Probabilistic energy and operation management of a microgrid containing wind/photovoltaic/fuel cell generation and energy storage devices based on point estimate method and self-adaptive gravitational search algorithm

تاریخ: ۲۰۱۲

پایگاه: الزویر

لینک دانلود اصل مقاله

نام مجله:  Energy

قیمت: ۲۰۰,۰۰۰ ریال

تعداد صفحات انگلیسی: ۱۱

تعداد صفحات فارسی: ۱۴

کد: ۳۰۳۶۳

چکیده فارسی

در سال‌های اخیر با توجه به پیشرفت تکنولوژی، مشوق‌های دولتی برای استفاده از انرژی‌های سبز و افزایش نگرانی‌ها درباره هزینه تولید انرژی از سوخت‌های فسیلی، منابع انرژی تجدیدپذیر (RES) به عنوان روشی مطمئن برای تولید انرژی محلی، پاک و پایان‌ناپذیر به نظر می‌رسد. این موضوع، پیاده‌سازی میکروشبکه‌ها (MG) را به عنوان دسته‌ای از بارهای الکتریکی و یا حرارتی و RES های مختلف مورد توجه قرار می‌دهد. به دلیل عدم قطعیت‌های مختلف مرتبط با عرضه برق در میکروشبکه‌های با انرژی تجدیدپذیر، روش‌های مدیریت احتمالی انرژی برای تحلیل سیستم ضروری می‌باشند. این مقاله، یک روش احتمالی را برای مدیریت انرژی و عملکرد (EOM) میکروشبکه‌های تجدیدپذیر در محیط غیرقطعی پیشنهاد می‌کند. چارچوب پیشنهادی شامل روش تقریب ۲m نقطه‌ای برای پوشش عدم‌قطعیت‌های موجود در MG ها و یک الگوریتم بهینه‌سازی خودتطبیق مبتنی بر الگوریتم جستجوی گرانشی (GSA) برای تعیین مدیریت بهینه انرژی MG ها می‌باشد. این مقاله عدم‌قطعیت‌ها در تقاضای بار، قیمت‌های بازار و توان الکتریکی در دسترس مزرعه‌های بادی و سیستم‌های فتوولتائیک را در نظر می‌گیرد. در تحقیق انجام شده، یک روش جهش خودتطبیق برای افزایش مشخصه همگرایی GSA اصلی و پرهیز از در دام افتادن در بهینه محلی ارائه می‌شود. از توزیع‌های Weibull و نرمال برای مدلسازی متغیرهای تصادفی ورودی استفاده می‌شود. علاوه بر این، از بسط Gram-Charlier برای پیدا کردن توزیع دقیقی از انرژی کل و هزینه عملکرد MGها برای روز بعدی استفاده می‌شود. کارآیی روش پیشنهادی با تست بر روی یک MG معمول متصل به شبکه شامل ذخیره انرژی و واحدهای مختلف تولید برق تأیید می‌شود.

چکیده انگلیسی

Recently, due to technology improvements, governmental incentives for the use of green energies and rising concerns about high cost of energy from fossil fuels, renewable energy sources (RESs) appears to be a promising approach for producing local, clean, and inexhaustible energy. This motivates the implementation of microgrids (MGs) introduced as a cluster of electrical and/or thermal loads and different RESs. Due to different uncertainties linked to electricity supply in renewable microgrids, probabilistic energy management techniques are going to be necessary to analyze the system. This paper proposes a probabilistic approach for the energy and operation management (EOM) of renewable MGs under uncertain environment. The proposed framework consists of 2m point estimate method for covering the existing uncertainties in the MGs and a self-adaptive optimization algorithm based on the gravitational search algorithm (GSA) to determine the optimal energy management of MGs. This paper considers uncertainties in load demand, market prices and the available electrical power of wind farms and photovoltaic systems. In this study, a self-adaptive mutation technique is offered to enhance the convergence characteristics of the original GSA and avoid being entrapped into local optima. The Weibull and normal distributions are employed to model the input random variables. Moreover, the Gram–Charlier expansion is used to find an accurate distribution of the total energy and operational cost of MGs for the next day-ahead. The effectiveness of the proposed method is validated on a typical grid-connected MG including energy storage and different power generating units

مشخصات استنادی

Niknam, T., Golestaneh, F., & Malekpour, A. (2012). Probabilistic energy and operation management of a microgrid containing wind/photovoltaic/fuel cell generation and energy storage devices based on point estimate method and self-adaptive gravitational search algorithm. Energy, 43(1), 427-437

دانلود اصل مقاله

ویژگی‌های مقاله مدیریت احتمالی انرژی و عملکرد یک میکروشبکه شامل تولید بادی، فتوولتائیک، سلول سوختی و دستگاه های ذخیره انرژی بر اساس روش تقریب و الگوریتم جستجوی خودتطبیق گرانشی

مقاله “مدیریت احتمالی انرژی و عملکرد یک میکروشبکه شامل تولید بادی، فتوولتائیک، سلول سوختی و دستگاه های ذخیره انرژی بر اساس روش تقریب و الگوریتم جستجوی خودتطبیق گرانشی” در سال ۲۰۱۲ در مجله Energy چاپ شده و در پایگاه اطلاعاتی الزویر نمایه شده است. این مقاله به بررسی مدیریت انرژی و عملکرد (EOM) میکروشبکه‌های تجدیدپذیر در محیط غیرقطعی و الگوریتم بهینه‌سازی خودتطبیق مبتنی بر الگوریتم جستجوی گرانشی (GSA) پرداخته است. همچنین براساس اطلاعات پایگاه اطلاعاتی گوگل اسکولار این مقاله ۵۸ بار مورد استناد قرار گرفته است.