Optimal Day-Ahead Scheduling of a CHP and Renewable Resources-Based Energy Hub with the Aim of Improving Resiliency During Input Energy Carriers’ Outage
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 90
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAREE-1-1_012
تاریخ نمایه سازی: 3 دی 1402
چکیده مقاله:
This paper proposes a novel day-ahead energy hub scheduling framework aimed at improving resiliency. Accordingly, an energy hub including combined heat and power (CHP), boiler, electric-heat pump (EHP), absorption and electric chillers, energy storages and renewable sources is considered. This energy hub is equipped with smart grid (SG) infrastructures, making it possible to implement demand response (DR) programs and optimally operate energy storages. The hub is connected to the electricity and natural gas networks. Outage of input energy carriers causes failure of devices in the energy hub, loss of electrical loads, failure in cooling and heating and thus reduced resiliency. Maintaining the security of the hub consumers’ power supply system in the event of such severe disturbances is essential. Therefore, a new strategy based on the use of backup electric energy storages (EES) and DR program is proposed in this paper to improve resiliency. In addition, a numerical index is used to accurately calculate and evaluate resiliency. Numerical studies show that the proposed strategy improves resiliency during the outage of power and gas networks by ۱۲.۰۲% and ۱۴.۲۳% respectively when backup energy storages and DR program are implemented simultaneously.
کلیدواژه ها:
نویسندگان
Shabnam Rezaei
Department of Electrical and Computer Engineering, Jundi-Shapur University of Technology, Dezful ۶۴۶۱۵۳۳۴, Iran
Ahmad Ghasemi
Department of Electrical and Computer Engineering, Jundi-Shapur University of Technology, Dezful ۶۴۶۱۵۳۳۴, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :