مدیریت سمت تقاضا در یک ریز‌شبکه هوشمند با حضور منابع تجدیدپذیر و بارهای پاسخ‌گو

روش‌های هوشمند در صنعت برق

مقاله 6، دوره 8، شماره 30، مرداد 1396، صفحه 55-70   

نوع مقاله: مقاله پژوهشی

نویسندگان

غلامرضا اقاجانی^{* 1}؛ داور میرعباسی¹؛ بهروز الفی²؛ هادی سید حاتمی¹

¹استادیار - گروه برق قدرت، واحد اردبیل، دانشگاه آزاد اسلامی، اردبیل، ایران

²مربی - گروه برق قدرت، واحد اردبیل، دانشگاه آزاد اسلامی، اردبیل، ایران

چکیده

در این مقاله خطای حاصل از پیش‌بینی سرعت باد و تابش خورشید به وسیله توابع چگالی احتمال مدل‌سازی شده و یک مدل برنامه‌ریزی احتمالاتی به‌منظور بهینه‌سازی عملکرد ریزشبکه هوشمند در کوتاه‌ مدت جهت حداقل‌سازی هزینه بهره‌برداری و آلایندگی با حضور منابع تجدیدپذیر پیشنهاد می‌شود. بطوریکه در آن استفاده از برنامه‌های پاسخگویی بار که توسط شرکت کنندگان خانگی، تجاری و صنعتی صورت می‌گیرد، جهت پوشش عدم قطعیت توان تولیدی حاصل از منابع تجدیدپذیر پیشنهاد می‌شود. جهت اجرای برنامه‌های پاسخگویی بار از روش پرداخت تشویقی به‌صورت بسته‌های پیشنهادی قیمت و میزان انرژی که به‌ وسیله فراهم‌کنندگان پاسخ‌گویی بار جمع‌آوری می‌شود، پیشنهاد گردیده است. نتایج شبیه‌‌سازی در سه حالت مختلف برای بهینه‌سازی هزینه بهره‌برداری و آلایندگی با مشارکت و عدم مشارکت بارهای پاسخ‌گو در نظر گرفته ‌شده است. برای حل مساله پیشنهادی روش چندهدفه حرکت ازدحام ذرات پیشنهاد شده است؛ بطوریکه سیستم مرتب‌سازی غیرخطی و مکانیزم فازی برای تعیین بهترین پاسخ با توجه به مجموعه پاسخ‌های حاصل از فضای پارتو توصیه می‌گردد. جهت راست‌آزمایی، مدل پیشنهادی بر روی یک ریزشبکه هوشمند نمونه بکار برده شده و نتایج عددی حاصل به‌طور واضح نشان دهنده تأثیر مدیریت سمت تقاضا در کاهش اثر عدم قطعیت حاصل از توان تولیدی و پیش‌بینی‌ شده توربین بادی و سلول خورشیدی می‌باشد.

کلیدواژه‌ها

ریز‌شبکه هوشمند؛ منابع تجدیدپذیر؛ مدیریت سمت مصرف؛ بهره‌برداری چندهدفه

مراجع

[1] Q. Sun, X. Ge, L. Liu, X. Xu, Y. Zhang, R. Niu, Y. Zeng, "Review of smart grid comprehensive assessment systems", Energy Procedia, Vol. 12, pp. 219-29, 2011.

[2] K. Mazlumi, "Presenting a new method based on branch placement for optimal placement of phasor measurement units", Journal of Operation and Automation in Power Engineering, Vol. 2, No. 2, pp. 113-120, 2014.

[3] Z. Li, F. Yang, S. Mohagheghi, Z. Wang, J. Tournier, Y. Wang, "Toward smart distribution management by integrating advanced metering infrastructure", Electric Power Systems Research, Vol. 105, pp. 51-56, 2013.

[4] G. López, J. Moreno, H. Amarís, F. Salazar, "Paving the road toward smart grids through large-scale advanced metering infrastructures", Electric Power Systems Research, Vol. 120, pp. 194-205, 2015.

[5] R.R. Mohassel, A.S. Fung, F. Mohammadi, K. Raahemifar, "A survey on advanced metering infrastructure and its application in smart grids", Proceeding of the IEEE/CCECE, pp. 1-8, Toronto, ON, Canada, May 2014.

[6] F. Bouhafs, M. Mackay, M. Merabti. "Communication challenges and solutions in the smart grid", Springer, 2014.

[7] P.K. Verma, H. Sharma, "Application of cloud computing in smart grid: A review", Proceeding of the ICAR, pp. 404-409, 2015.

[8] A. Sheikhi, M. Rayati, S. Bahrami, A.M. Ranjbar, S. Sattari, "A cloud computing framework on demand side management game in smart energy hubs", International Journal of Electrical Power and Energy Systems, Vol. 64, pp. 1007-1016, 2015.

[9] M.H. Albadi, E. El-Saadany, "A summary of demand response in electricity markets", Electric Power Systems Research, Vol. 78, No. 11, pp. 1989-1996, Nov. 2008.

[10] A.A. Khan, S. Razzaq, A. Khan, F. Khursheed, "HEMSs and enabled demand response in electricity market: An overview", Renewable and Sustainable Energy Reviews, Vol. 42, pp. 773-785, Feb. 2015.

[11] D.G. Hart, "Using AMI to realize the smart grid", Proceeding of the IEEE/PES, pp. 1-2, Pittsburgh, PA, USA, July 2008.

[12] T. Broeer, J. Fuller, F. Tuffner, D. Chassin, N. Djilali, "Modeling framework and validation of a smart grid and demand response system for wind power integration", Applied Energy, Vol. 113, pp. 199-207, Jan. 2014.

[13] S.A. Alavi, A. Ahmadian, M. Aliakbar-Golkar, "Optimal probabilistic energy management in a typical micro-grid based-on robust optimization and point estimate method", Energy Conversion and Management, Vol. 95,pp. 314-325, May 2015.

[14] A. Zakariazadeh, S. Jadid, P. Siano, "Stochastic multi-objective operational planning of smart distribution systems considering demand response programs", Electric Power Systems Research, Vol. 111, pp. 156-168, June 2014.

[15] A. Zakariazadeh, S. Jadid, P. Siano P. "Economic-environmental energy and reserve scheduling of smart distribution systems: A multiobjective mathematical programming approach", Energy Conversion and Management, Vol. 78, pp. 151-64, Feb. 2014.

[16] F.A. Mohamed, H.N. Koivo, "System modelling and online optimal management of microgrid using mesh adaptive direct search", International Journal of Electrical Power and Energy Systems, Vol. 32, No. 5, pp. 398-407, June 2010.

[17] N. Rezaei, M. Kalantar, "Smart microgrid hierarchical frequency control ancillary service provision based on virtual inertia concept: An integrated demand response and droop controlled distributed generation framework", Energy Conversion and Management,Vol. 92, pp. 287-301, March 2015.

[18] N. Cicek, H. Delic, "Demand Response Management for smart grids with wind power", IEEE Trans. on Sustainable Energy, Vol. 6, No. 2, pp. 625-634, April 2015.

[19] K. Afshar, A.S. Gazafroudi, "Application of stochastic programming to determine operating reserves with considering wind and load uncertainties", Journal of Operation and Automation in Power Engineering,Vol. 1, No. 2, pp. 96-109, Nov. 2013.

[20] G. Boyle, Renewable energy: OXFORD university press; 2004.

[21] B. Gen, Reliability and cost/worth evaluation of generating systems utilizing wind and solar energy. 2005.

[22] Owner’s manual of the AIR403 wind turbine made by Southwest Wind power Inc. <www.nooutage.com/pdf/swwp_air403_landman.pdf>.

[23] Y. Atwa, E. El-Saadany, M. Salama, R. Seethapathy, "Optimal renewable resources mix for distribution system energy loss minimization", IEEE Trans. on, Power Systems,Vol. 25, No. 1, pp. 360-370, Feb. 2010.

[24] F.Y. Ettoumi, A. Mefti, A. Adane, M. Bouroubi, "Statistical analysis of solar measurements in algeria using beta distributions", Renewable Energy, Vol. 26, No. 1, pp. 47-67, 2002.

[25] M. Deshmukh, S. Deshmukh, "Modeling of hybrid renewable energy systems", Renewable and Sustainable Energy Reviews, Vol. 12, No. 1, pp. 235-249, 2008.

[26] G. Tina, S. Gagliano, S. Raiti, "Hybrid solar/wind power system probabilistic modelling for long-term performance assessment", Solar Energy, Vol. 80, No. 5, pp. 578-88, 2006.

[27] S. Chowdhury, S.P. Chowdhury, P. Crossley, Microgrids and active distribution networks, The Institution of Engineering and Technology; 2009.

[28] H. Kanchev, D. Lu, F. Colas, V. Lazarov, B. Francois, "Energy management and operational planning of a microgrid with a PV-based active generator for smart grid applications", IEEE Trans. on Industrial Electronics, Vol. 58, No. 10, pp. 4583-92, Oct. 2011.

[29] A.A. Moghaddam, A. Seifi, T. Niknam, M.R.A. Pahlavani, "Multi-objective operation management of a renewable MG (micro-grid) with back-up micro-turbine/fuel cell/battery hybrid power source", Energy, Vol. 36, No. 11, pp. 6490-6507, Nov. 2011.

[30] J. Kennedy, "Particle swarm optimization", Encyclopedia of Machine Learning, Springer, pp. 760-766, 2011.

[31] C.A. Coello Coello, M.S. Lechuga, "MOPSO: A proposal for multiple objective particle swarm optimization", Proceeding of the IEEE/CEC, Honolulu, HI, USA, USA, May 2002.

[32] S. Papathanassiou, N. Hatziargyriou, K. Strunz, "A benchmark low voltage microgrid network", Proceedings of the CIGRE Symposium: Power Systems with Dispersed Generation, Jan. 2005.

[33]Apx power spot exchange. Accessted at, https://www.apxgroup.com/trading-clearing/apx-power-uk/.

[34] F. Bouffard, F.D. Galiana, A.J. Conejo, "Market-clearing with stochastic security-part I: Formulation", IEEE Trans. on, Power Systems,Vol. 20, No. 4, pp.1818-1826, 2005.

[35] Willy Weather. Available online; http://wind.willyweather.com.au.

[36] The Solar Power Group Company. Accessed at, http://thesolarpowergroup.com.au.

[37] Reconstruction and Short-term Forecast of the Solar Irradiance. Accessed at, http://lpc2e.cnrs-orleans.fr/soteria/.

[38] A.S. Bouhouras, D.P. Labridis, A.G. Bakirtzis, "Cost/worth assessment of reliability improvement in distribution networks by means of artificial intelligence", International Journal of Electrical Power and Energy Systems, Vol.32, No.5,pp.530-538, 2010.

[39] C. Chen, S. Duan, T. Cai, B. Liu, G. Hu, "Smart energy management system for optimal microgrid economic operation", IET Renewable Power Generation, Vol.5, No.3, pp.258-67, 2011.

[40] K. Clement-Nyns, E. Haesen, J. Driesen, "The impact of charging plug-in hybrid electric vehicles on a residential distribution grid", IEEE Trans. on, Power Systems, Vol.25, No.1, pp.371-380, 2010.