دانلود مقاله ISI انگلیسی شماره 56882
ترجمه فارسی عنوان مقاله

برنامه‌ریزیِ بهینه‌ی سیستم‌های ترکیبی گرمایی و الکتریکی در میکروگریدها

عنوان انگلیسی
Optimal planning of combined heat and power systems within microgrids
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
56882 2015 10 صفحه PDF
منبع

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

Journal : Energy, Volume 93, Part 1, 15 December 2015, Pages 235–244

فهرست مطالب ترجمه فارسی
چکیده

کلمات کلیدی

1.مقدمه

2. توصیف مسئله

جدول 1. پیکربندیِ نمونه‌ی سیستم میکروگرید

شکل 1. شماتیک جریان انرژیِ سیستم CHP در سیستم میکروگرید

3. مدل‌سازیِ واحدهای DG

3.1. توربین‌های گاز طبیعی (NGT)

3.2. سلول‌های سوخت گاز طبیعی (NGFC)

3.3. سلولهای سوختی هیدروژنی (H2FC)

3.4. منابع انرژی تجدیدپذیر

3.4.1. مدل‌سازی عدم قاطعیت

3.4.2. مدل وضعیت‌های ترکیبی

3.5. ذخیره‌سازیِ گرمایی (TS)

4. فرمول‌بندیِ مسئله

4.1. تابع هدف (تناسب)

4.2. محدودیت‌ها

شکل 2. فلوچارت الگوریتم برنامه‌ریزیِ مبتنی بر GA

4.3. پیاده‌سازیِ الگوریتم ژنتیک

5. مطالعه‌ی موردی

جدول 2. آمار پروفایل تقاضای انرژی برای میکروگرید تحت مطالعه 

شکل 3. تقاضای گرما و برق نمونه برای میکروگرید.

جدول 3. پارامترهای محاسبات هزینه‌های مربوطه و ویژگی‌های محیط‌زیستیِ میکروگرید

6. نتایج و بحث

6.1. نتایج مورد 1: دنبال کردن بار الکتریکی (FEL)

جدول 4. نتایج موارد مطالعه شده برای حالت عملیاتیِ FEL

6.1.1. مورد 1: نتایج حالت مبنا 

6.1.2. مورد 2: با گرمایش الکتریکی

6.1.3. نتیجه‌ی پیکربندی 1 (CHPها و شبکه‌ی اصلی)

6.1.4. نتایج پیکربندیِ 2 (CHP، ذخیره‌ی گرمایی و شبکه‌ی اصلی)

6.1.5. نتایج پیکربندیِ 3 (CHPها، انرژیِ ذخیره‌سازی و شبکه‌ی اصلی)

6.1.6. نتایج پیکربندیِ 4 (CHPها، ذخیره‌ی گرمایی، انرژیِ تجدیدپذیر، و شبکه‌ی اصلی)

6.2. نتایج حالت 2: پیروی از بار گرمایی (FTL)

جدول 5. نتایج موارد مطالعاتی برای حالت عملیاتیِ FTL

جدول 6. مقایسه‌ی بین نتایج حالت‌های عملیاتیِ FEL و FTL برای پیکربندیِ 1

7. نتیجه‌گیری
ترجمه کلمات کلیدی
قدرت و حرارت ترکیبی؛ تجدید پذیر؛ سیستم ریزشبکه؛ گاز قدرت؛ چند هدفه؛ الگوریتم ژنتیک
کلمات کلیدی انگلیسی
Combined heat and power; Renewable; Microgrid system; Gas-power; Multi-objective; Genetic algorithm
ترجمه چکیده
در این مقاله، یک پیاده‌سازیِ بهینه با توجه به ظرفیت و نوع DG (تولید توزیع‌یافته نیرو) برای سیستم‌های CHP (ترکیبی گرمایی و الکتریکی) در میکروگریدها ارائه شده است. هدف این است که به صورت همزمان هزینه‌ی خالص کل و انتشار کربن دی‌اکسید به حداقل برسد. یک GA (الگوریتم ژنتیک) چند هدفی حل شده تا مسئله‌ی برنامه‌ریزی از جمله بهینه‌سازیِ نوع DG و ظرفیت اعمال شده است. محدودیت‌ها شامل تقاضای گرما و برق و محدودیت‌های ظرفیت DGهاست. تکنیک‌های مورد نظر در این مطالعه شامل ژنراتورهای CHP (با ویژگی‌های متفاوت)، دیگ‌ها، ذخیره‌سازیِ گرمایی، ژنراتورهای تجدیدپذیر (بادی و فوتوولتائیک) و اتصال شبکه‌ی برق اصلی است. برق مازاد/کمبود را می‌توان به شبکه‌ی اصلی فرخت و یا از آن خریداری کرد. هزینه‌های ژنراتورهای CHP بر اساس نوع و بازه‌ی ظرفیتی آن‌ها است. این رویکرد به یک سیستم CHP نمونه در سیستم میکروگرید به عنوان مطالعه‌ی موردی اعمال شده است، و اثربخشیِ متد پیشنهادی تصدیق شده است.
ترجمه مقدمه
وابستگیِ کامل جامعه بر روی انرژی باعث می‌شود در شبکه‌ی برق ترافیک ایجاد شود. برای مدت قرن‌ها، سیستم‌های انرژی بر اساس تولید انرژی مرکزی و سیستم‌های توزیع و انتقال بودند. با افزایش سریع هزینه‌های سوختی، هزینه‌های سرمایه‌گذاریِ نیروگاه‌های تولید انرژیِ مرکزی، و تقاضای گرمایی/برقی افزایش پیدا کرد. یک نیاز واقعی وجود دارد که یک سیستم جایگزین با مصرف انرژی بهینه‌تری داشته باشیم. میکروگرید نسبتاً شبکه‌ی محلیِ کوچک است که شامل بارها، سیستم کنترل و مجموعه‌ای از منابع انرژی مانند ژنراتورها و دستگاه‌های ذخیره‌سازیِ انرژی می‌شود [1، 2]. میکروگرید می‌تواند در حالت متصل به شبکه کار کند، که در آن منابع انرژی با شبکه‌ی الکتریکیِ اصلی ارتباط برقرار می‌کنند، و یا می‌تواند به صورت جزیره‌ای عمل کند که در این حالت میکروگرید بارهای محلی را بدون استفاده از شبکه‌ی برق اصلی تغذیه می‌کند. میکروگرید در کل به عنوان یک سیستم تولید انرژیِ جایگزینی شناخته می‌شود که می‌تواند با نیرگواه برق مرکزیِ سنتی رقابت کند [3]. به عنوان یک جایگزین برای سیستم‌های انرژیِ مرکزی، میکروگریدها انرژی را به صورت محلی و با استفاده از DG (تولید توزیع‌یافته) و تبادل برق با مناطق دور تولید می‌کند [4]. تنوع طبیعت منابع انرژی‌ها باعث می‌شود اتکا‌پذیری، کیفیت برق و اقتصاد سیستم بهبود یابد [5]. بنابراین، میکروگریدها از انواع DGها ایجاد شده‌اند، مانند تولید انرژی، ذخیره‌سازیِ انرژی و مدیریت بار. در حال حاضر، گاز طبیعی سوخت اصلیِ DGهاست [4]. منابع انرژیِ تجدیدپذیر مانند انرژی باد و PV (فوتوولتائیک) مقبولیت بسیاری در صنعت تولید برق دریافت کرده‌اند زیرا پایان‌ناپذیر و غیرآلاینده هستند. منابع انرژیِ تجدیدپذیر منابع تولید نیروی متناوب شناخته می‌شوند که دلیل آن تغییرات سرعت باد و تشعشعات خورشید است. یکی از کاربردهای اصلیِ DGها در CHP است که به صورت همزمان برق و گرما تولید می‌کند [4]. CHP و منابع انرژیِ تجدیدپذیر عناصر کلیدی در سیستم‌های انرژیِ پاک آینده هستند [6، 7]. تولید CHP انعطاف‌پذیر می‌تواند باعث ادغام تولید برق نوسان‌دار از منابع انرژیِ تجدیدپذیر شود [6، 7]. به علاوه، ذخیره‌سازیِ انرژیِ گرمایی یک عنصر اساسی دیگر در میکروگرید است [5]. این سیستم مازاد انرژی گرمایی را ذخیره می‌کند تا زمان تقاضای بالا مورد استفاده قرار بگیرد، بنابراین باعث می‌شود تقاضای اوج انرژیِ گرمایی کاهش پیدا کند. با تهی‌سازیِ تدریجیِ سوخت‌های فسیلی و تقاضای بیشتر کشورها برای مطابقت با محدودیت‌های محیط زیستی که توسط پروتوکل Kyoto برای کاهش تشأشعات گازهای گلخانه‌ای تعریف شد، میکروگریدها با CHP و منابع انرژی تجدیدپذیر یک شکل سازماندهیِ موثری از واحدهای عرضه‌ی انرژیِ توزیع‌یافته ارائه کردند [2]. میکروگریدها با CHP و منابع انرژی تجدید پذیر مزایای بسیاری دارند، از جمله اتکاپذیری و کاهش: لفات انرژی، تشأشعات، گرمای تلف شده، هزینه‌های سرمایه‌گذاری و جاری شبکه‌های انتقال، و ریسک خطای زنجیره‌ی انرژی [1-5،8]. برنامه‌ریزیِ سیستم‌های CHP توجه بسیاری دریافت می‌کند [1-12] زیرا برنامه‌ریزیِ منطقی مسئله‌ی مهمی بوده و تضمین می‌کند عملیات میکروگرید بهینه و ایستایی ایجاد شود. آثار بسیاری در منابع مرتبط انجام شده است، که می‌توان آن‌ها را به صورت کلی به سه جنبه تقسیم کرد: شناساگرها و متدهای ارزیابی، استراتژیِ عملیاتی، و برنامه‌ریزیِ بهینه‌ی سیستم CHP در سیستم میکروگرید. برای شناساگرها و متدهای ارزیابی، شاخص‌های عملکردیِ اقتصاد، اتکاپذیری و بهره‌ی استفاده‌ی تشأشعات و انرژی KPIها (شناساگرهای عملکردیِ کلیدی) هستند که عملکرد سیستم میکروگرید را تحلیل می‌کنند [2]. برای مثال، مرجع [1] یک چهارچوب سلسله‌مراتبی پیشنهاد می‌کند که زمان‌بندیِ تولید اقتصادیِ میکروگریدها را تحقق می‌بخشد. با این همه، در این اثر ذخیره‌ی گرمایی و تشأشعات وجود ندارد. مراجع [2، 3] بر روی ارزیابی مجموعه‌های خروجیِ بهینه‌ی ترکیب DG بر اساس ترکیب‌های بهینه‌سازیِ چند هدفه بین هزینه‌ی سوخت و تشأشعات تمرکز کردند. منابع انرژی تجدیدپذیر و ذخیره‌ی انرژی در مرجع [3] موجود نیستند. مرجع [4] یک طرح بهینه برای میکروگریدها با واحدهای CHP ارائه کرد که نتایج ارزیابی چرخه‌ی طول عمر میکروگریدها را باهم ادغام می‌کند. هدف این است که هزینه‌ی عملیاتی و انتشارات کلی به حداقل برسند. با این همه، اثر آن‌ها ادغام منابع انرژیِ تجدیدپذی را در میکروگریدها در نظر نمی‌گیرد. مرجه [5] نتایج عملیاتی میکروگریدهای مسکونیِ واقعی را در نظر گرفته‌اند که شامل شش آپارتمان، نیروگاه فوتوولتائیک، نیروگاه انرژیِ گرمایی خورشیدی، یک پمپ گرمایی ژئوترمال، و ذخیره‌ی انرژیِ گرمایی می‌شود. نویسنده‌های [6] نشان می‌دهند چرا شبکه‌های هوشمند برق باید بخشی از سیستم‌های انرژیِ هوشمند کلی دیده شوند و تأکید دارند که ادغام تولید CHP انعطاف‌پذیری باید در توازن برق و ثبات شبکه انجام شود. برای مثال، CHPها باید طوری عمل کنند که وقتی خروجی یک منبع انرژیِ تجدیدپذیر بالا است، انرژی کم‌تری تولید کنند و وقتی که خروجی منبع انرژیِ تجدیدپذیر پایین باشد انرژی بیشتری تولید کند. مرجع [7] راه‌حل‌هایی برای ادغام منابع انرژیِ تجدیدپذیر در سیستم‌های الکتریکی با استفاده از CHPهای سایز متوسط و کوچک ارائه کردند. به علاوه، راه‌حل‌های پیشنهادی و ابزارهای نرم‌افزاری اجاره می‌دهد که به صورت شراکتی سرویس‌هایی ارائه شود که در حال حاضر تنها توسط نیروگاه‌های برق بزرگ به بازارهای برق ارائه می‌شوند. در مرجع [8]، یک الگوریتم برای پیدا کردن انواع، سایزها و جایگاه‌های DGها در میکروگرید پیشنهاد شده است. هدف مورد نظر این است که هزینه‌ی عملیاتی و سرمایه به حداقل رسیده و تشأشعات را در نظر نگرفته‌اند. به علاوه، منابع انرژیِ تجدیدپذیر و ذخیره‌ی گرمایی نیز در نظر گرفته نشده‌اند. هدف مرجع [9] این است که نرخ مصرف سوخت DGها در میکروگرید کاهش پیدا کند. با این همه، تشأشعات و هزینه‌های نگهداری در نظ رگرفته نشده‌اند. یک الگوریتم بهینه‌سازی برای اعزام بهینه‌ی DGها و سیستم‌های ذخیره‌سازی در میکروگرید جزیره‌ای در مرجع [10] ارائه شده است. هدف این است که هزینه‌ی عملیاتیِ کلی و تشأشعات کاهش پیدا کند. با این همه، اثر آن‌ها تقاضای انرژی گرمایی را در نظر نمی‌گیرند. نویسندگان مرجع [11] یک تحلیل جامع از هفت فناوریِ مختلف ارائه کرده‌اند تا منابع انرژیِ تجدیدپذیر دارای نوسان در یک سیستم عرضه‌ی برق ادغام شوند. هفت فناوریِ مورد نظر دیگ‌های الکتریکی، پمپ‌های گرمایی، الکرتولایزرها با CHP محلی، الکترولایزرها با CHP میکرو، دستگاه‌های سلول سوختیِ هیدروژنی، دستگاه‌های الکتریکیِ باتری و تقاضای الکتریسیته‌ی انعطاف‌پذیر هستند. این فناوری‌های مختلف از نظر قابلیت ادغام منابع انرژیِ تجدیدپذیر و بهره‌ی سوختی‌شان در سناریوهای مختلف مقایسه شده‌اند. مرجع [12] یک مدل اکتشافی برای تحلیل امکان‌پذیریِ اقتصادی استفاده از نیروگاه ذخیره‌سازیِ انرژیِ هوای فشرده در سیستم برق دانمارکی در مقایسه با سایر فناوری‌های انعطاف‌پذیر از جمله پمپ‌های گرمایی و ذخیره‌های هیدروژنی ارائه کرده‌اند. برای استراتژیِ عملیاتیِ CHP در سیستم میکروگرید، دو استراتژی اولیه وجود دارد: FTL (دنبال کردن بار گرمایی) و FEL (دنبال کردن بار الکتریکی) [2]. هنگامی که میکروگرید در حالت FTL کار می‌کند، واحدهای تولید شده اولویت را بر روی تولید گرما قرار می‌دهند. اگر میکروگرید نتواند با تقاضای الکتریکی مطابقت پیدا کند، برق کمبودی را می‌توان از شبکه‌ی اصلی خریداری کرد. هنگامی که میکروگرید در حالت FEL کار می‌کند، واحدهای تولیدی اولویت را بر روی تولید برق می‌گذارند. اگر میکروگرید نتواند با تقاضای گرمایی مطابقت داشته باشد، گرمای کمبودی را می‌توان با استفاده از یک دیگ عرضه کرد. با این همه، استراتژیِ دنبال کردن بار گرمایی-الکتریکیِ هیبریدی می‌تواند با توجه به بار بین دو حالت سوئیچ کند که عملکرد اقتصادی و محیط زیستیِ بهتری ارائه می‌کند [12، 14]. سرمایه‌گذاری در فناوری‌های توان گازی به صورت مداوم در حال افزایش است. تولید برق با استفاده از گاز طبیعی توجه بسیاری به این دلایل کسب کرده است [15]: 1) زمان ساخت کوتاه و هزینه‌های سرمایه‌گذاریِ اولیهِ پایین که باعث می‌شود در بازارهای غیر تنظیم شده جذاب باشد. و 2) سوخت تشأشعات گاز طبیعی نسبت به سایر سوخت‌های فسیلی مانند ذغال و نفت تشأشعاتی دارد که آسیب کم‌تری دارند. DGهای مبتنی بر موتورهای گازی و میکروتوربین‌ها عموماً برای کشورهایی که دارای دسترسی آسانی به گاز طبیعی هستند گزینه‌ی قابل اتکاتری است [16]. فناوری‌های گازی مانند NGFCها (سلول‌های سوخت گاز طبیعی)، H2FCها (سلول‌های سوخت گاز هیدروژنی) و NGTها (توربین‌های گاز طبیعی) را می‌توان برای توازن تقاضای توان/گرمای مورد نیاز در میکروگریدها به کار برد. به علاوه، ذخیره‌سازیِ توان-به-گاز (P2G) را می‌توان پیاده سازی کرد تا توان مازاد از انرژی تجدیدپذیر به سوخت هیدروژنی تبدیل شود تا از طریق یک یا چند روش زیر بتوان هرگاه لازم بود از آن استفاده کرد [17]: 1) منبع انرژیِ پاک؛ 2) تغذیه به شبکه‌ی گاز طبیعی به عنوان سوختی برای گرمایش کربنیِ پایین و یا سوخت ایجاد برق قابل کنترل و 3) مشتریان صنعتی. سیستم‌های انرژی مدرن که با درجه‌ی بالایی از پیچیدگی و عدم قاطعیت مواجه هستند که علت آن فاکتورهای در حال افزایش مانند نفوذ منابع انرژیِ تجدیدپذیر، بارهای جدید (برای مثال، EVها (اتومبیل‌های الکتریکی))، افزایش دستگاه‌های ذخیره‌سازی انرژی، تقاضای متغیر، و برنامه‌های واکنش تقاضا می‌باشد. برای مثال، برخی مصرف کننده‌ها خودشان برق/گرماشان را تولید می‌کنند. با این همه، اگر از PV و یا ژنراتورهای بادی استفاده کرده و به صورت موقت انرژی نداشته باشند، ممکن است توسط شبکه‌ی برق اصلی نیازمند تغذیه باشند. بنابراین، پروفایل بار خالص کم‌تر قابل پیشبینی خواهد بود [18]. سناریوها کمک می‌کنند سیستم مفهومی به صورت تجسمی و از طریق مثال‌های عملیاتی درک شود. سناریوها رخدادهایی که کاربر می‌تواند در انجام کارهایی که عملیات سیستم را تشکیل می‌دهد شبیه‌سازی کنند. بهینه‌سازی با عدم قاطعیت را می‌توان با استفاده از مدل‌سازیِ مبتنی بر سناریو با سه فاز حل کرد [19] : 1) جمع‌آوری و پردازش داده‌های پشت‌زمینه‌ی مرتبط و دانش قضاوتی، 2) ایجاد مجموعه‌ی منسجمی از سناریوها و 3) ساخت و حل مدل بهینه‌سازیِ اتفاقی. به علاوه، چندین تکنیک برای مدل‌سازیِ عدم قاطعیت‌ها مانند Monte Carlo [20]، تکنیک کاهش سناریو [21]، مدل‌سازیِ فازی [22]، و نظریه‌ی تصمیم‌گیریِ شکاف اطلاعاتی [23] اعمال شده‌اند. چندین چالش ممکن است برای کار با سیستم انرژیِ آینده وجود داشته باشد [18، 24]. مثال‌هایی از این چالش‌ها عبارتند از [18، 24]: 1) تقاضا در سمت مشتری که با عدم قاطعیت بیشتر محاصره شده است. 2) ظهور فناوری‌های جدید و سطوح نفوذ و زمان‌بندیِ آن‌ها. 3) درجه‌ای که با استفاده از آن بارهای مسکونی قابل کنترل هستند. 4) استفاده از اطلاعات شبکه‌ی هوشمند و فناوری‌های ارتباطی که به صورت هوشمندان کارهای کاربران را ادغام کند و 5) عدم قاطعیت در مورد توسعه‌ی اقتصادی، سیاست‌های بین‌المللی، تجارت و سیاست‌های آب‌وهوایی. عملکرد میکروگرید بسیار به نوع DGها و ظرفیت آن وابسته است. هدف اثر ارائه شده در این مقاله این است که یک برنامه‌ریزیِ بهینه برای CHP و منابع انرژیِ تجدیدپذیر در میکروگریدها ارائه کند که شامل موارد زیر می‌شود: - تقاضای الکتریکی و گرمایی با توجه به تغییرات ساعتی در روز - عدم قاطعیت مربوط به توان خروجیِ واحدهای DG تجدیدپذیر - هدف اقتصادی (هزینه‌های عملیاتی و سرمایه‌گذاریِ کل) و هدف محیط زیستی (تشأشعات C2) - ترکیب بهینه‌ی توان گاز (توربین‌های گاز طبیعی، سلول‌های سوختیِ گاز طبیعی، و سلول‌های سوختیِ گاز هیدروژن)، منابع انرژیِ تجدیدپذیر (باد و PV)، دیگ گاز طبیعی، هیتر الکتریکی، ذخیره‌ی گرمایی و شبکه‌ی برق اصلی از این دیدگاه، اثر پیشنهادی می‌تواند یک ابزار طراحی و مدل‌سازیِ مفید باشد، که امکان استفاده از فناوری‌های انرژیِ جایگزین و استراتژی‌های مختلف را ارزیابی می‌کند. سایر فناوری‌های DG را نیز می‌توان با توجه به میکروگرید تحت مطالعه و ویژگیِ انرژیِ اصلیِ منطقه‌ای اضافه کرد، که نشان دهنده‌ی امکان وجود انواع مختلف منابع انرژی در مناطق مختلف است. ادامه‌ی مقاله به این صورت سازمان یافته است: بخش 2 توصیف مسئله را ارائه می‌کند. بخش 3 مدل‌های مورد استفاده برای اجزای سیستم را ارائه می‌کند. فرمول‌بندیِ مسئله در بخش 4 آمده است. بخش‌های 5 و 6 جزئیات تست را ارائه کرده و بخش 7 نیز نتیجه‌گیری را ارائه می‌کند.
پیش نمایش مقاله
پیش نمایش مقاله  برنامه‌ریزیِ بهینه‌ی سیستم‌های ترکیبی گرمایی و الکتریکی در میکروگریدها

چکیده انگلیسی

In this paper, an optimal deployment with respect to capacity sizes and types of DG (distributed generation) for CHP (combined heat and power) systems within microgrids was presented. The objective was to simultaneously minimize the total net present cost and carbon dioxide emission. A multi-objective GA (genetic algorithm) was applied to solve the planning problem including the optimization of DG type and capacity. The constraints include power and heat demands constraints, and DGs capacity limits. The candidate technologies involved in this study include CHP generators (with different characteristics), boilers, thermal storage, renewable generators (wind and photovoltaic), and a main power grid connection. The surplus/deficient electricity can possibly be sold to/bought from the main grid. Costs of CHP generators are based on their types and the capacity range. The approach was applied to a typical CHP system within microgrid system as a case study, and the effectiveness of the proposed method was verified.