یک روش برنامهریزی ﺧﻄﯽ ﺗﺼﺎدﻓﯽ دومرحلهای جهت مدیریت انرژی منابع و ذخیرهسازهای ریزشبکه با در نظر گرفتن برنامه قیمتگذاری واقعی با استفاده از الگوریتم بهینهسازی ازدحام سالپ
الموضوعات :محسن صرامی 1 , مجيد معظمي 2 , غضنفر شاهقلیان 3
1 - دانشگاه آزاد اسلامی واحد نجف آباد،دانشکده مهندسی برق
2 - دانشگاه آزاد اسلامی واحد نجف آباد،دانشکده مهندسی برق
3 - دانشگاه آزاد اسلامی واحد نجف آباد،دانشکده مهندسی برق
الکلمات المفتاحية: الگوریتم سالپ, انرژیهای تجدیدپذیر, بازار برق, بهرهبرداری بهینه, ریزشبکه, ذخیرهسازی انرژی,
ملخص المقالة :
یکپارچهسازی منابع تجدیدپذیر به منظور تأمین بار محلی باعث به وجود آمدن مفهومی به نام ریزشبکه شده است. با ورود گسترده ریزشبکهها، مدیریت انرژی و بهرهبرداری از سیستم و منابع در شرایط بازار برق از وظایف مهم مدیریت بهرهبرداری ریزشبکه است. در این مقاله مسئله بهرهبرداری ریزشبکه با در نظر گرفتن مسایل اقتصادی، فنی و همچنین با در نظر گرفتن عدم قطعیتهای مربوط به بار مصرفی، سرعت باد و تابش خورشید در شرایط بازار برق مدلسازی شده است. یکی از مباحث مهم در شرایط بازار برق بحث مشارکت واحدها در شرایط قیمت واقعی است. بر این اساس چهارچوبی به منظور بهرهبرداری ﺑﻬﯿﻨﻪ و ﻣﺼﺮف اﻧﺮژی بارهای کنترلپذیر در ﺷﺮاﯾﻂ بهرهبرداری یکپارچه از منابع انرژی توزیعشده دارای عدم قطعیت، از دﯾﺪﮔﺎه مصرفکننده اراﺋﻪ میشود. مسئله بهینهسازی مورد نظر به صورت ﯾﮏ مسئله برنامهریزی ﺧﻄﯽ ﺗﺼﺎدﻓﯽ دومرحلهای، با هدف کمینهسازی هزینه بهرهبرداری ریزشبکه و ﻫﺰﯾﻨﻪ ﻣﻮرد اﻧﺘﻈﺎر ﭘﺮداﺧﺘﯽ مصرفکننده و ﺑﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﻧﯿﺎز مصرفکننده ﺑﻪ ﺑﺮﺧﯽ از بارهای کنترلپذیر ﺧﻮد در بازههای زﻣﺎﻧﯽ مورد نظر او و محدودیتهای بارها و ﻧﯿﺰ محدودیتهای اعمالشده از ﺟﺎﻧﺐ ﺷﺮﮐﺖ ﺑﺮق ﻣﺪل میشود که با استفاده از الگوریتم بهینهسازی ازدحام سالپ حل میگردد. ﺑﺮای مدلسازی ﺑﺎزار ﺑﺮق خردهفروشی، تعرفههای RTP و IBR مورد استفاده ﻗﺮار میگیرد ﺗﺎ ﻫﻢ ﻧﻮﺳﺎﻧﺎت ﻗﯿﻤﺖ عمدهفروشی ﺑﻬﺘﺮ ﻣﻨﻌﮑﺲ ﺷﻮد و ﻫﻢ از همزمانی ﻣﺼﺮف ﺟﻠﻮﮔﯿﺮی گردد. در این روش ﻗﯿﻤﺖ به جای ﻣﺸﺨﺺﺑﻮدن در ﮐﻞ دوره برنامهریزی، ﺗﻨﻬﺎ در ﺗﻌﺪاد ﻣﺤﺪودی از ﺳﺎﻋﺎت آﯾﻨﺪه، از ﺟﺎﻧﺐ خردهفروش ﺑﻪ مصرفکننده اﻋﻼم میشود. در اﯾﻦ ﺷﺮاﯾﻂ ﻫﺮ ﮔﻮﻧﻪ زمانبندی ﺑﺎرﻫﺎی کنترلپذیر ﻧﯿﺎزﻣﻨﺪ پیشبینی ﻗﯿﻤﺖ اﺳﺖ و اﯾﻦ در ﺣﺎﻟﯽ اﺳﺖ ﮐﻪ پیشبینی ﻗﯿﻤﺖ، ﻋﺪم قطعیتهایی را ﺑﻪ ﻫﻤﺮاه ﺧﻮاﻫﺪ داﺷﺖ. اﯾﻦ عدم قطعیت ﺑﺎ ﺗﻮﻟﯿﺪ ﺳﻨﺎرﯾﻮﻫﺎﯾﯽ ﺑﺮای ﻣﺘﻐﯿﺮ ﺗﺼﺎدﻓﯽ ﻗﯿﻤﺖ آﯾﻨﺪه ﺑﺎ اﺳﺘﻔﺎده از روش مونتکارلو، مدلسازی میشود. روش پیشنهادی با استفاده از نرمافزار MATLAB شبیهسازی و توانایی آن نشان داده شده است.
[1] M. B. Mollah, et al., "Blockchain for future smart grid: a comprehensive survey," IEEE Internet of Things J., vol. 8, no. 1, pp. 18-43, Jan. 2021.
[2] J. L. Gallardo, M. A. Ahmed, and N. Jara, "Clustering algorithm-based network planning for advanced metering infrastructure in smart grid," IEEE Access, vol. 9, pp. 48992-49006, 2021.
[3] W. Mendieta and C. A. Canizares, "Primary frequency control in isolated microgrids using thermostatically controllable loads," IEEE Trans. on Smart Grid, vol. 12, no. 1, pp. 93-105, Jan. 2021.
[4] S. J. A. D. Hosseini, M. Moradian, H. Shahinzadeh, and S. Ahmadi, "Optimal placement of distributed generators with regard to reliability assessment using virus colony search algorithm," International J. of Renewable Energy Research, vol. 8, no. 2, pp. 714-723, Jun. 2018.
[5] M. Daneshvar, B. Mohammadi-Ivatloo, and K. Zare, Integration of distributed energy resources under the transactive energy structure in the future smart distribution networks, Ch. 14, pp. 349-379, Academic Press, 2018.
[6] M. Nazari-Heris, B. Mohammadi-Ivatloo, G. B. Gharehpetian, and M. Shahidehpour, "Robust short-term scheduling of integrated heat and power microgrids," IEEE Systems J., vol. 13, no. 3, pp. 3295-3303, Sept. 2019.
[7] G. G. Talapur, H. M. Suryawanshi, L. Xu, and A. B. Shitole, "A reliable microgrid with seamless transition between grid connected and islanded mode for residential community with enhanced power quality," IEEE Trans. on Industry Applications, vol. 54, no. 5, pp. 5246-5255, Sep./Oct. 2018.
[8] J. Llanos, D. E. Olivares, J. W. Simpson-Porco, M. Kazerani, and D. Saez, "A novel distributed control strategy for optimal dispatch of isolated microgrids considering congestion," IEEE Trans. on Smart Grid, vol. 10, no. 6, pp. 6595-6606, Nov. 2019.
[9] H. Shahinzadeh, M. Moazzami, M. Abbasi, H. Masoudi, and V. Sheigani, "Smart design and management of hybrid energy structures for isolated systems using biogeography-based optimization algorithm," in Proc. IEEE Smart Grids Conf., 7 pp., Kerman, Iran, 20-21 Dec. 2016.
[10] T. Kerdphol, K. Fuji, Y. Mitani, M. Watanabe, and Y. Qudaih, "Optimization of a battery energy storage system using particle swarm optimization for stand-alone microgrids," International J. of Electrical Power and Energy Systems, vol. 81, pp. 32-39, Oct. 2016.
[11] Y. Yang, S. Bremner, C. Menictas, and M. Kay, "Battery energy storage system size determination in renewable energy systems: a review," Renewable and Sustainable Energy Reviews, vol. 91, pp. 109-125, Aug. 2018.
[12] H. Shahinzadeh, M. Moazzami, S. H. Fathi, and G. B. Gharehpetian, "Optimal sizing and energy management of a grid-connected microgrid using HOMER software," in Proc. IEEE Smart Grids Conf., 6 pp., Kerman, Iran, 20-21 Dec. 2016.
[13] S. Karellas and N. Tzouganatos, "Comparison of the performance of compressed-air and hydrogen energy storage systems: Karpathos island case study," Renewable and Sustainable Energy Reviews, vol. 29, pp. 865-882, Jan. 2014.
[14] H. A. Aalami, M. P. Moghaddam, and G. R. Yousefi, "Evaluation of nonlinear models for time-based rates demand response programs," International J. of Electrical Power and Energy Systems, vol. 65, pp. 282-290, Feb. 2015.
[15] S. Upadhyay and M. P. Sharma, "Selection of a suitable energy management strategy for a hybrid energy system in a remote rural area of India," Energy, vol. 94, pp. 352-366, Jan. 2016.
[16] S. Shojaabadi, S. Abapour, M. Abapour, and A. Nahavandi, "Optimal planning of plug-in hybrid electric vehicle charging station in distribution network considering demand response programs and uncertainties," IET Generation, Transmission and Distribution, vol. 10, no. 13, pp. 3330-3340, Oct. 2016.
[17] P. Kayal and C. K. Chanda, "Optimal mix of solar and wind distributed generations considering performance improvement of electrical distribution network," Renewable Energy, vol. 75, pp. 173-186, Mar. 2015.
[18] S. Hadayeghparast, A. S. Farsangi, H. Shayanfar, and H. Karimipour, "Stochastic multi-objective economic/emission energy management of a microgrid in presence of combined heat and power systems," in Proc. IEEE/IAS 55th Industrial and Commercial Power Systems Technical Conf., 9 pp., Calgary, Canada, 5-8 May 2019.
[19] M. Shepero, J. Munkhammar, J. Widen, J. D. Bishop, and T. Bostrom, "Modeling of photovoltaic power generation and electric vehicles charging on city-scale: a review," Renewable and Sustainable Energy Reviews, vol. 89, pp. 61-71, Jun. 2018.
[20] J. Boland and A. Grantham, "Nonparametric conditional heteroscedastic hourly probabilistic forecasting of solar radiation," Multidisciplinary Scientific J., vol. 1, no. 1, pp. 174-191, Dec. 2018.
[21] H. Shayeghi and E. Shahryari, "Optimal operation management of grid-connected microgrid using multi-objective group search optimization algorithm," J. of Operation and Automation in Power Engineering, vol. 5, no. 2, pp. 227-239, Autumn 2017.
[22] J. Munkhammar, J. Widen, and J. Ryden, "On a probability distribution model combining household power consumption, electric vehicle home-charging and photovoltaic power production," Applied Energy, vol. 142, pp. 135-143, Mar. 2015.
[23] F. Kalavani, B. Mohammadi-Ivatloo, A. Karimi, and F. Kalavani, "Stochastic optimal sizing of integrated cryogenic energy storage and air liquefaction unit in microgrid," Renewable Energy, vol. 136, pp. 15-22, Jun. 2019.
[24] M. Majidi, B. Mohammadi-Ivatloo, and A. Anvari-Moghaddam, "Optimal robust operation of combined heat and power systems with demand response programs," Applied Thermal Engineering, vol. 149, pp. 1359-1369, Feb. 2019.
[25] S. Mirjalili, et al., "Salp swarm algorithm: a bio-inspired optimizer for engineering design problems," Advances in Engineering Software, vol. 114, pp. 163-191, Dec. 2017.
[26] S. H. Dolatabadi, M. Ghorbanian, P. Siano, and N. D. Hatziargyriou, "An enhanced IEEE 33 bus benchmark test system for distribution system studies," IEEE Trans. on Power Systems, vol. 36, no. 3, pp. 2565-2572, May 2021.