دانلود ترجمه مقاله مدیریت انرژی جهت عملکرد مشترک مصرف کننده های CHP و PV در یک میکروگرید

1. مقدمه 2. چهارچوب مدیریت انرژی 3. مدل پایه MG 4. مدل اقتصادی برای عملکرد MG 5. مدل بازی استکلبرگ و الگوریتم هایش 6. مطالعات موردی 7. نتیجه گیری

چکیده – این مقاله عمدتاً بر مدیریت انرژی میکروگریدها (MGها) متشکل از پروسومرهای حرارت و توان ترکیب (CHP) و فتوولتائیک(PV) تاکید می کند. یک چهارچوب مدیریت انرژی چندطرفی برای فعالیت مشترک پروزومرهای CHP و PV با پاسخ تقاضای مبتنی بر قیمت داخلی، پیشنهاد می شود. بخصوص اینکه، یک مدل بهینه سازی براساس بازی استکلبرگ طراحی می شود که در آن بهره بردار میکروگرید (MGO) به عنوان رهبر یا پیشرو عمل می کند و پروزومرهای PV پیروان هستند. خواص و ویژگی های این بازی مورد مطالعه قرار می گیرند و ثابت شده است که این فازی از یک تعادل استکلبرگ منحصربفرد برخوردار است. الگوریتم ابتکاری براساس تکامل تفاضلی پیشنهاد می شود که توسط MGO قابل استفاده است و برنامه ریزی مقید غیرخطی توسط هر پروزومر برای رسیدن به تعادل استکلبرگ قابل استفاده است. در نهایت، از طریق یک مثال عملی، اثربخشی مدل از نظر تعیین قیمت های MGO و بهینه سازی مشخصه بار خالص و غیره، تایید می شود. مقدمه: بخاطر افزایش رشد جمعیت و نگرانی ها برای آلودگی زیست محیطی و تغییر آب و هوایی، شبکه قدرت فعلی با چالش های افزایش تقاضا، حفاظت از محیط زیست، نیاز به قابلیت اطمینان زیاد، پاک بودن انرژی و محدودیت های برنامه ریزی، مواجه است. به عنوان یک راهکار بالقوه برای این نگرانی ها، تاسیسات مولدی متمرکز اکنون در حال تبدیل شدن به مولدهای کوچکتر توزیع شده تر یا پراکنده، هستند. اما، استفاده محض از چنین تولید پراکنده نیز می تواند برای سیستم قدرت مضر باشد. در نتیجه، مفهوم ریزشبکه یا میکروگرید(MG) پیدایش می یابد. یک MG می تواند به عنوان یک سیستم کنترل پذیر محض عمل کند و می توان آنرا به صورت خوشه ای از بارها و امنابع نرژی توزیعشده (DER) فرض کرد ، که این ها می توانند شامل توربیبن های بادی (WT ها)، فتوولتائیک ها (PV)، پیلهای سوختی (FC ها) و توربین های میکرو یا ریز توربین ها (MT ها)، سیستم های ذخیره انرژی (EES ها) و غیره باشند. جهت بهبود بازده عملکرد، سیستم مدیریت انرژی (EMS) قسمت اساسی MG ها می باشد. از جنبه مدل سازی با منابعی که شامل MG ها هستند، ملاحظات مختلفی طبق اهداف خاص وجود دارد. برای منابع انرژی تجدیدپذیر (RES) (مانند WT ها و PV ها)، مهمترین موارد، مصرف بیشینه توان تولید شده عدم قطعیت است [1]. اگر RES ها ، سیستم های متصل به شبکه باشند، تعرفه های تغذیه داخلی مرتبط نیز برای بهره برداری مهم هستند. برای EES ها، توجه بیشتری به طراحی استراتژی شارژ و تخلیه داده شده است. اگر EES ها با RES ها هماهنگ باشند، این استراتژی را می توان برای کمک به بهره برداری RES ها بکار گرفت به نحوی که نوسانات قدرت هموار شوند [2] و خود مصرف انرژی تجدید پذیر بهبود یابد [3]. اگر EES ها برای پاسخ تقاضا پیگربندی شده باشند (DR)، این استراتژی باید با ملاحظه سیگنال قیمت و تقاضای بار طراحی شود [1].

This paper mainly focuses on the energy management of microgrids (MGs) consist of combined heat and power (CHP) and photovoltaic (PV) prosumers. A multi-party energy management framework is proposed for joint operation of CHP and PV prosumers with the internal price-based demand response. In particular, an optimization model based on Stackelberg game is designed where the microgrid operator (MGO) acts as the leader and PV prosumers are the followers. The properties of the game are studied and it is proved that the game possesses a unique Stackelberg equilibrium. The heuristic algorithm based on differential evolution is proposed that can be adopted by the MGO, and nonlinear constrained programming can be adopted by each prosumer to reach the Stackelberg equilibrium. Finally, via a practical example, the effectiveness of the model is verified in terms of determining MGO’s prices and optimizing net load characteristic, etc. INTRODUCTION: Due to increasing population growth and concerns for environmental pollution and climate change, the current power grid is facing the challenges of increasing demand, environmental protection, high reliability requirement, cleanness of energy and planning restrictions. As a potential solution to these concerns, centralized generating facilities are now being transformed into smaller and more distributed generations. However, indiscriminate usage of such distributed generation can also be detrimental for the power system. As a consequence, the concept of microgrid (MG) emerges. An MG can operate as a single controllable system and can be assumed as a cluster of loads and distributed energy resources (DERs), which may include wind turbines (WTs), photovoltaics (PVs), fuel cells (FCs) and micro turbines (MTs), energy storage systems (EESs) and so on. In order to improve the operation efficiency, Energy Management System (EMS) is the essential part of the MGs. From the perspective of modeling with involving resources in MGs, there are different considerations according to specific objects. For the renewable energy sources (RES) (such as WTs and PVs), the most important are maximal consumption of uncertainty produced power [1]. If the RESs are grid-connected system, the related Feed-in-Tariffs are also important for the operation. For the EESs, there is more attention paid on the designing of charging and discharging strategy. If the EESs are coordinated with the RESs, the strategy can be designed to assist the utilization of RESs, such as smooth the power fluctuation [2] and improve the self-consumption of renewable energy [3]. If the EESs are configured for demand response (DR), the strategy should be designed considering the price signal and load demand [1].