• شماره ركورد
    21230
  • شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
    ۲۱۲۳۰
  • پديد آورنده

    شهاب رحيمي نيا دشتمياني

  • عنوان
    توسعه مدل رياضي چندهدفه براي شبكه يكپارچه و تاب آور انرژي برق در شرايط عدم قطعيت: مطالعه موردي شبكه برق استان گيلان
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    صنايع
  • سال تحصيل
    ۱۳۹۸
  • تاريخ دفاع
    ۱۳۹۸/۸/۱
  • استاد راهنما
    دكتر سيد مهدي حسيني مطلق
  • استاد مشاور
    دكتر علي بزرگي اميري
  • دانشكده
    صنايع
  • چكيده
    با توجه به رشد فزاينده جمعيت و همچنين صنعتي شدن جوامع، نياز بشر به استفاده از سوخت¬هاي فسيلي براي توليد انرژي برق براي انجام فعاليت¬هاي مختلف زندگي روندي صعودي به خود گرفته است. علي¬رغم قابليت اطمينان بالاي سوخت¬هاي فسيلي، به دليل ايجاد آلودگي-هاي فراوان و تاثيرات نامطلوب بر محيط¬زيست، توجهات زيادي چه در بخش تحقيقاتي و چه در بخش كاربردي به سمت استفاده از انرژي¬هاي تجديدپذير و پاك مانند انرژي خورشيدي و بادي، معطوف شده است. استفاده از انرژي¬هاي تجديد¬پذير مانند انرژي خورشيدي و بادي در قالب نيروگاه¬هاي توليد پراكنده، علاوه بر كاهش آسيب وارده به محيط¬زيست، از بعد اقتصادي و فني مانند هزينه¬هاي پايين تاسيس و كاهش نوسانات ولتاژ، اخيرا بيشتر مورد توجه سياست¬گزاران حوزه¬ي انرژي قرار گرفته¬است. تعيين محل مناسب نيروگاه¬هاي توليدات پراكنده كه از انرژي خورشيدي و بادي استفاده مي¬كنند، به عوامل متعددي بستگي دارد. در اين پژوهش و در گام نخست، ما با استفاده از رويكرد تحليل پوششي داده¬ها و همچنين به¬كارگيري عوامل اصلي و تاثيرگذار بر عملكرد نيروگاه¬هاي خورشيدي- بادي، نقاط بالقوه كه داراي كارايي بالاتري براي تاسيس نيروگاه¬هاي توليد پراكنده، را مشخص مي¬كنيم. در اين پژوهش، با توسعه¬ي يك مدل برنامه¬ريزي خطي عددصحيح مختلط، تصميماتي نظير مكانيابي نيروگاه توليد پراكنده در سطوح استحكام مختلف ( در نقاط بالقوه¬اي كه در مرحله پيش تعيين شد)، ميزان توليد در نيروگاه¬هاي مقياس بزرگ و توليد پراكنده و همچنين جريانات بين نقاط مختلف شبكه، اتخاذ مي¬شود. براي مقابله با ريسك اختلال، سطوح استحكام مختلف براي تاسيس نيروگاه توليد پراكنده در نظر گرفته شده است كه هرچقدر ميزان استحكام تسهيل بيشتر باشد، هزينه بيشتر در پي دارد و از طرف ديگر تاثير كمتري از اختلال مي¬پذيرد. براي مدلسازي ريسك اختلال در مساله و همچنين درنظر گرفتن ميزان ريسك¬پذيري تصميم¬گيرنده از رويكرد استوار تصادفي استفاده شده است. برخي از داده¬هاي ورودي مورد استفاده در مدل رياضي مانند تقاضا و هزينه¬ها داراي حالت ابهام بوده كه براي برخورد با اين عدم¬قطعيت، از روش¬ برنامه¬ريزي فازي امكاني با معيار اعتبار بهره گرفته شده است. مدل رياضي ارائه شده يك مدل برنامه¬ريزي خطي عددصحيح مختلط چندهدفه مي¬باشد كه با استفاده از روش فازي تعاملي ترابي- حصيني، به مدل تك¬هدفه تبديل شده است. مدل ارائه شده در نرم-افزار GAMS و با استفاده از حل¬كننده CPLEX حل شده است. از شبكه توليد و توزيع برق در استان گيلان به عنوان مطالعه موردي در اين تحقيق استفاده شده است و در نهايت تحليل حساسيت روي پارامتر¬هاي حساس مدل انجام شده است و تحليل¬هاي مديريتي و كاربردي ارائه شده است. نتايج حل مدل توسعه داده¬شده در سطح اطمينان (ريسك¬گريزي تصميم¬گيرنده) بالا نشان مي¬دهد كه بايد دو نيروگاه توليد پراكنده در شهرهاي كياشهر و انزلي در سطح استحكام سه (با كمترين هزينه) تاسيس شوند. هر كدام از اين دو نيروگاه تاسيس شده، به يك نقطه تقاضا در شعاع پوششي خود متصل مي¬شوند و باعث تقويت شبكه برق منطقه مي¬شوند. نتايج حاصله نشان مي¬دهد كه با كاهش ميزان ريسك¬پذيري تصميم¬گيرنده، هزينه¬هاي سيستم روندي صعودي پيدا مي¬كند كه نشات گرفته از افزايش در ميزان توليد انرژي در نيروگاه¬هاي مقياس بزرگ و توليد پراكنده و همچنين افزايش هزينه¬هاي عملياتي و انتقال انرژي مي¬باشد.
  • تاريخ ورود اطلاعات
    1398/08/08
  • عنوان به انگليسي
    Developing a multi-objective mathematical model for integrated and resilient electricity power network under uncertainty: A case study of Guilan province power network
  • تاريخ بهره برداري
    10/22/2020 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    شهاب رحيمي نيادشتمياني

  • چكيده به لاتين
    Due to the increasing population growth and industrialization in societies, human need for using fossil fuels follows an upward trend. In spite of high reliability of fossil fuels, because of abundant pollution created by them and adverse effect on environment, considerable attention is paid to renewable energy sources like wind and solar in both academic, and practical. Using renewable energy sources like wind and solar in format of distributed generation (DG) power plants, in addition to decreasing detrimental effect on environment, is more considered by energy policy makers in terms of economical and technical aspects such as lower foundation cost and reduction of voltage fluctuation. Choosing the best location for installing DG power plants that use wind and solar sources depends on numerous factors. In this study and in first step, using data envelopment analysis (DEA) and factors affecting on DG performance, we specify the potential locations with higher efficiency for establishing DG power plants. In this research, by developing a mixed integer mathematical programming model, decisions like location of DG power plants in different fortification level (locations obtained from previous step), production amount in large-scale and DG power plants and flow between network different nodes are made. To deal with disruption risk, different fortification level for DG power plants are considered so that the higher the fortification level, the more cost and the less vulnerability in the face of disruption. For modeling disruption risk in this problem and considering decision maker’s risk-aversion degree, robust stochastic approach is applied. Some of the input parameters used in mathematical modeling such as demand and costs are epistemic so that for dealing with this kind of uncertainty, possibilistic fuzzy programming with credibility measure is utilized. Presented model is a multi –objective mixed integer linear programming that using applying TH method is converted to a single objective model. Developed model is solved in GAMS using Cplex Solver. Guilan power generation and distribution network is utilized as a case study, and sensivity analysis is carried out on some critical parameters, and managerial and practical insights are presented. Results in high level of confidence show that two DG power plants should be constructed in Kiashahr and Anzali in third fortification level (With the lowest cost). Each of these DG power plants is connected to one demand point in their covering radius and improves the power network. Obtained results reveal that with increasing in risk-aversion of DM, system costs follow an increasing trend due to growth in production volume in both large scale and DG power plants and also increasing in transmission and operational costs.