مدیریت انرژی ریزشبکه هوشمند با مشارکت منابع تولید پراکنده با توجه به برنامه پاسخگویی تقاضا عنوان انگلیسی: Optimal Energy Management of Smart Microgrid with Participation of Distributed Generation Resources Considering Demand Response Program

فرم پیشنهاده (پروپوزال) - سامانه ثبت ایرانداک

عنوان فارسی:

مدیریت انرژی ریزشبکه هوشمند با مشارکت منابع تولید پراکنده با توجه به برنامه پاسخگویی تقاضا

عنوان انگلیسی:

Optimal Energy Management of Smart Microgrid with Participation of Distributed Generation Resources Considering Demand Response Program

زبان اصلی پیشنهاده: فارسی

نوع طرح: کاربردی - گروه تحصیلی: فنی و مهندسی - رشته: مهندسی برق

چکیده فارسی

رشد روزافزون تقاضای برق و نفوذ گسترده منابع تولید پراکنده تجدیدپذیر، بهره برداری از ریزشبکه های هوشمند را ضروری ساخته است. هدف اصلی این پژوهش، ارائه مدلی جامع و چندهدفه برای مدیریت بهینه انرژی ریزشبکه هوشمند شامل توربین بادی، سیستم فتوولتائیک، میکروتوربین، پیل سوختی و سیستم ذخیره ساز باتری با در نظر گرفتن برنامه پاسخگویی تقاضای قیمت محور و تشویق محور است.

در این پژوهش، عدم قطعیت های مربوط به تولید تجدیدپذیر، بار و قیمت بازار با روش سناریوسازی مبتنی بر توزیع احتمال (مونت کارلو) مدل و با تکنیک کاهش سناریو (K-means) بهینه می شود. مسئله در قالب برنامه ریزی چندهدفه با اهداف کمینه سازی هزینه بهره برداری و انتشار آلایندگی و با قیود تعادل توان اکتیو و راکتیو، محدودیت ظرفیت تولید منابع، محدودیت SOC ذخیره سازها و محدودیت های برنامه پاسخگویی تقاضا فرموله می گردد. مسئله با استفاده از برنامه ریزی خطی آمیخته با اعداد صحیح (MILP) در نرم افزار GAMS و MATLAB حل شده و نتایج در دو حالت متصل به شبکه و جزیره ای بر روی ریزشبکه نمونه استاندارد IEEE 33 شینه ارزیابی می شود. تاثیر اجرای برنامه پاسخگویی تقاضا بر کاهش هزینه، هموارسازی منحنی بار، کاهش پیک و بهبود پایداری شبکه تحلیل می گردد.

Abstract (English)

The increasing penetration of intermittent renewable Distributed Generation (DG) resources has made optimal energy management in smart microgrids a critical challenge. This thesis presents a comprehensive multi-objective model for optimal energy management of a smart microgrid including wind turbine, photovoltaic system, micro-turbine, fuel cell, and battery energy storage system, considering price-based and incentive-based Demand Response (DR) programs. Uncertainties of renewable generation, load, and market price are modeled using Monte Carlo scenario generation and K-means scenario reduction techniques. The problem is formulated as a Mixed-Integer Linear Programming (MILP) with objectives of minimizing operational cost and emission, subject to power balance, DG capacity, battery SOC, and DR constraints. The model is solved in GAMS/MATLAB and evaluated in both grid-connected and islanded modes on a standard IEEE 33-bus microgrid. The impact of DR on cost reduction, load curve smoothing, and reliability improvement is analyzed.

کلیدواژه ها

ریزشبکه هوشمند - Smart Microgrid

مدیریت انرژی - Energy Management

منابع تولید پراکنده - Distributed Generation (DG)

ذخیره ساز انرژی - Energy Storage System (ESS)

برنامه پاسخگویی تقاضا - Demand Response Program (DR)

بهینه سازی چندهدفه - Multi-objective Optimization

بیان مسئله

ریزشبکه به عنوان مجموعه ای از منابع تولید پراکنده، بارها و ذخیره سازها، راهکاری موثر برای تامین انرژی پایدار است. با این حال، ماهیت متناوب منابع بادی و خورشیدی و تغییرپذیری بار، مدیریت انرژی را پیچیده می کند. برنامه های پاسخگویی تقاضا (DR) به عنوان ابزاری برای مشارکت سمت مصرف و کاهش هزینه ها مطرح هستند که در مدل های سنتی نادیده گرفته می شوند. مساله اصلی این پژوهش ارائه استراتژی مدیریت بهینه انرژی با در نظر گرفتن همزمان عدم قطعیت ها، قیود فنی ذخیره سازها و مشارکت فعال مصرف کنندگان است.

اهمیت و ضرورت

1. کاهش هزینه های بهره برداری ریزشبکه

2. افزایش نفوذ انرژی های تجدیدپذیر با وجود عدم قطعیت

3. لزوم استفاده از ذخیره سازها برای جبران نوسانات

4. اهمیت برنامه پاسخگویی تقاضا برای کاهش پیک بار و افزایش پایداری

5. کاهش انتشار آلاینده ها و حرکت به سمت شبکه هوشمند پایدار

اهداف تحقیق

هدف کلی: طراحی و ارائه مدل بهینه مدیریت انرژی ریزشبکه هوشمند با مشارکت منابع تولید پراکنده با توجه به برنامه پاسخگویی تقاضا

اهداف جزئی:

1. مدل سازی عدم قطعیت تولید بادی، خورشیدی و بار

2. کمینه سازی همزمان هزینه بهره برداری و آلایندگی

3. تعیین برنامه بهینه شارژ/دشارژ ذخیره سازها و تبادل توان با شبکه بالادست

4. ارزیابی تاثیر DR بر عملکرد فنی و اقتصادی ریزشبکه

5. مقایسه بهره برداری در دو حالت متصل به شبکه و مستقل

فهرست منابع فارسی

[1] کریم زاده، ر.، و صادقی، م. (1401). مدیریت بهینه انرژی ریزشبکه هوشمند با در نظر گرفتن عدم قطعیت منابع تجدیدپذیر. مجله مهندسی برق دانشگاه تبریز، 52(3)، 45-58.

[2] مرادی، ا.، و قاسمی، ح. (1400). مدیریت انرژی چندسطحی ریزشبکه با حضور منابع تولید پراکنده و برنامه پاسخگویی تقاضا. فصلنامه هوش محاسباتی در مهندسی برق، 12(2)، 1-18.

[3] احمدی، س.، و ترکیان، م. (1399). طراحی بهینه و مدیریت هوشمند انرژی منابع تولید پراکنده در بهره برداری مستقل از شبکه. نشریه مهندسی و مدیریت انرژی، 10(1)، 22-35.

[4] حسینی، س. م. (1402). ارزیابی اقتصادی و زیست محیطی ریزشبکه هوشمند با مشارکت خودروهای الکتریکی. مجله کیفیت و بهره وری صنعت برق، 12(1)، 78-91.

[5] لطفی، ج.، و ناصری، ف. (1401). برنامه ریزی تولید و مدیریت بار در ریزشبکه با استفاده از الگوریتم PSO. کنفرانس بین المللی شبکه های هوشمند انرژی.

فهرست منابع غیر فارسی - Table of References

[1] M. Marzband, A. Sumper, J. L. Domínguez-García, and R. Gumara-Ferret, "Experimental validation of a real time energy management system for microgrids in islanded mode using a local day-ahead electricity market and SMPC," IEEE Trans. Power Syst., vol. 28, no. 2, pp. 914-923, 2013.

[2] S. Parhizi, H. Lotfi, A. Khodaei, and S. Bahramirad, "State of the art in research on microgrids: A review," IEEE Access, vol. 3, pp. 890-925, 2015.

[3] C. Chen, S. Duan, T. Cai, B. Liu, and G. Hu, "Smart energy management system for optimal microgrid economic operation," IET Renew. Power Gener., vol. 5, no. 3, pp. 258-267, 2011.

[4] N. Hatziargyriou, et al., Microgrids: Architectures and Control, IEEE Press, Wiley, 2014.

[5] A. G. Tsikalakis and N. D. Hatziargyriou, "Centralized control for optimizing microgrids operation," IEEE Trans. Energy Convers., vol. 23, no. 1, pp. 241-248, 2008.

[6] W. Su, J. Wang, and J. Roh, "Stochastic energy scheduling in microgrids with intermittent renewable energy resources," IEEE Trans. Smart Grid, vol. 5, no. 4, pp. 1876-1883, 2014.

[7] A. Tabar, M. J. Vahid-Pakdel, and B. Mohammadi-Ivatloo, "Stochastic optimal energy management in microgrid with demand response programs," Int. J. Electr. Power Energy Syst., vol. 108, pp. 225-240, 2019.