دانلود ترجمه مقاله طرح گسترش تولید سیستم قدرت با در نظر گرفتن تاثیر شبکه هوشمند

1. مقدمه 2. توپولوژی موردی برای سیستم قدرت الکتریکی 3. شبیه سازی مونته کارلو 4. یکپارچه سازی و تلفیق تکنولوژی های شبکه هوشمند 5. فرمولاسیون مدل 6. مثالهای عددی و بحث و بررسی 7. نتیجه گیری

چکیده – در این تحقیق، بررسی می کنیم که چگونه طرح های توسعه تولیدی سیستم قدرت الکتریکی تغییر پیدا می کنند و براساس وجود یا عدم وجود فن آوری های شبکه هوشمند، بهبود می یابند. این مدل جدید مشخصاً این موارد را در نظر می گیرد: (1) وجود تکنولوژی شبکه هوشمند که عملکرد سیستم توزیع را بهبود می دهد و یا (2) وجود تکنولوژی هایی که تقاضا را از ساعات پیک به ساعات خارج از پیک جابجا می کنند. مسائل برنامه ریزی توسعه تولید چند دوره ای چند هدفی جهت تعیین گزینه های تکنولوژی تولید برق جهت افزوده شدن، و جایی در شبکه که باید ایجاد شوند تا بطور همزمان چندین هدف مانند هزینه و آلودگی هوا، برای مثال CO2 حداقل شوند. تقاضای برآورده نشده نیز به عنوان یک هزینه در تابع هدف تلقی می شود، بگونه ای که روش پیشنهادی قابلیت اطمینان سیستم را مورد ملاحظه قرار می دهد. روش استفاده شده در اینجا صریحاً وجود اجزاء سیستمی و تصمیمات دیسپاچینگ عملیاتی را مورد ملاحظه قرار می دهد. شبیه سازی مونته کارلو برای تولید سناریوهای وجود اجزاء استفاده می شود و سپس، مسئله بهینه سازی عدد صحیح ترکیبی برای یافتن جواب های بسط یا توسعه بهینه با در نظر گرفتن این سناریوها حل می شود. مقدمه: مسئله برنامه ریزی توسعه تولید برق (GEP) در بر گیرنده تعیین گزینه های فن آوری تولید (زغال سنگ، باد، و غیره) جهت افزوده کردن به سیستم تولید قدرت موجود و زمان و مکانی که آنها باید نصب شوند، می باشد تا تقاضای روز افزون انرژی در یک افق زمانی برنامه ریزی را برآورده کند. مطالعات بسیاری جهت حل مسائل GEP انجام شده است. اگرچه بسیاری از این مطالعات بر یافتن برنامه توسعه حداقل هزینه تاکید دارند، اما عملاً اهداف متناقض بسیاری مانند تاثیر زیست محیطی، قابلیت اطمینان، سوخت واردات شده و غیره دارند. علاوه بر آن، در مورد مسئله برنامه ریزی عدم اطمینان هایی مانند پیش بینی تقاضا، قیمت سوخت ورودی، خرابی اجزاء سیستمی و دیگر موارد وجود دارد. بنابراین یک روش بهینه سازی چند هدفی تصادفی، جهت حل مسئله GEP مطلوب است. در این تحقیق، طرح توسعه بهینه با ملاحظه وجود یا عدم وجود شبکه های هوشمند را تعیین می کنیم.

In this research, we investigate how the electric power system generation expansion plans change and improve based on the availability of Smart Grid technologies. The new model specifically considers (i) the availability of Smart Grid technologies improving the performance of the distribution system, and/ or (ii) the availability of the technologies shifting the demand from peak hours to off-peak hours. Multi-objective multi-period generation expansion planning problems are solved to determine the electricity generation technology options to be added, and where in the grid they should be constructed to simultaneously minimize multiple objectives such as cost and air emissions, e.g., CO2. Unmet demand is also considered as a cost in the objective function so that the proposed approach considers the reliability of the system. The approach used here explicitly considers availability of the system components and operational dispatching decisions. Monte Carlo simulation is used to generate component availability scenarios, and then, the mixed-integer optimization problem is solved to find optimum expansion solutions considering these scenarios. Introduction: The electricity generation expansion planning (GEP) problem involves the determination of the generation technology options (coal, wind, etc.) to be added to an existing power generation system, and the time and location where they should be installed to meet the growing energy demand over a planning time horizon. There have been many studies done to solve GEP problems. Although most of these studies focus on finding the least cost expansion plan, there are actually many conflicting objectives such as environmental impact, reliability, imported fuel, and so on. Moreover, there are uncertainties associated with the planning problem such as demand forecasts, input fuel prices, system component failure and others. Therefore, a multi-objective, stochastic optimization method is desirable to solve the GEP problem. In this research, we determine optimal expansion plan considering the availability of Smart Grid technologies.