دانلود ترجمه مقاله زمان بندی بهینه هاب های توان و حرارت تحت مسائل زیست محیطی و اقتصادی

1. مقدمه 2. فرمول بندی ریاضی 3. بررسی عددی 4. نتیجه گیری

مقدمه: اخیرا، عملیات بهینه سیستم های انرژی قادر به تأمین تقاضاهای مختلف انرژی که سیستم های چند حامل انرژی یا سیستم های هاب انرژی نامیده می شوند، یکی از موضوعات اصلی در برنامه ریزی سیستم های قدرت بوده است. منابع مختلف انرژی مانند سیستم های ترکیبی گرما و توان (CHP) می توانند جهت افزایش بهسازی سیستم های عملیاتی به کار روند. همچنین، منابع انرژی گرمایشی مانند دیگ بخار می توانند جهت تأمین تقاضای حرارتی مورد استفاده قرار گیرند. علاوه بر منابع اشاره شده ی غیر قابل تجدید انرژی، واحدهای تولید تجدید پذیر می توانند وارد سیستم های هاب انرژی شوند تا به چندین نوع بار برسند. شایان ذکر است که استفاده از سوزاندن منابع سوخت های فسیلی در سیستم های هاب انرژی باعث شده است مسئله ی پخش بار این سیستم ها برای اپراتورهای سیستم به یک چالش بزرگ تبدیل شود. عملیات سیستم های هاب انرژی با اهداف و کاربردهای مختلف تحقیقات مختلفی که در ادامه خلاصه شده اند، مورد مطالعه قرار گرفته اند: مسئله توزیع اقتصادی چندین سیستم هاب انرژی از طریق یادگیری انتخاب خودکار با الگوریتم جستجوی ضریب-گرانشی شتاب زمان متغیر در [6] مورد بررسی قرار گرفته است. با هدف بدست آوردن حداکثر سود، سیستم هاب انرژی بصورت بهینه ای در [7] طراحی شده است. تأثیر شبکه های انتقال بهینه سازی روی عملکرد سیستم هاب انرژی در [8] ارزیابی شده است. با استفاده از یک روش جدید، مسئله شار توان بهینه ی سیستم های هاب انرژی مورد بررسی قرار گرفته و نتایج با نتایج بدست آمده از طریق روش های دیگر در [9] مقایسه شده اند. فرمول های جدیدی برای مدلسازی دقیق سیستم انرژی هاب با توجه به محدودیت های فنی ارائه شده اند. به منظور بهبود عملکرد سیستم انرژی هاب مسکونی در شبکه هوشمند، یک مدل لحظه ای-محور در [11] ارائه شده است. با به کار بردن ساختار کنترلی به نام ساختار کنترل سلسله مراتبی، عملیات اقتصادی یک سیستم انرژی چندحامل در [12] ارزیابی شده است. عملکرد بهینه ی سیستم انرژی چند حالم و اندازه بندی بهینه ی منابع در این سیستم در [13] بررسی شده اند. عملکرد اقتصادی سیستم انرژی چندحامل به شرط رفتار غیرقطعی منابع تجدیدپذیر در [14] مورد مطالعه قرار گرفته است. با استفاده از الگوریتم تکاملی در [15]، عملیات بهینه ی سیستم انرژی چند حامل بررسی شده است. عملیات بهینه ی یک سیستم انرژی چند حامل روی شبکه شامل انواع مختلف منابع انرژی تجدید پذیر در [16] ارزیبای شده است. با استفاده از روش شبیه سازی مونت کارلو در [17]، عملکرد اقتصادی سیستم هاب انرژی از طریق دو نوع قیمت دهی به نام های قیمت دهی دینامیکی و قیمت دهی زمان مصرف در [18] مورد مطالعه قرار گرفته است. با استفاده از استراتژی توزیع، عملکرد سیستم انرژی هاب در معرض کوتاه سازی در ادغام شبکه و قیمت دهی لحظه ای در [19] بررسی شده است. با توجه به مدلسازی عدم قطعیت باد، عملیات بهینه ی قیمت و بار سیستم هاب انرژی در [20] مورد بررسی قرارگرفته است. با استفاده از تکنیک تجربی به نام الگوریتم جستجوی گرانش ضریب شتاب زمان-متغیر، عملکرد بهینه ی سیستم هاب انرژی در [21] ارزیابی شده است. با هدف کاهش هزینه ی کلی، عملیات بهینه ی سیستم انرژی هاب با توجه به عدم قطعیت منابع تجدیدپذیر با استفاده از برنامه نویسی تصادفی در [22] مورد مطالعه قرار گرفته است. یک الگو جهت بهینه سازی عملیات سیستم های انرژی چند حامل اتصال درونی در [23] ارائه شده است. با به کار بردن الگوریتم بهینه سازی مبتنی بر آموزش-یادگیری، مسئله شار انرژی سیستم انرژی چندحامل در [24] ارزیابی شده است. استراتژی های بهینه ی توزیع و عملیات هماهنگ سیستم انرژی هاب در [25] بررسی شده است. با استفاده از روش سیستم های چند عامل، عملیات بهینه ی سیستم هاب انرژی در معرض محدودیت های تجاری و فنی در [26] ارزیابی شده است.

Introduction: Recently, optimal operation of energy systems capable of supplying different energy demands called multi-carrier energy systems or hub energy systems has been one of major topics in the scheduling of power systems [1]. Various energy resources like combined heat and power systems (CHP) can be employed to enhance efficiency of operating systems [2]. Moreover, heat energy resources like boiler can be exploited to supply thermal demand [3]. In addition to mentioned nonrenewable energy resources, renewable generation units can be integrated in hub energy systems to meet several types of loads [4]. It should be noted that utilization of resources burning fossil fuels in hub energy systems has made emission problem of these systems a big challenge for system operators [5]. Operation of hub energy systems with different purposes and applications has been studied within various researches which are summarized in the following: Economic dispatch problem of multiple energy hub system has been investigated through Self-Adoptive Learning with Time Varying Acceleration Coefficient-Gravitational Search Algorithm in [6]. With the aim of gaining maximum profit, hub energy system has been optimally designed in [7]. Influence of optimizing transmission networks on performance of hub energy system has been evaluated in [8]. Using a new approach, optimal power flow problem of hub energy systems has been investigated and the results have been compared with the ones obtained through other approaches in [9]. New formulations have been presented for accurate modeling of hub energy system with taking technical constraints into account in [10]. In order to improve performance of a residential hub energy system in the smart grid, a real-time based model has been presented in [11]. Employing controlling structure called hierarchical control structure, economic operation of a multi-carrier energy system has been evaluated in [12]. Optimal performance of multi-carrier energy system and optimal sizing of resources in this system have been investigated in [13]. Economic performance of multi-carrier energy system subject to uncertain behavior of renewable sources has been studied in [14]. Using evolutionary algorithm in [15], optimal operation of multi-carrier energy system has been investigated. Optimal operation of an on-grid multi-carrier energy system including different types of renewable energy sources has been evaluated in [16]. Using Monte Carlo simulation technique in [17], economic performance of hub energy system has been investigated. Optimal operation of hub energy system has been studied through two types of pricing namely dynamic pricing and time-of-use pricing in [18]. Using dispatch strategy, performance of hub energy system subject to curtailment in grid integration and real time pricing has been investigated in [19]. Considering uncertainty modeling of wind, price and load, optimal operation of hub energy system has been investigated in [20]. Using a heuristic technique called Time Varying Acceleration Coefficient Gravitational Search algorithm, optimal performance of hub energy system has been evaluated in [21]. With the aim of minimizing total cost, optimal operation of hub energy system considering uncertainty of renewable sources has been studied using stochastic programming in [22]. A paradigm has been presented to optimize operation of interconnected multi-carrier energy systems in [23]. Employing teaching–learning based optimization algorithm, energy flow problem of multi-carrier energy system has been evaluated in [24]. Optimal dispatch strategies and coordinated operation of a hub energy system have been investigated in [25]. Using multi-agent systems approach, optimal operation of hub energy system has been evaluated subject to commercial and technical limitations in [26].

بخشی از ترجمه مقاله (صفحه 11 و 12 فایل ورد ترجمه)