ترجمه فارسی عنوان مقاله

بهره‌برداری و مدیریت ریزشبکه با استفاده از پیکربندی مجدد احتمالاتی و مشارکت واحد

عنوان انگلیسی

Microgrid operation and management using probabilistic reconfiguration and unit commitment

کد مقاله	سال انتشار	تعداد صفحات مقاله انگلیسی
52899	2015	8 صفحه PDF

منبع

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

Journal : International Journal of Electrical Power & Energy Systems, Volume 75, February 2016, Pages 328–336

فهرست مطالب ترجمه فارسی

چکیده

کلیدواژه‌ها

مقدمه

فرمول‌بندی مساله

شکل 1. طرح ساختار ریزشبکه

متغیرهای تصمیم

هزینۀ ریزتوربین

مدل احتمالاتی ریزتوربین

هزینۀ باتری

هزینۀ شبکه

هزینۀ تلفات

هزینۀ کلیدزنی

قیود (محدودیت‌های) سیستم

توپولوژی سیستم

شکل 2. الگوریتم ارائه‌شده.

جدول 1: امپدانس خط ریزشبکه.

مدل عدم قطعیت

الگوریتم پیشنهادی

نتایج شبیه‌سازی

جدول 2: مشخصات هزینۀ ریزتوربین‌ها (ضرایب هزینۀ سوخت و راه‌اندازی)

جدول 3: مشخصات هزینۀ ریزتوربین‌ها (ضرایب هزینۀ سرمایه‌گذاری، تعمیر و نگهداری و انتشارات)

جدول 4: مشخصات واحد توربین بادی

جدول 5: پارامترهای باتری

جدول 6: پارامترهای کلیدزنی

جدول 7: اولویت بارها

جدول 8: مقدار میانیگ بارها در هر ساعت

جدول 9: ضریب بار نرمال‌شده (برای محاسبۀ مقدار میانگین ساعتی) برای هر ساعت.

جدول 10: قیمت ساعتی توان

جدول 11: کد هر توپولوژی پیکربندی

جدول 12: داده‌های سرعت باد محاسبه شده برای هر ساعت با استفاده از اطلاعات 12 سال گذشته

جدول 13: نتایج پیکربندی و مشارکت واحد بهینه به‌طور همزمان برای مقدار میانگین توربین بادی و تقاضای بار

جدول 14: نتایج شبیه‌سازی

شکل 3. تابع توزیع احتمالاتی سود ریزشبکه

شکل 4. ضریب سود همگرایی‌های واریانس در برابر سناریوها.

نتیجه‌گیری

ترجمه کلمات کلیدی

پیکربندی دوباره، تعهد واحد، ریز شبکه، عدم قطعیت، برق بادی

کلمات کلیدی انگلیسی

Reconfiguration, Unit commitment, Micro-grid, Uncertainty, Wind power generation

ترجمه چکیده

در این مقاله یک مدل تصادفی برای مدیریت روز بعد ریزشبکه (MG) ارائه شده است. مدل ارائه‌شده از پیکربندی مجدد احتمالاتی و مشاکرت واحد (UC) به‌طور همزمان بهره می‌برد تا به نقاط تنظیم بهینۀ واحدهای ریزشبکه و نیز به توپولوژی بهینۀ ریزشبکه برای بازار برق روز بعد دست یابد. روش بهره‌برداری ارائه‌شده به منطور بیشینه کردن سود ریزشبکه با در نظر گرفتن تقاضای بار و عدم قطعیت تولید توان بادی به‌کار گرفته می‌شود. سود روز بعد ریزشبکه به عنوان تابع هدف (OF) در نظر گرفته شده و الگوریتم بهینه‌سازی ازدحام ذرات (PSO) برای حل این مساله به کار می‌رود. برای مدل‌سازی عدم‌قطعیت‌ها، چندین سناریو بر اساس شبیه‌سازی مونت‌کارلو (MC) تولید می‌شود، و بهره‌برداری بهینۀ ریزشبکه تحت این سناریوها تجزیه‌وتحلیل می‌شود. مطالعۀ موردی یک ریزشبکۀ معمولی 10 شینه است که شامل توربین بادی (WT)، باتری، ریزتوربین‌ها (MT)، و بارهای حیاتی و غیرحیاتی است. این ریزشبکه در یک شینه به شبکۀ بالادست متصل می‌شود. در نهایت، نقاط تنظیم بهینۀ واحدهای قابل توزیع و بهترین توپولوژی از طریق تجمع سناریو تعیین می‌شوند، و این مقادیر برای بهره‌برداری روز بعد پیشنهاد می‌شوند. در واقع، مدل ارائه شده قادر است تاثیر نامطلوب عدم‌قطعیت‌ها روی سود ریزشبکه را از طریق ایجاد سناریوهای مختلف به حداقل برساند.

ترجمه مقدمه

شبکه‌های توزیع به منظو رکاهش تلفات توان، متعادل‌سازی بار و بازیابی خدمات در شرایط عملکرد بحرانی، پیکربندی مجدد می‌شوند [1]. تاثیر ریزشبکه روی پیکربندی مجدد شبکۀ توزیع (DNR) در [2-4] بحث شده است. برای حل مسالۀ پیکربندی مجدد بهینۀ شبکۀ توزیع با هدف حداقل‌سازی تلفات توان، استفاده از الگوریم بهینه‌سازی ازدحام ذرات با کمک برخی سناریوهای تولید‌شده با شبیه‌سازی مونت‌کارلو، در [2] ارائه شده است. توزیع اقتصادی بار و پیکربندی مجدد شبکۀ توزیع، با در نظر گرفتن هزینه‌های تولید و ذخیره‌سازی در ریزشبکه، بهره‌برداری و تلفات توان شبکه به عنوان تابع هدف، در [3، 4] بحث شده است. تولیدات پراکنده (DG) بر اساس پیش‌بینی اطلاعات هواشناسی با طبیعت تصادفی در نظر گرفته می‌شوند. با این حال، توزیع اقتصادی بار و پیکربندی مجدد شبکۀ وزیع در فواصل زمانی یکسان در نظر گرفته نمی‌شوند. پیکربندی مجدد ریزشبکه در [5-8] تحلیل شده است. یک الگوریتم جدید برای حل مسالۀ پیکربندی مجدد ریزشبکه بر اساس شمنای تصمیم‌گیری باینری مرتب‌شده با هدف حداقل‌سازی هزینۀ تلفات توان در[5] ارائه شده است. یک روش برنامه‌نویسی هیبریدی (ترکیبی) برای حل مسالۀ پیکربندی مجدد ریزشبکه جهت حداقل‌سازی تلفات توان و بازیابی خدمات (سرویس) در [6] بیان شده است. با در نظر گرفتن الزامات و نیازمندی‌های عملکرد، حداکثرسازی بار و اولویت تامین تقاضای پس از خطا، از برخی رهیافت‌ها که مبتنی بر الگوریتم ژنتیک و نظریۀ گراف‌ هستند، برای پیکربندی مجدد ریزشبکه در [7] استفاده شد. با چشم‌پوشی از تلفات توان شبکه و ظرفیت خط، طرحی برای بازیابی بارهای بیشتر با حداقل عملکرد کلیدزنی در [8] ارائه شد. با این حال، طبیعت تصادفی منابع انرژی تجدیدپذیر و تقاضای بار در ریزشبکه‌ها در این مطالعات نادیده گرفته شده‌اند.

دانلود رایگان 2 صفحه اول مقاله لاتین (PDF)

پیش نمایش مقاله

چکیده انگلیسی

A stochastic model for day-ahead Micro-Grid (MG) management is proposed in this paper. The presented model uses probabilistic reconfiguration and Unit Commitment (UC) simultaneously to achieve the optimal set points of the MG’s units besides the MG optimal topology for day-ahead power market. The proposed operation method is employed to maximize MG’s benefit considering load demand and wind power generation uncertainty. MG’s day-ahead benefit is considered as the Objective Function (OF) and Particle Swarm Optimization (PSO) algorithm is used to solve the problem. For modeling uncertainties, some scenarios are generated according to Monte Carlo Simulation (MCS), and MG optimal operation is analyzed under these scenarios. The case study is a typical 10-bus MG, including Wind Turbine (WT), battery, Micro-Turbines (MTs), vital and non-vital loads. This MG is connected to the upstream network in one bus. Finally, the optimal set points of dispatchable units and best topology of MG are determined by scenario aggregation, and these amounts are proposed for the day-ahead operation. In fact, the proposed model is able to minimize the undesirable impact of uncertainties on MG’s benefit by creating different scenarios.