21601

21601

برنامه‌ريزي پاسخگويي بارهاي مسكوني در شبكه‌هاي هوشمند الكتريكي با در نظر گرفتن عدم قطعيت منابع

كارشناسي ارشد

سيستم هاي قدرت

1398

1398/8/26

دكتر محسن كلانتر

برق

در سال‌هاي اخير استفاده از پاسخگويي بارهاي مسكوني به دليل مقابله با مشكلات زيست‌محيطي كاهش هزينه توليد و مصرف و گسترش نفوذ منابع تجديدپذير مانند باد و خورشيد مورد توجه قرار گرفته است. اين پايان‌نامه زمان‌بندي پاسخگويي بارهاي مسكوني را با در نظر گرفتن عدم قطعيت براي توان توليدي منابع تجديدپذير و شارژ اوليه خودروهاي الكتريكي را ارائه مي‌دهد. تاكنون روش‌هاي مختلفي براي مدل‌سازي عدم قطعيت براي زمان‌بندي بار‌هاي مسكوني مانند روش مونت كارلو، فازي زدايي و غيره مورد بررسي قرار گرفته است اين روش‌ها به دليل پيچيدگي و تعداد زياد سناريو‌ها نياز به توابع توزيع احتمال و مقدار زيادي محاسبات دارد. در اين پايان‌نامه با استفاده از روش تئوري شكاف اطلاعات تاثير تغييرات شعاع عدم قطعيت توان توليدي منابع تجديد‌پذير و شارژ اوليه خودروهاي الكتريكي بر هزينه برق مصرفي جامعه مسكوني مورد مطالعه قرار گرفته است. بار‌هاي مسكوني در نظر گرفته شده در اين مطالعه شامل: بارهاي قابل قطع، روشنايي، تهويه مطبوع، بارهاي قابل جابه‌جايي و خودروهاي الكتريكي مي‌باشند به وسيله قراردادي با اپراتور سيستم خودروهاي الكتريكي به دو گروه تقسيم‌بندي مي‌شوند خودروهايي كه فقط شارژ مي‌شوند خودروهايي كه هم در برنامه شار و هم دشارژ شركت مي‌كنند. زمان‌بندي بار‌هاي مسكوني و اثرات برنامه RTP براي مقادير مختلف عدم قطعيت در نظر گرفته شده كه موثر بودن مدل پيشنهادي و اثربخشي طبقه‌بندي خودروها را نشان مي‌دهد علاوه بر اين، اين مدل يك راهنماي صريح براي اپراتور سيستم در مواجهه با عدم قطعيت‌ها مي‌باشد.

1398/09/16

Residential community demand response scheduling in smart grid with considering resources uncertainty

11/20/2019 12:00:00 AM

In recent years, the use of residential demand response to address environmental problems and reduce the cost of electricity generation and consumption and expand the penetration of renewable resources such as wind and solar have been considered. This thesis, presents demand response scheduling for a residential community considering uncertainty of renewable energy resources and initial electric vehicles (EVs) charge. Different types of uncertainty modeling for residential load scheduling such as Monte Carlo simulation, defuzzification, robust optimization and etc. is investigated so far, which they need probability distribution function and a large amount of calculations because of their complexity and high number of scenarios. In this thesis by using information gap decision theory variation of uncertainty radius on home community electricity costs is studied. The loads of this residential community is categorized into interruptible, illumination, air conditioning and shiftable loads besides EVs. According to their contracts with system operator, EVs are classified into two groups: only charging EVs and, charging and discharging EVs. Scheduled loads of residential community and effects of RTP program for different amounts of uncertainty is presented which shows the effectiveness of proposed model. Furthermore, efficacy of categorizing EVs is demonstrated. Besides, this model provides an explicit guide for system operator in confrontation of uncertainties.