ارائه یک مدل بهینه ریاضی چندهدفه برای شبکه های هوشمند انرژی با در نظر گرفتن برنامه های پاسخ گویی بار

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 112

فایل این مقاله در 35 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IMJT-16-2_003

تاریخ نمایه سازی: 26 شهریور 1403

چکیده مقاله:

هدف: انرژی یکی از عوامل حیاتی برای توسعه اجتماعی و اقتصادی کشورهاست؛ به طوری که اغلب، میزان مصرف انرژی در یک کشور، نشان دهنده سطح رفاهی است که مردم آن کشور می توانند به دست آورند. با مصرف روزافزون انرژی در سال های اخیر و همچنین با توجه به اینکه در سیستم های تولید برق سنتی بیشتر انرژی از طریق نیروگاه های بزرگ و به صورت متمرکز تامین می شود، بعضی مسائل از جمله هزینه های تولید، آلودگی هوا، قابلیت اطمینان و کیفیت انرژی اهمیت چشمگیری پیدا می کنند و برای شبکه های تامین انرژی سنتی، ممکن نیست که چنین نیازهای توسعه ای را برآورده کنند. بنابراین شبکه های هوشمند تامین انرژی، به تدریج جایگزین شبکه های سنتی شدند. از طرفی، برای نیل به قیمت های مناسب و قابلیت اطمینان شبکه، برنامه های پاسخ گویی بار راه کاری است که می توان به کمک آن، الگوی مصرف انرژی الکتریکی را در زمان های پیک بار در شبکه هوشمند بهبود داد. این برنامه ها به دو دسته برنامه های قیمت محور و برنامه های تشویق محور دسته بندی می شوند. در این پژوهش از برنامه های قیمت محور مبتنی بر قیمت گذاری لحظه ای استفاده می شود. هدف از پژوهش حاضر، ارائه یک مدل ریاضی چندهدفه برای شبکه های هوشمند انرژی با در نظر گرفتن برنامه های پاسخ گویی بار است. روش: پارامترهای این پژوهش به دو دسته پارامترهای غیرقطعی و قطعی دسته بندی شدند. پارامترهای سرعت باد، تابش خورشید، تقاضای انرژی و قیمت برق منطقه با توجه به ماهیت آن ها، پارامترهای غیرقطعی در نظر گرفته شدند. با توجه به اینکه هر یک از پارامترهای غیرقطعی، از توزیع احتمالی خاصی پیروی می کنند، پس از شناسایی توزیع مربوطه، به سناریوسازی برای هر یک از این پارامترها اقدام شد. در نهایت مدل چندهدفه ریاضی که شامل اهداف حداقل سازی هزینه بهره برداری، حداقل سازی آلودگی و حداقل سازی پیک مصرف و محدودیت های مربوطه بود، طراحی شد. پس از جمع آوری داده ها و با استفاده از زبان برنامه نویسی گمز، به حل مدل اقدام شد. همچنین تاثیر برنامه های پاسخ گویی بار در بهبود توابع هدف نیز بررسی شد.   یافته ها: نتایج حاصل از حل مدل نشان داد که شبکه های هوشمند انرژی و مشارکت طرف مصرف کننده در برنامه های پاسخ گویی بار، امکان کاهش هزینه های بهره برداری، کاهش انتشار آلودگی و کاهش پیک مصرف را میسر می سازد؛ به گونه ای که با افزایش مشارکت مصرف کنندگان در برنامه های پاسخ گویی بار، توابع هدف بهبود می یابند. طبق نتایج به دست آمده، با مشارکت ۲۰ درصدی مصرف کنندگان، میزان بهبود در اهداف ذکر شده، به ترتیب حدود ۱۵.۱۷ و ۱۳ درصد بود. نتیجه گیری: شبکه های هوشمند انرژی با استفاده از فناوری دیجیتال دوطرفه، امکان تبادل اطلاعات بین تولیدکننده و مصرف کننده را فراهم می آورند و انرژی را از تولیدکنندگان به مصرف کنندگان منتقل می کنند. همچنین از طریق کنترل وسایل مصرف کنندگان، در مصرف انرژی آن ها صرفه جویی می کنند و هزینه ها و مسائل زیست محیطی شبکه را کاهش می دهند. دولت ها می توانند از شبکه های هوشمند انرژی، به عنوان راه حلی برای مدیریت استقلال انرژی، کاهش گرمایش جهانی و انتشار آلودگی زیست محیطی استفاده کنند.

کلیدواژه ها:

شبکه های هوشمند انرژی ، برنامه پاسخ گویی بار ، برنامه ریزی چندهدفه

نویسندگان

محمدحسین طحاری مهرجردی

انشجوی دکتری، گروه مدیریت صنعتی، دانشکده مدیریت صنعتی و فناوری، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.

عالیه کاظمی

استاد، گروه مدیریت صنعتی، دانشکده مدیریت صنعتی و فناوری، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.

حامد شکوری

دانشیار، گروه مهندسی صنایع، دانشکده مهندسی صنایع و سیستمها، دانشکدگان فنی، دانشگاه تهران، تهران.

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 :
  • رادسر، مصطفی؛ کاظمی، عالیه؛ مهرگان، محمدرضا؛ رضوی حاج آقا، سیدحسین ...
  • پارسیان، فرزانه؛ رضایی، بابک (۱۳۹۸). تعیین اندازه منابع انرژی ایستگاه ...
  • مهرگان، محمدرضا؛ جعفرنژاد، احمد؛ محمدی، میلاد (۱۳۹۷). ارائه مدل چندهدفه ...
  • Abdulnasser, G., Ali, A., Shaaban, M. F. & Mohamed, E. ...
  • Aghajani, G. R., Shayanfar, H. A. & Shayeghi, H. (۲۰۱۵). ...
  • Aghajani, G., Shayanfar, H., Shayeghi, H (۲۰۱۷). Demand side management ...
  • Awan, A., Abbasi, K. R., Rej, S., Bandyopadhyay, A. & ...
  • Bahmani, R., Karimi, H. & Jadid, S. (۲۰۲۱). Cooperative energy ...
  • Cao, Y., Wang, Q., Du, J., Nojavan, S., Jermsittiparsert, K., ...
  • Chen, C., Zhao, H., Qiu, T., Hu, M., Han, H. ...
  • Cheng, Y., Peng, J., Liu, K., Jiang, F., Wu, Y. ...
  • Cheng, Y., Peng, J., Liu, K., Jiang, F., Wu, Y., ...
  • Eghbali, N., Hakimi, S. M., Hasankhani, A., Derakhshan, G. & ...
  • Eshraghi, A., Salehi, G., Heibati, S., Lari., K. (۲۰۱۹). An ...
  • Fatemi, S., Ketabi, A., Mansouri, SA. (۲۰۲۳). A multi-level multi-objective ...
  • Hong, Z., Feng, Y., Li, Z., Wang, Y., Zheng, H., ...
  • Hosseini, S., Ahmarinejad, A. (۲۰۲۱). Stochastic framework for day-ahead scheduling ...
  • Jalilian, F., Mirzaei, M., Zare, K., Mohammadi-Ivatloo, B., Marzband, M., ...
  • Jani, A., Karimi, H., Jadid, SH. (۲۰۲۲). Multi-time scale energy ...
  • Jordehi, A., Javadi, M., Catalão, J (۲۰۲۱). Day-ahead scheduling of ...
  • Karimi, H; Jadid, Sh; Hasanzadeh, S. (۲۰۲۳). Optimal-sustainable multi-energy management ...
  • Karimi, H., Jadid, S. & Makui, A. (۲۰۲۱). Stochastic energy ...
  • Karimi, H., Jadid, S. & Saboori, H. (۲۰۱۹). Multi-objective bi-level ...
  • Khan, A. R., Mahmood, A., Safdar, A., Khan, Z. A. ...
  • Li, P., Cai, G., Z. (۲۰۲۰). Multi-objective optimal allocation strategy ...
  • Lin, C. C., Wu, Y. F. & Liu, W. Y. ...
  • Liu, H., Zhao, Y., Ge, Sh., Zhang, P., Liu, W., ...
  • Long, H., Fu, X., Kong, W., Chen, H., Zhou, Y. ...
  • Lu, X., Li, H., Zhou, K. & Yang, S. (۲۰۲۳). ...
  • Mansouri, S.A., Ahmarinejad, A., Nematbakhsh, E., Javadi, M.S., Jordehi, A.R., ...
  • Mehregan, M., Jafarnejad, A., Mohammadi, M. (۲۰۱۸). Proposing a Multi-objective ...
  • Mohammadii, Y., Shakouri, G., H., Kazemi, A. (۲۰۲۲). A Multi-Objective ...
  • Monemi Bidgoli, M., Karimi, H., Jadid, Sh., Anvari-Moghaddam, A. (۲۰۲۱). ...
  • Mokaramian, E., Shayeghi, H., Sedaghati, F. & Safari, A. (۲۰۲۱). ...
  • Miao, P., Yue, Z., Niu, T., Alizadeh, A. & Jermsittiparsert, ...
  • Niazvand, F., Kharrati, S., Khosravi, F., Rastgou, A. (۲۰۲۱). Scenario-based ...
  • Parsian, F. & Rezaee, B. (۲۰۱۹). Determining the Energy Sources ...
  • PVWatts Calculator. Available online: https://pvwatts.nrel.gov (accessed on April ۲۰۲۲) ...
  • Qiu, C., Cui, S., Yao, H., Xu, F., Yu, F. ...
  • Radsar, M., Kazemi, A., Mehregan, M. & Razavi Hajiagha, S.H. ...
  • Rakipour, D; Barati, H. (۲۰۱۹). Probabilistic optimization in operation of ...
  • Shen, Y., Hu, W., Liu, M., Yang, F. & Kong, ...
  • Soltani Nejad Farsangi, A., Hadayeghparast, S., Mehdinejad, M. & Shayanfar, ...
  • Thirunavukkarasu, G., Seyedmahmoudian, M., Jamei, E., Horan, B., Mekhilef, S., ...
  • Wang, K., Liang, Y., Jia, R., Wu, X., Wang, X., ...
  • Wang, R., Xu, T., Xu, X., Gao, G., Zhang, Y., ...
  • Wang, Y., Huang, Y., Wang, Y., Zeng, M., Li, F., ...
  • Ying, W Wu, Y., Guerrero, J. M. & Vasquez, J. ...
  • Yunna, W, Zhang, T. & Yi, L. (۲۰۲۱). Regional energy ...
  • Yang, S. X., Nie, T. qi & Li, C. C. ...
  • Yang, S. X., Zhu, C. X., Qiao, L. & Chi, ...
  • Yang, X., Su, X., Ran, Q. et al. (۲۰۲۱). Assessing ...
  • Yang, S. X., Nie, T. qi & Li, C. C. ...
  • Zhou, K., Yang, S. & Shao, Z. (۲۰۱۶). Energy Internet: ...
  • Zhao, J., Wang, X., Tian, H (۲۰۲۲). Optimization strategy and ...
  • نمایش کامل مراجع