مدل سازی برنامه های پاسخگویی بار در مدیریت چندگانه انرژی و ساختار در ریزشبکه های مجهز به تولیدکننده همزمان برق و حرارت

الموضوعات :

مجید زارع ¹ , سید امین سعید ² , حمیدرضا اکبری ³

1 - گروه مهندسی برق- واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران
2 - گروه مهندسی برق- واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران
3 - گروه مهندسی برق- واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران

تاريخ الإرسال : 10 السبت , ربيع الأول, 1443 تاريخ التأكيد : 06 الإثنين , رجب, 1443 تاريخ الإصدار : 02 الإثنين , ذو القعدة, 1444

الکلمات المفتاحية: کاهش هزینه‌ها, ریزشبکه, مدیریت انرژی و ساختار, برنامه پاسخ‌گویی بار,

ملخص المقالة :

مدیریت انرژی در ریزشبکه ها با اهداف متفاوتی نظیر کاهش هزینه های بهره برداری انجام می شود. در این رویکرد، بهره بردار ریزشبکه با تعیین میزان تولید انرژی توسط هر یک از منابع انرژی در دسترس، سعی در مدیریت انرژی به منظور تامین انرژی مورد نیاز مصرف کنندگان با حداقل هزینه ممکن دارد. این منابع می توانند تولیدکننده انرژی الکتریکی، حرارتی یا ترکیبی باشند. در این مقاله مدیریت انرژی و ساختار در ریزشبکه با اهدافی نظیر کاهش هزینه های بهره برداری، کاهش آلودگی های زیست محیطی و بهبود شاخص های فنی نظیر کاهش تلفات توان حقیقی صورت گرفته است. به این منظور از ابزارهایی مانند برنامه های پاسخ گویی بار، ذخیره سازها، منابع تولید پراکنده مانند تولیدکننده های همزمان برق و حرارت، منابع تجدیدپذیر مانند واحدهای بادی و فتوولتاییک و بازآرایی فیدرهای ریزشبکه بهره گرفته شده است. از الگوریتم ژنتیک که از معتبرترین الگوریتم های فراابتکاری است برای حل مسئله بهینه سازی مدنظر استفاده شده است. نتایج عددی کارایی مدل ارائه شده را نشان می دهد.

المصادر:

[1] R.J. Bavandpour, H. Ghadiri, H. Khodadadi, “Optimal design of a hybrid solar-wind-battery system using the Grasshopper optimization algorithm for minimization of the loss of power supply probability”, Journal of Intelligent Procedures in Electrical Technology, vol. 13, no. 51, pp. 139-156, Dec. 2022  (in Persian) (dor: 20.1001.1.23223871.1401.13.51.9.2).

[2] H. Hasanshahi, M. Nafar, M. Simab, “Operation of micro-grid for provide clean energy constrained to system optimal reliability”, Journal of Intelligent Procedures in Electrical Technology, vol. 13, no. 50, pp. 141-156, Sep. 2022  (in Persian) (dor: 20.1001.1.23223871.1401.13.50.9.0).

[3] S. Gorji, S. Zamanian, M. Moazzami, “Techno-economic and environmental base approach for optimal energy management of microgrids using crow search algorithm”, Journal of Intelligent Procedures in Electrical Technology, vol. 11, no. 43, pp. 49-68, Sept. 2020  (in Persian) (dor: 20.1001.1.2322­3871.13­99.1­1.4­3.4.7).

[4] J. Pascual, D.A. Aviles, A. Ursua, P. Sanchis, L. Marroyo, “Energy management for an electro-thermal renewable-based residential microgrid with energy balance forecasting and demand-side management”, Applied Energy, vol. 295, pp. 1-22, Aug. 2021 (doi: 10.1016/j.apenergy.2021.117062).

[5] V.K. Garg, S. Sharma, “Overview on microgrid system”, Proceeding of the IEEE/PDGC, pp. 694-699, Solan, India, Dec. 2018 (doi: 10.1109/PDGC.2018.8745849).

[6] R. Velik, P. Nicolay, “Grid-price dependent energy management in microgrids using a modified simulated annealing triple-optimizer”, Applied Energy, vol. 130, pp. 384-395, Oct. 2014 (doi: 10.1016/j. apenerg­y.20­14.05.060).

[7] T. Niknam, R.A. Abarghooee, M.R. Narimani, “An efficient scenario based stochastic programming frame­work for multi-objective optimal microgrid operation”, Applied Energy, vol. 99, pp. 455-470, Nov. 2012 (doi: 10.1016/j.apenergy.2012.04.017).

[8] C. Wang, T. Tian, Z. Xu, S. Cheng, S. Liu, R. Chen, “Optimal management for grid-connected three/single phase hybrid multimicrogrids”, IEEE Trans. on Sustainable Energy, vol. 11, no. 3, pp. 1870-1882, July 2020 (doi: 10.1109/TSTE.2019.2945924).

[9] M. Zadsar, S.S. Sebtahmadi, M. Kazemi, S.M.M. Larimi, M.R. Haghifam, “Two stage risk based decision making for operation of smart grid by optimal dynamic multi microgrid”, International Journal of Electrical Power and Energy Systems, vol. 118, Article Number: 105791, June 2020 (doi: 10.1016/j.ijep­es.­20­19.10­57­9­1).

[10] M. Esmaeili, M. Sedighizadeh, M. Esmaili, “Multi-objective optimal reconfiguration and DG power allocation in distribution network using big bang-big crunch algorithm considering load uncertainty”, Energy, vol. 103, pp. 86-99, May 2016 (doi: 10.1016/j.energy.2016.02.152).

[11] M. Sedighizadeh, M. Esmaili, M. Esmaeili, “Allocation of the hybrid big bang-big crunch algorithm to optimal reconfiguration and distributed generation power allocation in distribution systems”, Energy, vol. 76, pp. 920-930, Nov. 2014 (doi: 10.1016/j.energy.2014.09.004).

[12] M. Sedighizadeh, G. Shaghaghi-shahr, M. Esmaili, M. R. Aghamohammadi, “Optimal distribution feeder reconfiguration and generation scheduling for microgrid day-ahead operation in the presence of electric vehicles considering uncertainties”, Journal of Energy Storage, vol. 21, pp. 58-71, Feb. 2019 (doi: 10.10­16/­j.­e­­st­.2018.11.009).

[13] R. Jabbari-Sabet, S.M. Moghaddas Tafreshi, S.S. Mirhosseini, “Microgrid operation and management using probabilistic reconfiguration and unit commitment”, International journal of Electrical Power and Energy Systems, vol. 75, pp. 328-336, Feb. 2016 (doi: 10.1016/j.ijepes.2015.09.012).

[14] I.B. Hamida, S.B. Salah, F. Msahli, M.F. Mimouni, “Optimal network reconfiguration and renewable DG integration considering time sequence variation in load and DGs”, Renewable Energy, vol. 121, pp. 66-80, Mar. 2018 (doi: 10.1016/j.renene.2017.12.106).

[15] F.S. Ghazijahani, J. Salehi, “Integrated DR and reconfiguration scheduling for optimal operation of microgrids using Hongs’ point estimate method”, International journal of Electrical Power and Energy Systems, vol. 99, pp. 481-492, July 2018 (doi: 10.1016/j.ijepes.2018.01.044).

[16] M.R. Kaveh, R.A. Hooshmand, S.M. Madani, “Simultaneous optimization of rephrasing, reconfiguration and DG placement in distribution networks using BF-SD algorithm”, Computational Intelligence in Electrical Engineering, vol. 8, no. 2, pp. 55-69, Aug. 2017 (doi: 10.1016/j.asoc.2017.09.041).

[17] J. Shukla, B. Das, V. Pant, “Stability constrained optimal distribution system reconfiguration considering uncertainties in correlated loads and distributed generations”, International Journal of Electrical Power and Energy Systems, vol. 99, pp. 121-133, July 2018 (doi: 10.1016/j.ijepes.2018.01.010).

[18] P. Harsh, D. Das “Energy management in microgrid using incentive-based demand response and reconfi­gured network considering uncertainties in renewable energy sources”, Sustainable Energy Technologies and Assessments, vol. 46, Article Number: 101225, Aug. 2021 (doi: 10.1016/j.seta.2021.101225).

[19] M. Kiani, J. Salahi, “Integrated approach of network reconfiguration with distributed generation and shunt capacitor placement for power loss minimization in radial distribution networks”, Applied Soft Computing, vol. 52, pp. 1262-1284, Mar. 2017 (doi: 10.1016/j.asoc.2016.07.031).

[20] M. Mohammadi, A.M. Rozbahani, S. Bahmanyar, “Power loss reduction of distribution systems using BFO based optimal reconfiguration  along with DG and shunt capacitor placement simultaneously in fuzzy fra­mew­ork”, Journal of Central South University, vol. 24, no. 1, pp. 90-103, Jan. 2017 (doi: 10.1007/s11771-017-3412-1).

[21] S.N. Ravadanegh, M.R.J. Oskuee, M. Karimi “Multi-objective planning model for simultaneous reconfigu­ration of power distribution network and allocation of renewable energy resources and capacitors with considering uncertainties”, Journal of Central South University, vol. 24, Issue. 8, pp. 1837-1849, Aug. 2017 (doi: 10.1007/s11771-017-3592-8).

[22] S.S. Fazlhashemi, M. Sedighizadeh, M.E. Khodayar “Day-ahead energy management and feeder reconfigu­ration for microgrids with CCHP and energy storage systems”, Journal of Energy Storage, vol. 29, Article Number: 101301, Jun. 2020 (doi: 10.1016/j.est.2020.101301).

[23] M. Kia, M. Shafiekhani, H. Arasteh, S.M. Hashemi, M. Shafie-khah, J.P.S. Catalão “Short-term operation of microgrids with thermal and electrical loads under different uncertainties using information gap decision theory”, Energy, vol. 208, Article Number: 118418, Jan. 2020 (doi: 10.1016/j.energy.2020.118418).

[24] Y. Liu, D. Cetenovic, H. Li, E. Gryazina, V. Terzija “An optimized multi-objective reactive power dispatch strategy based on improved genetic algorithm for wind power integrated systems”, International Journal of Electrical Power and Energy Systems, vol. 136, Article Number: 107764, Mar. 2022 (doi: 10.1016/j.i­jepe­s.20­21.107764).

[25] H. Zheng, W. Huang, J. Zhao, J. Liu, Y. Zhang, Z. Shi, C. Zhang “A novel falling model for wind speed pro­ba­bility distribution of wind farms”, Renewable Energy, vol. 184, pp. 91-99, Jan. 2022 (doi: 10.1016­/j.r­e­­nene.2021.11.073).

[26] L. Zhu, J. Zhang, “Uncertainty and sensitivity analysis of cooling and heating loads for building energy planning”, Journal of Building Engineering, vol. 45, Article Number: 103440, Jan. 2022 (doi: 10.1016/j.job­e.2­0­21.103440).

[27] Y. Kongjeen, K. Bhumkittipich, N. Mithulananthan, I.S. Amiri, P. Yupapin “A modified backward and forward sweep method for microgrid load flow analysis under different electric vehicle load mathematical models”, Electric Power Systems Research, vol. 168, pp. 46-54, Mar. 2019 (doi: 10.1016/j.epsr.2­018.1­0.­0­3­1).