Microgrid operation and management using probabilistic[taliem.ir]
اطلاع رسانی-Notices

Microgrid operation and management using probabilistic reconfiguration and unit commitment

ارسال شده در آوریل 21, 2018 در 7:23 ب.ظ توسط / بدون دیدگاه

ABSTRACT

A stochastic model for day-ahead Micro-Grid (MG) management is proposed in this paper. The presented model uses probabilistic reconfiguration and Unit Commitment (UC) simultaneously to achieve the optimal set points of the MG’s units besides the MG optimal topology for day-ahead power market. The proposed  operation method is employed to maximize MG’s benefit considering load demand and wind power  generation uncertainty. MG’s day-ahead benefit is considered as the Objective Function (OF) and Particle  Swarm Optimization (PSO) algorithm is used to solve the problem. For modeling uncertainties, some  scenarios are generated according to Monte Carlo Simulation (MCS), and MG optimal operation is analyzed under these scenarios. The case study is a typical 10-bus MG, including Wind Turbine (WT) ,battery, Micro- Turbines (MTs), vital and non-vital loads. This MG is connected to the upstream network in one bus. Finally, the optimal set points of dispatchable units and best topology of MG are determined by scenario aggregation, and these amounts are proposed for the day-ahead operation. In fact, the proposed model is able to  minimize the undesirable impact of uncertainties on MG’s benefit by creating different scenarios.

INTRODUCTION

Distribution networks are reconfigured in order to power loss reduction, load balancing and service  restoration in critical operational conditions . Impact of MG on Distribution Network Reconfiguration (DNR) is discussed in . To solve the optimal DNR problem for power loss minimization, the PSO algorithm using some scenarios generated by MCS is presented in . Load Economic Dispatch (ED) and DNR, considering costs of generation and storage in MG, utility and network power loss as OF, are studied in . The Distributed  Generators (DGs) are considered by the stochastic nature according to forecasting weather data. However,  load ED and DNR are not considered within the same time intervals. MG reconfiguration is analyzed in . A new algorithm is proposed to solve MG reconfiguration problem based on an ordered binary decision diagram in order to minimize power loss cost in . A hybrid programming technique to solve MG reconfiguration problem to minimize power loss and service restoration is proposed in .

چکیده

در این مقاله یک مدل تصادفی برای مدیریت روز در پیش روی Micro-Grid (MG) ارائه شده است. مدل ارائه شده به طور همزمان از پیکربندی احتمالاتی و تعهد واحد (UC) برای دستیابی به نقاط تنظیم بهینه از واحدهای MG به جز توپولوژی مطلوب MG برای بازار برق پیش رو استفاده می کند. روش عملیاتی پیشنهادی برای به حداکثر رساندن سود MG با توجه به تقاضای بار و عدم اطمینان تولید انرژی باد استفاده می شود. مزایای روزانه MG به عنوان تابع هدف (OF) و الگوریتم بهینه سازی ذرات ذرات (PSO) برای حل مشکل مورد استفاده قرار می گیرد. برای عدم قطعیت مدل سازی، بعضی از سناریوها با توجه به شبیه سازی مونت کارلو (MCS) تولید می شوند و عملیات مطلوب MG تحت این سناریوها تحلیل می شود. مطالعه موردی MG 10 باند معمولی، از جمله توربین بادی (WT)، باتری، میکرو توربین (MT)، بارهای حیاتی و غیر حیاتی است. این MG به یک شبکه اتوبوسرانی متصل است. در نهایت، نقاط تنظیم بهینه از واحدهای dispatchable و بهترین توپولوژي MG با تجمیع سناریو تعیین می شود و این مقادیر برای عملیات روز قبل پیشنهاد می شود. در حقیقت، مدل پیشنهادی می تواند تاثیر منفی نامطلوب بر سود MG را با ایجاد سناریوهای مختلف به حداقل برساند.

مقدمه

شبکه های توزیع به منظور کاهش قدرت کاهش، توازن بار و ترمیم سرویس در شرایط عملیاتی بحرانی تنظیم می شوند. تاثیر MG در تنظیم مجدد شبکه (DNR) در مورد بحث شده است. برای حل مشکل DNR بهینه برای کاهش قدرت کاهش، الگوریتم PSO با استفاده از برخی از سناریوهای تولید شده توسط MCS ارائه شده است. ارسال بار بار اقتصادی (ED) و DNR، با توجه به هزینه های تولید و ذخیره سازی در MG، برق و قدرت از دست دادن قدرت شبکه به عنوان، در مورد مطالعه شده است. ژنراتورهای توزیع شده (DGs) با توجه به طبیعت تصادفی با توجه به پیش بینی داده های آب و هوایی در نظر گرفته می شود. با این وجود بار ED و DNR در فواصل زمانی مشابه در نظر گرفته نمی شوند. تنظیم مجدد MG در تجزیه و تحلیل در. یک الگوریتم جدید برای حل مشکل مجددا MG بر اساس یک نمودار تصمیم گیری باینری دستورالعمل برای کاهش هزینه های تلفات برق پیشنهاد می شود. یک روش برنامه ریزی ترکیبی برای حل مشکل بازنگاری MG برای به حداقل رساندن ضرر و صرفه جویی در خدمات پیشنهاد شده است.

Year: 2016

Publisher :  ELSEVIER

By : Reza Jabbari-Sabet , Seyed-Masoud Moghaddas-Tafreshi , Seyed-Sattar Mirhoseini

File Information: English Language/ 9 Page / size: 758 KB

Download

سال : 1395

ناشر : ELSEVIER

کاری از : رضا جباری ثابت، سیدمسود مقدس ترافشی، سیدمتار میر حسینی

اطلاعات فایل : زبان انگلیسی / 9 صفحه / حجم : KB 758

لینک دانلود

پاسخ دهید