی برای مدیریت زنجیرۀ تأمین سبز». در: مجموعه مقالات کنفرانس بین المللی مهندسی صنایع و مدیریت عملیات، واشنگتن دی سی، ایالات متحده آمریکا.
-یلدیزباشی، ازتورک؛ و افندیوغلو، بولکان، (2020). «ارزیابی شاخص‌های زنجیرۀ تأمین پایدار اجتماعی با استفاده از روش‌های تصمیم‌گیری چند معیاره فازی یکپارچه: مطالعه موردی ترکیه». محیط زیست، توسعه و پایداری: (DOI:10.1007/s10668-020-00774-2)
 
 
- Asadi, E.; Habibib, F.; Nickelc, S. & Sahebib, H., (2018). “A bi-objective stochastic location-inventory-routing model for microalgaebased biofuel supply chain”. Applied Energy, 228: 2235–2261.
- Asgharizadeh, E.; Torabi, S. A.; Mohaghar, A. & Zare-Shourijeh, M. A., (2019). “Sustainable Supply Chain Network Design: A Review on Quantitative Models Using Content Analysis”. Environmental Energy and Economic, 3(2): 143-176. (DOI:10.22097/EEER.2019.184458.1081)
- Ayoughi, H.; Podehb, H. D.; Raadc, A. & Talebid, D., (2020). “Providing an Integrated Multi-Objective Model for Closed-Loop Supply Chain under Fuzzy Conditions with Upgral Approach”. International Journal of Nonlinear Analysis and Applications 11(1): 107-136. (DOI:10.22075/IJNAA2020.4244)
- Baah, C. & Jin, Z., (2019). “Sustainable Supply Chain Management and Organizational Performance: The Intermediary Role of Competitive Advantage”. Journal of Management and Sustainability, 9(1): 119-131. (DOI:10.5539/JMS.V9N1P119)
- Bayatloo, F. & Bozorgi-Amiri, A., (2018). “A Two-Stage Chance-Constrained Stochastic Programming Model for Electricity Supply Chain Network Design: a Case Study”. International Journal of Industrial Engineering & Production Research, 29(4): 471-482. (DOI:10.22068/IJIEPR.29.4.471)
-  Billala, M. M. & Hossaina, M., (2020). “Multi-objective Optimization for Multi-product Multi-period Four Echelon Supply Chain Problems under Uncertainty”. Journal of Optimization in Industrial Engineering, 13(1): 1-17. (DOI:10.22094/JOIE.2018.555578.1529)
-  Chicco, G. & Mazza, A., (2021). “Metaheuristics for Transmission Network Expansion Planning”. In: Transmission Expansion Planning: The Network Challenges of the Energy Transition: 13-38, Springer.(doi:10.1007/978-3-030-49428-5-2)
-  Deng, X. & Lv, T. J. J. o. C. P., (2020). “Power system planning with increasing variable renewable energy”. A review of optimization models, 246: 118962. (DOI:10.1016/j.jclepro.2019.118962)
- Durmaz, Y. G. & Bilgen, B., (2020). “Multi-objective optimization of sustainable biomass supply chain network design”. Applied Energy, 272: 115259. (DOI:10.1016/j.apenergy.2020.115259)
-  Firestone, R. J. L. B. N. L., available at: http://der. lbl. gov/der-cam/technology-data-archive. (2004). DER-CAM natural gas technology data.
- Gardiner, M. & Montpelier, V., Technical Status Report of the Regulatory Assistance Project.
-  Hosseini-Motlagh, S.-M.; Samani, M. R. G. & Shahbazbegian, V., (2020). “Innovative strategy to design a mixed resilient-sustainable electricity supply chain network under uncertainty”. Applied Energy, 280: 115921. (DOI: 10.1016/j.apenergy.2020.115921)
- Jabbarzadeh, A., Fahimnia, B., & Rastegar, S. (2017). Green and Resilient Design of Electricity Supply Chain Networks: A Multiobjective Robust Optimization Approach. IEEE transactions on engineering management. DOI: 10.1109/TEM.2017.2749638
- Jabbarzadeh, A., Fahimnia, B., & Sabouhi, F. (2018). Resilient and sustainable supply chain design: sustainability analysis under disruption risks. International Journal of Production Research. DOI: 10.1080/00207543.2018.1461950
- Kabadurmus, O. & Erdogan, M. S., (2020). “Sustainable,multimodal and reliable supply chain design”. Annals of Operations Research. Doi: 10.1007/s10479-020-03654-0
- Karunarathne, E.; Pasupuleti, J.; Ekanayake, J. & Almeida, D. J. I. J. E. E. C. S., (2021). “Network loss reduction and voltage improvement by optimal placement and sizing of distributed generators with active and reactive power injection using fine-tuned pso”. IJEECS: 21: 647-656. (DOI: 10.11591/ijeecs.v21.i2.pp647-656)
- Khan, M. W.; Wang, J.; Xiong, L. & Systems, E., (2021). “Optimal energy scheduling strategy for multi-energy generation grid using multi-agent systems”. International Journal of Electrical Power, 124: 106400. (DOI: 10.1016/j.ijepes.2020.106400)
- Masoumik, S. M.; Abdul-Rashid, S. H.; Olugu, E. U. & Ghazilla, R. A. R., (2014). “Sustainable Supply Chain Design: A Configurational Approach”. The Scientific World Journal, DOI:10.1155/2014/897121
- Musavi, M. M. & Bozorgi-Amiri, A., (2017). “A multi-objective sustainable hub locationscheduling problem for perishable food supply chain”. Computers & Industrial Engineering,  DOI:10.1016/j.cie.2017.07.039
- Pham, H., (2006). Handbook of reliability engineering: Springer Science & Business Media.
- Qiu, R. & Yizhi, W., (2016). “Supply Chain Network Design under Demand Uncertainty and Supply Disruptions: A Distributionally Robust Optimization Approach”. Scientific Programming, DOI: 10.1155/2016/3848520
- Rana, N.; Latiff, M. S. A.; Abdulhamid, S. i. M. & Chiroma, H., (2020). “Whale optimization algorithm: a systematic review of contemporary applications, modifications and developments”. Neural Computing and Applications, DOI: 10.1007/s00521-020-04849-z
- Santibanez-Aguilar, J. E.; Castellanos, S.; Flores-Tlacuahuac, A.; Shapiro, B. B.; Powell, D. M.; Buonassisi, T. & Kammen, D. M., (2020). “Design of domestic photovoltaics manufacturing systems under global constraints and uncertainty”. Renewable Energy, 148: 1174-1189. (DOI: 10.1016/J.RENENE.2019.10.010)
-  Vahdatzad, M. A.; Vahab Vahdat, A. T. N. & Rezai, A. M., (2018). Energy Conservation Framework for Green Supply Chain Management. Paper presented at the Proceedings of the International Conference on Industrial Engineering and Operations Management, Washington DC, USA.
- Yıldızbaşı, A.; Öztürk, C.; Efendioğlu, D. & Bulkan, S., (2020). “Assessing the social sustainable supply chain indicators using an integrated fuzzy multi‑criteria decision‑making methods: a case study of Turkey”. Environment, Development and Sustainability, DOI:10.1007/s10668-020-00774-2