25422

برنامه‌ريزي و مديريت بهينه انرژي در ريزشبكه‌هاي چندحاملي با درنظرگيري منابع تجديدپذير

كارشناسي ارشد

مهندسي برق

97

1400/06/27

دكتر شهرام جديد

مهندسي برق

در سال هاي اخير مصرف برق به عنوان انرژي پاك و همچنين استفاده از گاز طبيعي به عنوان انرژي در دسترس و ارزان، افزايش يافته است. وابستگي بين حامل هاي مختلف انرژي، سبب شده تا محققان هنگام برنامه ريزي و بهره برداري سيستم هاي انرژي، به جاي اينكه هر حامل انرژي را به صورت مجزا در نظر بگيرد، همه ي آنها را به صورت يكپارچه در نظر ميگيرند. لذا اين يكپارچه سازي و ايجاد تعامل ميان حامل هاي مختلف انرژي نياز به ابزارها و تجهيزات مختلفي مي باشد. در اين راستا به منظور دستيابي به اهداف بهبود راندمان انرژي، مفهوم سيستم هاي انرژي چندحاملي و هاب انرژي مطرح شده است. اين واحدها قابليت تبديل، انتقال و ذخيره ي حامل هاي مختلف انرژي را دارند و نيازمند مطالعات جامعي در هر دو زمينه بهره برداري و طراحي ميباشند. مدلسازي ها و شبيه سازي ها به منظور ارتباط بين حامل ها و تجهيزات مختلف، در بازه هاي زماني كوتاه مدت و بلندمدت ارائه ميشود. در اين پايان نامه نشان داده شده است كه در بازه كوتاه مدت ( 24ساعته) سيستم انرژي پيشنهادي منجرو به كاهش بيش از %41در هزينه هاي بهرهبرداري روزانه سيستم ميگردند و همچنين، عدم حضور منابع تجديدپذير و ذخيره سازهاي مختلف حاملهاي انرژي به ترتيب سبب افزايش 1.07و 1.06 برابري هزينه ها شده است. اما در بازه ميان مدت (ساليانه) سه طرح مختلف سيستم انرژي چندگانه شامل: سيستم متمركز انرژي متداول، سيستم توليد همزمان برق، حرارت و برودت معمولي و سيستم انرژي پيشنهادي بررسي شده است. نتايج شبيه سازي نشان ميدهد كه مجموع هزينه هاي انرژي، انتشار آلايندگي و سرمايه گذاري در طرح پيشنهادي به ترتيب نسبت به طرحهاي اول و دوم 30.54و 11.11درصد كاهش مي يابد. به علاوه، به منظور برنامه ريزي دقيق اين سيستم ها، مي بايست اطلاعات دقيقي از ميزان توليد منابع تجديدپذير در زمان بهره برداري در دسترس باشد در اين راستا از شبكه هاي عصبي در پيش بيني سري هاي زماني سرعت باد و تابش خورشيد، به منظور پيش بيني خروجي منابع پراكنده استفاده شده است. نتايج شبيه سازي، دقت پيش بيني شبكه عصبي را براي كوتاه مدت نشان ميدهد و سپس براي مقابله با عدم قطعيت منابع تجديدپذير، از بهينه سازي تصادفي بر اساس توليد سناريو استفاده شده است.

1400/07/27

Optimal energy planning and management in multi-carrier microgrids with considering renewable resources

9/18/2022 12:00:00 AM

In recent years, the use of electricity as clean energy as well as the use of natural gas as available and cheap energy has increased. The interdependence between different energy carriers has led researchers when planning and operating energy systems, to consider all of these energy carriers as a whole rather than separately. Therefore, this integration and interaction between different energy carriers requires different tools and equipment. In this regard, in order to achieve the goals of improving energy efficiency, the concept of multi-carrier energy systems and energy hubs has been proposed. These units have the ability to convert, transfer and store various energy carriers and require comprehensive studies in both operation and design. Modeling and simulations to communicate between different carriers and equipment, are offered in short and long term intervals. In this thesis, it is shown that in the short term (24 hours) the proposed energy system leads to a reduction of more than 41% in the daily operating costs of the system and also the absence of renewable sources and various energy storage facilities have increased expenses 1.07 and 1.06 times, respectively. But in the medium term (annually),Three different energy system schemes, including: the conventional centralized energy system, the typical CCHP system, and the proposed energy system have been compared. The simulation results show that the total energy costs, pollution emissions and investment in the proposed design are reduced by 30.54 and 11.11 percent compared to the first and second schemes, respectively. In addition, in order to operate these systems accurately, accurate information on the amount of renewable energy production at the time of operation must be available. In this regard, in order to predict the output of renewable energy sources, neural networks have been used in predicting time series of wind speed and solar radiation. The simulation results show the accuracy of neural network prediction for the short term and then to deal with the uncertainty of renewable sources, stochastic optimization based on scenario generation has been used.

سيستم‌هاي انرژي چندحاملي , بهره‌برداري بهينه , بهينه‌سازي تصادفي , شبكه عصبي , منابع تجديدپذير , پيش بيني انرژي

Multi-energy system , optimal operation , stochastic optimization , neural networks , renewable energy resources , energy prediction