برنامهریزی بهینه منابع تولید و مدیریت سمت تقاضا در ریزشبکه ها با الگوریتم MABC
محل انتشار: سومین کنفرانس مدیریت انرژی و محیط زیست
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,051
فایل این مقاله در 11 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:
ENERGYCONF03_051
تاریخ نمایه سازی: 29 دی 1392
چکیده مقاله:
یکی از شاخصهای مهم در مدیریت بهینه انرژی ریزشبکه ها حصول اطمینان از مصرف بهینه انرژی در سمت تقاضا می باشد. با توجه به اینکه، پاسخ تقاضا (Demand Response-DR) باعث افزایش مشارکت مصرفکنندگان در سیستمهای قدرت میشود، بنابراین مدلسازی مشخصه مصرفکننده در DR از اهمیت بسزایی برخوردار است. در این مسئله برای مدلسازی DR اطلاعات مربوط به مصرفکنندگان و مازاد تولید تولیدکنندگان مدنظر قرار گرفته شده است. در ضمن برای مینیمم سازی قیمت پیشنهادی تولیدکنندهها در بازار انرژی محلی (Local Energy Market-LEM) از یک ساختار حراج یکسویه (Single Side Auction –SSA) استفاده شده است. در این مقاله از الگوریتم کلونی زنبور مصنوعی چندبعدی (Multi-dimension Artificial Bee Colony-MABC) برای مدیریت بهینه انرژی استفاده شده است. در این روش با توجه به قیمت پیشنهادی منابع تولید و ذخیره، همچنین قیمت بارهای غیرقابل قطع، تولید بهینه هر یک از منابع موجود در یک ریزشبکه تعیین میشود. هدف اصلی این مسئله بهینه یابی ، مینیمم کردن هزینه تولید، کاهش میزان برق مصرفی و قیمت تمام شده برای مصرفکنندهها و در نتیجه استفاده بهتر از منابع تجدیدپذیر انرژی میباشد. برای ارزیابی روش ارائه شدده در این مقاله، عملکرد الگوریتم پیشنهادی با الگوریتمهای معمول در سیستم مدیریت انرژی مقایسه شده است. نتایج بدست آمده از این تحلیل نشاندهنده حدود 30% کاهش درمیزان هزینه به همراه ارتقاء قابلیت اطمینان و سطح انعطافپذیری در سیستم تحت مطالعه است.
کلیدواژه ها:
نویسندگان
فاطمه آذری نژادیان
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد لاهیجان
موسی مرزبند
دانشجوی دکتری، دانشگاه صنعتی کاتالونیا، اسپانیا
سیدمازیار میرحسینی مقدم
استادیار گروه برق، دانشگاه آزاد اسلامی واحد لاهیجان
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 :