دانلود مقاله ISI انگلیسی شماره 152922
ترجمه فارسی عنوان مقاله

در مورد استفاده از پیش بینی های احتمالی در برنامه ریزی منابع انرژی تجدید پذیر همراه با ذخیره سازی

عنوان انگلیسی
On the use of probabilistic forecasts in scheduling of renewable energy sources coupled to storages
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
152922 2018 12 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Applied Energy, Volume 210, 15 January 2018, Pages 1207-1218

ترجمه کلمات کلیدی
بهینه سازی برنامه ارسال، پیش بینی احتمالی، کنترل پیش بینی مدل، محدودیتهای احتمالی، انرژی تجدید پذیر، سیستم ذخیره انرژی
کلمات کلیدی انگلیسی
Dispatch schedule optimization; Probabilistic forecasting; Model predictive control; Chance constraints; Renewable energy; Energy storage system;
ترجمه چکیده
تولید انرژی الکتریکی از منابع انرژی تجدیدپذیر به طور کلی به علت نوسان پذیری ذاتی آن، قابل انجام نیست. بنابراین، ادغام آن در بازارهای برق و در عملکرد سیستم های برق اغلب بر اساس سیستم های ذخیره سازی انرژی جبران کننده انرژی است. برنامه ریزی و کنترل این نوع سیستم های متصل شده معمولا بر اساس کنترل سلسله مراتبی و بهینه سازی است. در سطح بالایی، یک مشکل بهینه سازی را برای محاسبه یک برنامه اعزام و تخصیص منسجم ذخایر انرژی حل می کند. در سطح پایین تر، یک تنظیمات آنلاین از برنامه اعزام را با استفاده از، به عنوان مثال، کنترل پیش بینی مدل، انجام می دهد. در مقاله حاضر، ما پیشنهاد می کنیم فرمول بندی بهینه سازی سطح بالایی را براساس پیش بینی های احتمال احتمالی داده های انرژی و انرژی بارهای غیر قابل کنترل و ژنراتورهای وابسته به منابع انرژی تجدید پذیر ارائه دهیم. به طور خاص، با استفاده از پیش بینی های احتمالاتی از پروفایل های انرژی و انرژی تقاضا / نسبی نامطلوب، ما یک چارچوب جدید برای اطمینان از امکان اجرای آنلاین برنامه های اعزام با یک سطح امنیتی ارائه می دهیم. اثربخشی طرح پیشنهادی با شبیه سازی بر اساس داده های تولید و مصرف واقعی خانوار نشان داده شده است.
پیش نمایش مقاله
پیش نمایش مقاله  در مورد استفاده از پیش بینی های احتمالی در برنامه ریزی منابع انرژی تجدید پذیر همراه با ذخیره سازی

چکیده انگلیسی

Electric energy generation from renewable energy sources is generally non-dispatchable due to its intrinsic volatility. Therefore, its integration into electricity markets and in power system operation is often based on volatility-compensating energy storage systems. Scheduling and control of this kind of coupled systems is usually based on hierarchical control and optimization. On the upper level, one solves an optimization problem to compute a dispatch schedule and a coherent allocation of energy reserves. On the lower level, one performs online adjustments of the dispatch schedule using, for example, model predictive control. In the present paper, we propose a formulation of the upper level optimization based on data-driven probabilistic forecasts of the power and energy output of the uncontrollable loads and generators dependent on renewable energy sources. Specifically, relying on probabilistic forecasts of both power and energy profiles of the uncertain demand/generation, we propose a novel framework to ensure the online feasibility of the dispatch schedule with a given security level. The efficacy of the proposed scheme is illustrated by simulations based on real household production and consumption data.