دانلود ترجمه مقاله برنامه ریزی یکپارچه تولید تجدیدپذیر و برنامه های پاسخگویی به تقاضا

1. مقدمه 2. مشارکت کنندگان پاسخ به تقاضا 3. مدلسازی عدم قطعیت تولید تجدیدپذیر 4. فرمول بندی برنامه ریزی تصادفی 5. مطالعه موردی 6. نتیجه گیری

چکیده – انرژی خورشیدی و بادی، چالش های عملیاتی قابل توجهی را در یک ریزشبکه (MG) ایجاد کرده اند مخصوصاً زمانی که پیش بینی های مربوط به تولیدات تجدیدپذیر متفاوت باشند. در این مقاله، خطاهای پیش بینی سرعت باد و تابش خورشید با استفاده از توابع توزیع احتمال مربوطه مدلسازی شده و سپس با استفاده از نمونه برداری هایپرکیوب لاتین (LHS)، سناریوهای قابل قبول تولید تجدیدپذیر برای برنامه ریزی رزرو و انرژی روز بعد تولید شده است. یک تابع هدف تصادفی دومرحله ای با هدف به حداقل رسانی هزینه عملیاتی مورد انتظار، پیاده سازی شده است. در روش پیشنهادی، ملزومات رزرو برای جبرانسازی خطاهای پیش بینی تجدیدپذیر با استفاده از بارهای پاسخگو و واحدهای تولید پراکنده ارائه شده است. همه انواع مصرف کنندگان اعم از مسکونی، تجاری و صنعتی می توانند در برنامه های پاسخ به تقاضا شرکت داشته باشند که این برنامه ها در برنامه ریزی رزرو و انرژی در نظر گرفته شده اند. به منظور تایید روش پیشنهادی، رویکرد پیشنهادی نهایتا روی یک MG معمولی اعمال شده و نتایج شبیه سازی بررسی شده اند.

Wind and solar energy introduced significant operational challenges in a Microgrid (MG), especially when renewable generations vary from forecasts. In this paper, forecast errors of wind speed and solar irradiance are modeled by related probability distribution functions and then, by using the Latin hypercube sampling (LHS), the plausible scenarios of renewable generation for day-head energy and reserve scheduling are generated. A two-stage stochastic objective function aiming at minimizing the expected operational cost is implemented. In the proposed method, the reserve requirement for compensating renewable forecast errors is provided by both responsive loads and distributed generation units. All types of customers such as residential, commercial and industrial ones can participate in demand response programs which are considered in either energy or reserve scheduling. In order to validate the proposed methodology, the proposed approach is finally applied to a typical MG and simulation results are carried out.