27317

برنامه‌ريزي بهينه توليد هاب انرژي با در نظر گرفتن منابع سمت توزيع، پاسخ تقاضا و عدم قطعيت‌هاي آن

كارشناسي ارشد

برق

1398

1401/06/28

شهرام جديد

برق

در اين مطالعه يك روش بهينه‌سازي رياضي مبتني بر قيمت زمان استفاده، به منظور تعيين ميزان بهينه توان ورودي از شبكه اصلي با در نظر گرفتن منابع مختلف سمت تقاضا صورت پذيرفته است. اين منابع شامل انرژي فتوولتاييك خورشيدي، سلول سوختي، ديزل ژنراتور اضطراري با حضور يك سيستم منبع ذخيره‌سازي باتري در يك هاب انرژي در فاز اول و اضافه شدن يك توربين بادي و پاركينگ خودروهاي الكتريكي در فاز دوم مي‌باشد كه به منظور تامين بار حرارتي با استفاده از پمپ حرارتي و بار الكتريكي با مشاركت پاسخ تقاضا، با در نظر گرفتن عدم قطعيت‌هاي انرژي فتوولتاييك خورشيدي، توربين بادي و تقاضاي الكتريكي، انجام شده است. مدلسازي عدم قطعيت با استفاده از دو روش برنامه‌ريزي تصادفي و تئوري مبتني بر شكاف اطلاعاتي (IGDT) به كارگيري شده است، كه در آن به منظور به حداقل‌سازي هزينه توان دريافتي از شبكه اصلي بهينه‌سازي انجام شده است. در اين مسئله روش برنامه‌ريزي تصادفي براي عدم قطعيت تقاضاي الكتريكي و حرارتي، توليد آرايه‌هاي PV، سرعت باد و تئوري تصميم‌گيري مبتني بر شكاف اطلاعاتي جهت مقاوم‌سازي مسئله در برابر عدم قطعيت‌هاي منابع انرژي تجديدپذير (توربين بادي و آرايه‌هاي PV) و بار الكتريكي با در نظر گرفتن 40 درصد هزينه بيشتر مورد استفاده قرار گرفته است. شبيه‌سازي در محيط نرم افزار گمز با استفاده از حل‌كننده گروبي (Gurobi) صورت پذيرفته است و در قسمت نتايج سهم هر يك از منابع در تامين بار الكتريكي و حرارتي به همراه هزينه‌هاي هر آزمون با بررسي مشاركت 15 درصدي پاسخ تقاضا و بدون آن در نظر گرفته شده است. مسئله مرحله به مرحله با اضافه كردن انواع منابع تجديدپذير و تغيير ميزان توليد مورد مطالعه قرار گرفته است. به ترتيب آرايه‌هاي PV، ديزل ژنراتور، سلول سوختي، يك واحد انرژي تجديدپذير بادي و يك پاركينگ خودروهاي الكتريكي به هاب انرژي افزوده شده است و همچنين امكان تزريق توان به شبكه اصلي در آزمون نهايي مورد بررسي و تحليل قرار گرفته است كه در آن امكان تزريق توان به شبكه اصلي با تلفيق هاب انرژي در بستر انرژي تعاملي با استفاده از يك ريزشبكه با استفاده از قيمت‌هاي زمان استفاده براي روز پيش رو مورد بررسي قرار گرفته است.

1401/08/06

Optimum planning of hub energy production considering distribution side resources, demand response and its uncertainties

1/1/1900 12:00:00 AM

In this study, a mathematical optimization method based on time of use (TOU) prices, in order to determine the optimal amount of input power from the main grid, taking into account different sources on the demand side, consisting of three optimal sources of energy, which include solar photovoltaic energy, fuel cell, emergency diesel generator with The presence of the battery storage resource system in an energy hub in the first phase and the addition of a wind turbine and electric car parking in the second phase in order to provide heat load using a heat pump and electric load with the participation of demand response, taking into account energy uncertainties Solar photovoltaics, wind turbines and electrical demand have been implemented. Uncertainty modeling has been applied using two methods, stochastic programming and information gap decision theory (IGDT), in which a powerful optimization function has been used in order to minimize the cost of power received from the main grid. In this problem, the stochastic planning method for the uncertainty of electrical and thermal demand, production of PV arrays, wind speed and information gap decision theory to strengthen the problem against the uncertainties of renewable energy sources (wind turbines and PV arrays) and electric load considering Taking 40% more cost is used. In the results section, the contribution of each source in providing electrical and thermal load along with the costs of each test is considered with and without the 15% participation of the demand response. The step-by-step problem is studied by adding different types of renewable resources and changing the production rate. PV arrays, diesel generators, fuel cells, a wind renewable energy unit, and an electric car parking lot have been added to the energy hub, respectively, and the possibility of injecting power into the main grid has been investigated and analyzed in the final test. According to the nature of this problem, this case has been investigated by integrating the energy hub in the interactive energy platform using a micro-grid using time-of-use prices for the day ahead.

هاب اترژي , انرژي تعاملي , شبكه هاي هوشمند الكتريكي , پاسخ تقاضا , تئوري مبتني بر شكاف اطلاعاتي , برنامه ريزي تصادفي

energuy hub , transactive energy , smart grids , demand response , information gap decision theory , stocastic programing

siavash maroufi

shahram jadid