دانشگاه اصفهان هوش محاسباتی در مهندسی برق 2821-0689 16 2 2025 06 22 Multi-objective optimization of the performance of an energy hub including renewable resources and storage devices بهینه‌سازی چند-هدفه عملکرد یک هاب انرژی شامل منابع تجدیدپذیر و ذخیره‌سازها 53 70 29952 10.22108/isee.2025.146048.1755 FA مریم موذن استادیار، دانشکدۀ فنی و مهندسی، دانشگاه بناب، بناب، ایران 0000-0002-5848-3418 مهدی ثقفی استادیار، دانشکدۀ فنی و مهندسی، دانشگاه بناب، بناب، ایران Journal Article 2025 07 21 In this paper, a multi-objective performance optimization of an energy hub, including electrical, heating, and cooling power, has been conducted to simultaneously minimize fuel and environmental costs. To account for the uncertainties in the modeling parameters, such as the amount of power generated from renewable sources and the electrical, heating, and cooling loads during a day, the Monte Carlo method was employed to generate 1000 random scenarios. To manage calculation costs, 10 scenarios were selected from the generated scenarios by reducing the number of similar scenarios and those with low probabilities. Also, a demand response program has been implemented to encourage consumers of electrical, heating, and cooling loads to shift their usage. In this research, the multi-objective optimization process was conducted using GAMS software to evaluate the performance of the energy hub to identify a set of non-dominant solutions (the Pareto front) for both summer and winter seasons in the presence of energy storage devices. The simulation results for the determination of the dimensionless Pareto front support long-term planning for selecting optimal energy policies. This approach considers uncertainties and various operating scenarios while considering the interests of decision-makers in various conditions, such as fluctuating fuel prices and changing environmental penalties. در این مقاله، بهینه‌سازی چند-هدفه عملکرد یک هاب انرژی شامل بارهای الکتریکی، گرمایشی و سرمایشی، به منظور دستیابی هم‌زمان به کمینه مقدار هزینه مصرف سوخت و انتشار گازهای آلاینده محیط‌زیست انجام شده است. جهت پوشش عدم‌قطعیت‌ در پارامترهای مدل‌سازی نظیر میزان تولید از منابع تجدیدپذیر و همچنین مقدار بارهای الکتریکی، گرمایشی و سرمایشی در طول یک شبانه‌روز، از روش مونت‌کارلو برای تولید 1000 سناریوی تصادفی بهره گرفته شده است. سپس برای کنترل حجم محاسبات، با کاهش سناریوهای مشابه و سناریوهای با احتمال کم، تعداد 10 سناریو از بین سناریوهای تولیدی به عنوان سناریوهای نماینده انتخاب شده‌اند. همچنین، برنامه مدیریت تقاضا با ایجاد مشوق برای مصرف‌کنندگان بارهای الکتریکی، گرمایشی و سرمایشی به منظور جابجایی نیازها پیاده‌سازی شده است. فرآیند بهینه‌سازی چند-هدفه برای عملکرد هاب انرژی، در نرم‌افزار GAMS جهت تعیین مجموعه راه‌حل‌های غیر غالب (جبهه پارتو) در فصول تابستان و زمستان، در حضور ذخیره‌سازهای انرژی و با در نظر گرفتن محدودیت‌های بهره‌برداری تجهیزات انجام شده است. نتایج این شبیه‌سازی برای تعیین جبهه پارتوی بدون بعد، امکان برنامه‌ریزی بلندمدت برای انتخاب سیاست‌های بهینه انرژی در مواجهه با عدم‌قطعیت‌ها و سناریوهای مختلف بهره‌برداری با توجه به مصالح تصمیم‌گیرنده در شرایط مختلف نظیر نوسان قیمت‌ سوخت و تغییر جرائم محیط زیستی را ایجاد می‌کند. https://isee.ui.ac.ir/article_29952_a2d6f3977c7e4295ff93db1fe67d68cc.pdf