مدل تصادفی چندهدفه به منظور تعیین نوع، ظرفیت و محل نصب تولیدات پراکنده در زنجیره تأمین جدید صنعت برق

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، دانشگاه یزد.

2 دانشیار، دانشگاه یزد.

10.52547/jimp.11.2.9

چکیده

در سال‌های اخیر به‌­دلیل هزینه‌ بالای ساخت نیروگاه‌های بزرگ و متمرکز و مشکلات خطوط بلند انتقال انرژی، صنعت برق به سمت استفاده از تولیدات کوچک و توزیع‌­شده در نزدیکی محل مشترکین سوق یافته است. از سوی دیگر با توجه به مشکلات زیست‌­محیطی، بخشی از این تولیدات توزیع‌­شده مبتنی بر انرژی‌های تجدیدپذیر هستند که رفتار تصادفی دارند. تعیین محل قرارگیری و ظرفیت این تولیدات در سطح شبکه توزیع تأثیر بسزایی در مدیریت منابع مالی و بهبود پارامترهای زنجیره تأمین دارد. در این پژوهش یک مدل جامع چندهدفه و احتمالاتی به‌­منظور تعیین محل نصب، نوع و ظرفیت بهینه تولیدات پراکنده در سطح زنجیره تأمین جدید برق پیشنهاد شده است. هدف‌­گذاری نهایی این مدل کمینه­‌سازی تلفات انرژی، هزینه‌­های سرمایه‌گذاری و بهره‌برداری، انرژی تأمین‌­نشده و آلاینده‌های زیست‌محیطی است. مدل پیشنهادی بر روی یک شبکه 33 ناحیه‌ای توسط نرم­افزار متلب اعمال و به­صورت چند­هدفه توسط الگوریتم فرا­ابتکاری ژنتیک با مرتب­سازی نامغلوب حل شده است. نتایج نهایی، اثربخشی روش پیشنهادی را در ابعاد مختلف اقتصادی، زیست‌­محیطی و اجتماعی در زنجیره تأمین برق نشان می‌دهند.

کلیدواژه‌ها

موضوعات


1. Asadi, E., Habibi, F., Nickel, S., & Sahebi, H. (2018). A bi-objective stochastic location-inventory-routing model for microalgae-based biofuel supply chain. Applied energy228, 2235-2261.
2. 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 Research, 3(2), 143-176.
3. Bairamzadeh, S., Saidi-Mehrabad, M., & Pishvaee, M. S. (2018). Modelling different types of uncertainty in biofuel supply network design and planning: A robust optimization approach. Renewable energy116, 500-517.
4. Bayatloo, F. (2018). A Two-Stage Chance-Constraint Stochastic Programming Model for Electricity Supply Chain Network Design. International Journal of Industrial Engineering & Production Research29(4), 471-482.
5. Cañas, H., Mula, J., & Campuzano-Bolarín, F. (2020). A General Outline of a Sustainable Supply Chain 4.0. Sustainability12(19), 7978.
6. Dehghani, E., Jabalameli, M. S., Jabbarzadeh, A., & Pishvaee, M. S. (2018). Resilient solar photovoltaic supply chain network design under business-as-usual and hazard uncertainties. Computers & Chemical Engineering111, 288-310.
7. Ding, H., Huang, H., & Tang, O. (2018). Sustainable supply chain collaboration with outsourcing pollutant-reduction service in power industry. Journal of Cleaner Production186, 215-228.
8. Durmaz, Y. G., & Bilgen, B. (2020). Multi-objective optimization of sustainable biomass supply chain network design. Applied Energy272, 115259.
9. Firestone, R.J.L.B.N.L. (2004). DER-CAM natural gas technology data.  Lawrence Berkeley National Lab, available at: http://der. lbl. gov/der-cam/technology-data-archive.
10. Gardiner, M. and Montpelier, V.(2012). Technical Status Report of the Regulatory Assistance Project.
11. Hosseini-Motlagh, S.M., Samani, M.R.G. and Shahbazbegian, V., 2020. Innovative strategy to design a mixed resilient-sustainable electricity supply chain network under uncertainty.Applied Energy280, p.115921.
12. 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 Management66(1), 52-72.
13. Jabbarzadeh, A., Fahimnia, B., & Sabouhi, F. (2018). Resilient and sustainable supply chain design: sustainability analysis under disruption risks. International Journal of Production Research56(17), 5945-5968.
14. Kabadurmus, O., & Erdogan, M. S. Sustainable, multimodal and reliable supply chain design. Annals of Operations Research, 1-24.
15. Khishtandar, S., 2019. Simulation based evolutionary algorithms for fuzzy chance-constrained biogas supply chain design. Applied Energy236, pp.183-195.
16. Mariam, L., Basu, M., & Conlon, M. F. (2016). Microgrid: Architecture, policy and future trends. Renewable and Sustainable Energy Reviews64, 477-489.
17. Mashayekhi, M., Azar, A., Amiri, M., Safari, H. (2020). Model design of steel consumption chain by ABM methodology. Journal of Industrial Management Perspective, 11(1), 33-52 (In Persian).
18. Masoumik, S. M., Abdul-Rashid, S. H., Olugu, E. U., & Raja Ghazilla, R. A. (2014). Sustainable supply chain design: A configurational approach. The Scientific World Journal14(2), 35-54.
19. Mehranfar, N., Hajiaghaei-Keshteli, M., & Fathollahi-Fard, A. M. (2019). A novel hybrid whale optimization algorithm to solve a production-distribution network problem considering carbon emissions. International Journal of Engineering32(12), 1781-1789.
20. Mohammadi, M., Jämsä-Jounela, S. L., & Harjunkoski, I. (2019). A multi-echelon supply chain model for sustainable electricity generation from municipal solid waste. IFAC-PapersOnLine52(1), 610-615.
21. Mohseni, S., & Pishvaee, M. S. (2016). A robust programming approach towards design and optimization of microalgae-based biofuel supply chain. Computers & Industrial Engineering100, 58-71.
22. Monica, P., & Kowsalya, M. (2016). Control strategies of parallel operated inverters in renewable energy application: A review. Renewable and Sustainable Energy Reviews65, 885-901.
23. Pham, H. (2006). Handbook of reliability engineering. Springer Science & Business Media.
24. Radfar, A., Mohammaditabar, D., 2019. Bi-Objective Optimization of Vendor Managed Inventory Problem in a Multi Echelon Green Supply Chain. Journal of Industrial Management Perspective, 9(35), 109-134. (In Persian)
25. Ricardo Fontes, & Freires, F. G. M. (2018). Sustainable and renewable energy supply chain: A system dynamics overview. Renewable and Sustainable Energy Reviews82, 247-259.
26. Sánchez-Flores, R. B., Cruz-Sotelo, S. E., Ojeda-Benitez, S., & Ramírez-Barreto, M. (2020). Sustainable Supply Chain Management—A Literature Review on Emerging Economies.Sustainability12(17), 6972.
27. Sarker, B. R., Wu, B., & Paudel, K. P. (2019). Modeling and optimization of a supply chain of renewable biomass and biogas: Processing plant location. Applied Energy239, 343-355.
28. Shahbazbegian, V., Hosseini-Motlagh, S. M., & Haeri, A. (2020). Integrated forward/reverse logistics thin-film photovoltaic power plant supply chain network design with uncertain data. Applied Energy277, 115538.
29. Shahbazi, F., Sahebi, H., Makui, A., 2020. Location Selection of Solar Power Plants, Wind and Distributed Generation and Degisn of Electrical Distribution Network. Journal of Industrial Management Perspective, 10(39), 143-170. (In Persian)
30. Teodoro, F. G., da Costa, D. M., Peres, S. M., & Lima, C. A. (2015, October). Supply chain management and metaheuristic algorithms: Analysing a new hybrid genetic crossover operator. In 2015 Latin America Congress on Computational Intelligence (LA-CCI) (pp. 1-6). IEEE.
31 Vahdatzad, M. A., Vahdat, V., Namin, A. T., & Rezai, A. M. Energy Conservation Framework for Green Supply Chain Management. In Proceedings of the International Conference on Industrial Engineering and Operations Management (pp. 27-29).
32. Warren, K., Ambrosio, R., Chen, B., Fu, Y. H., Ghosh, S., Phan, D., ... & Visweswariah, C. (2016). Managing uncertainty in electricity generation and demand forecasting. IBM Journal of Research and Development60(1), 8-1.
33. Willis, H.L. (2018). Distributed power generation: planning and evaluation. Crc Press.
34. 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, 20(3), 1-36.
35. Zhu, X., & Zhao, Z. (2019). Sustainable Supply Chain Network Design: A Review of Literature for 2011-2019. Academic Journal of Humanities & Social Sciences2(6), 1-8.