15000 تومان
افزودن به سبد خرید
0 فروش 605 بازدید
جزئیات محصول
تعداد قسمت: 1
پسوند فایل: zip
حجم فایل: 1MB
فایل راهنما: ندارد
بسته نصبی: ندارد
امکانات: شامل فایل pdf مقاله لاتین و فایل word ترجمه فارسی (23 صفحه)
تاریخ انتشار: 11 نوامبر 2018
دسته بندی: ,

تبلیغات

مدیریت احتمالات انرژی و عملیات یک میکرو شبکه حاوی نسل  باد/ فتوولتاییک/ سلول سوختی و دستگاه های ذخیره انرژی بر اساس روش تخمین نقطه ای و الگوریتم خود تطبیقی ​​جاذبی

چکیده
اخیرا،با توجه به پیشرفت تکنولوژی، تشویق های دولت برای استفاده از انرژی های سبز و افزایش نگرانی ها در مورد هزینه های بالای انرژی سوخت های فسیلی، منابع انرژی تجدید پذیر (RESS) روشی امیدوار کننده و موثر برای تولید انرژی محلی، پاک، و پایان ناپذیر به نظر می رسد. این سبب اجرای میکرو شبکه ها(MGS)شده است که به عنوان گروهی از بارهای الکتریکی یا حرارتی و RES های متفاوت، معرفی می شوند. با توجه به عدم قطعیت های متفاوت مرتبط با منبع الکتریسیته در میکرو شبکه های تجدید پذیر، روش های مدیریت احتمالات انرژی برای تحلیل سیستم ضروری می باشد.این مقاله یک روش احتمالاتی را برای مدیریت انرژی و عملیات(EOM) یک MGS تجدید پذیر تحت محیط نا مشخص، ارائه می کند. چارچوب پیشنهادی برای تعیین مدیریت انرژی بهینه MGS ها، متشکل از روش تخمین ۲m نقطه برای پوشش عدم قطعیت های موجود در MGS و یک الگوریتم بهینه سازی خود تطبیقی ​​مبتنی بر الگوریتم جستجوی جاذبی (GSA)می باشد. این مقاله به بررسی عدم قطعیت در تقاضای بار، قیمت های بازار و توان الکتریکی موجود در مزارع بادی و سیستم های فتوولتاییک می پردازد.در این تحقیق،یک روش جهش خود تطبیقی برای بهبود مشخصه های همگرایی GSA اصلی و اجتناب از گیر افتادن در بهینه محلی، پیشنهاد شده است.از توزیع های Weibull و نرمال برای مدل سازی متغیرهای تصادفی ورودی، استفاده شده است. همچنین،از بسط Grame- Charlier  برای یافتن توزیع صحیحی از انرژی کل و هزینه های عملیاتی MG برای روز آتی،استفاده شده است.تاثیر روش پیشنهادی بر روی یک شبکه معمولی متصل به MG که شامل واحدهای ذخیره سازی انرژی و واحدهای مختلف مولد توان می باشد،اثبات شده است.

کلمات کلیدی: مدیریت انرژی و عملیات، میکرو شبکه (MG)،روش تخمین نقطه ای،الگوریتم جستجوی خود تطبیقی جاذبی (SGSA)،عدم قطعیت.

معرفی

اخیرا، توسعه در تکنولوژی های انرژی تجدید پذیر و افزایش نگرانی در مورد هزینه های بالای انرژی سوخت های فسیلی و گرم شدن جهانی، استفاده از واحد های منابع انرژی توزیع شده(DER) را افزایش داده است[۱،۲].نفوذ واحد های DER ، مزایای مختلفی را برای مالکان منابع انرژی و مصرف کنندگان فراهم کرده است از جمله: هزینه انرژی کمتر، اطمینان پذیری بالاتر خدمات و کیفیت توان [۳].واحدهای DER،منابع انرژی کوچکی هستند که نزدیک بارهای محلی واقع شده است و به واحدهای تولید توزیع شده (DG) و ذخیره سازی توزیع شده (DS)،تقسیم شده است [۴]. واحدهای DG شامل طیف وسیعی از تکنولوژی ها همچون سلول های سوختی،میکروتوربین ها(MTS)، موتورهای دیزل، سیستم های فتوولتاییک (PV) و توربین های بادی کوچک (WTS)می باشد. به همین ترتیب، واحدهای DS از انواع مختلفی از باتری ها، خازن های انرژی، بارهای چرخ لنگر و بارهای قابل کنترل  تشکیل شده است[۵].

واحدهای DER می تواند در هر دو حالت شبکه متصل و مستقل کار کند. این،مفهوم میکرو شبکه(MG)را به ارمغان می آورد.یک MG به صورت مجموعه ای از بارهای الکتریکی یا حرارتی و واحدهای DER خدمات گیرنده از یک سیستم توزیع تعریف می شود و انتظار می رود که پس از جداشدن از سیستم،عملیاتی باقی بماند.واحدهای ذخیره سازی انرژی همراه با واحدهای DG استفاده می شوند تا عملیات MG را قابل اطمینان تر و اقتصادی تر سازند[۶،۷].

چندین تحقیق بر بهینه سازی انرژی و مدیریت عملیات(EOM) MG ها متمرکز شده است. چن و همکاران[۵]، یک سیستم هوشمند مدیریت انرژی را مبتنی برالگوریتم ژنتیک ماتریس کدگذاری شده برای بهینه سازی عملیات MG ،ارائه کردند. در طول فرآیند بهینه سازی، از یک ماژول پیش بینی انرژی، یک ماژول مدیریت سیستم ذخیره سازی انرژی و یک ماژول بهینه سازی،استفاده شد. Sortomme وEl-Sharkawi [8] تقاضای بار و تولید دو MG، از جمله مزارع بادی را با استفاده از جریان برق بهینه و الگوریتم بهینه سازی ازدحام ذرات (PSO) ،مدل سازی کردند. آن ها نشان دادند که چگونه می توان انرژی ذخیره شده را با قیمت های بالا فروخت و همچنین نشان دادند که انجام اصلاح پیک بار می تواند هزینه های کل عملیاتی را کاهش دهد.یک طرح بهینه سازی شده در مرجع[۹] برای کاهش مصرف سوخت و تامین تقاضای محلی برای انرژی(الکتریکی و گرمایی)و تامین حداقل ذخیره مشخص از انرژی،ارائه شده است.Tsikalakisو Hatziargyriou ، عملیات MGS ها را در طول عملیات اتصال درونی از طریق بهینه سازی تولید واحدهای DGو تبادل انرژی با شبکه بالادستی، بهینه سازی کردند [۱۰]. Chedid و Raiman از یک برنامه ریزی خطی برای مینیمم سازی هزینه میانگین تولید توان الکتریکی در یک سیستم هیبرید خورشیدی- بادی- MG استفاده کردند و عوامل محیطی را در نظر گرفتند [۱۱].

Probabilistic energy and operation management of a microgrid containing wind/photovoltaic/fuel cell generation and energy storage devices based on point estimate method and self-adaptive gravitational search algorithm

Abstract

Recently, due to technology improvements, governmental incentives for the use of green energies and rising concerns about high cost of energy from fossil fuels, renewable energy sources (RESs) appears to be a promising approach for producing local, clean, and inexhaustible energy. This motivates the implementation of microgrids (MGs) introduced as a cluster of electrical and/or thermal loads and different RESs. Due to different uncertainties linked to electricity supply in renewable microgrids, probabilistic energy management techniques are going to be necessary to analyze the system. This paper proposes a probabilistic approach for the energy and operation management (EOM) of renewable MGs under uncertain environment. The proposed framework consists of 2m point estimate method for covering the existing uncertainties in the MGs and a self-adaptive optimization algorithm based on the gravitational search algorithm (GSA) to determine the optimal energy management of MGs. This paper considers uncertainties in load demand, market prices and the available electrical power of wind farms and photovoltaic systems. In this study, a self-adaptive mutation technique is offered to enhance the convergence characteristics of the original GSA and avoid being entrapped into local optima. The Weibull and normal distributions are employed to model the input random variables. Moreover, the Gram–Charlier expansion is used to find an accurate distribution of the total energy and operational cost of MGs for the next day-ahead. The effectiveness of the proposed method is validated on a typical grid-connected MG including energy storage and different power generating units.

لینک مقاله اصلی:

https://ideas.repec.org/a/eee/energy/v43y2012i1p427-437.html

افزودن به سبد خرید

لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد

محصولات پر فروش

پر فروش ترین محصولات فروشگاه روکساوب