دانلود ترجمه مقاله بررسی سیستماتیک سیستم های چندعاملی و پاسخ به تقاضا
عنوان فارسی |
بررسی سیستماتیک سیستم های چندعاملی و پاسخ به تقاضا |
عنوان انگلیسی |
Multi-agent systems and demand response: A systematic review |
کلمات کلیدی : |
  سیستم های چندعاملی؛ پاسخ به تقاضا؛ بازار انرژی؛ خانه هوشمند؛ شبکه هوشمند |
درسهای مرتبط | بازار برق؛ شبکه هوشمند |
تعداد صفحات مقاله انگلیسی : 6 | نشریه : IEEE |
سال انتشار : 2015 | تعداد رفرنس مقاله : 67 |
فرمت مقاله انگلیسی : PDF | نوع مقاله : ISI |
پاورپوینت :
ندارد سفارش پاورپوینت این مقاله |
وضعیت ترجمه مقاله : انجام شده و با خرید بسته می توانید فایل ترجمه را دانلود کنید |
1. مقدمه 2. معماری MAS 3. DR مبتنی بر MAS در بازار برق 4. DR مبتنی بر MAS در عملیات شبکه توزیع هوشمند 5. ابزارهای مورد استفاده در DR 6. مزایای بالقوه MAS 7. چالش ها و سوالات حل نشده 8. نتیجه گیری
مقدمه: از دیدگاه اقتصادی و عملیاتِ قابل اعتماد، افزایش توجه به ادغام تولید متناوب تجدیدپذیر، وسایل نقلیه الکتریکی و دیگر فناوری ها در شبکه برق هوشمند، چالش های عمده ای را در سیستم های قدرت الکتریکی پدید آورده است. برای گذر از شبکه برق فعلی و رسیدن به شبکه هوشمند، عملیات و ظرفیت های جدیدی مورد نیاز است که باید ارائه شده و توسعه یابند. در این میان، پاسخ به تقاضا (DR) به صورت گسترده به عنوان یک راهکار نویدبخش و امیدوارکننده پذیرفته شده است. در سراسر جهان، تحفقیقات و برنامه های آزمایشی متنوعی ارائه شده است، همچون ایالات متحده (1 و 2)، اروپا (3)، انگلستان (4)، چین (5)، استرالیا (6)، نیوزیلند (7-10) و سنگاپور (11). در روش سنتی، مصرف کنندگان برق در واحدهای مسکونی، در بخش انتهایی شبکه برق در سطح پایین تر، از معماری تولید به مصرف برق به صورت سلسله مراتبی استفاده می کردند و توانایی محدودی برای مشارکت در عملیات سیستم داشتند، اما در پاسخ به محیط پویا یا پیشنهادهای ارائه شده سطح بالاتر، رفتار منفعلانه داشتند. بنابراین مدیریت طرف تقاضا (DSM) ، به ویژه بخش پاسخ به تقاضا (DR)، در چند دهه اخیر توجه زیادی به این مساله داشته است که سبب می شود کاربران نهایی به طور استراتژیک به تغییر مصرف برق واکنش دهند و در نتیجه سود شبکه به حداکثر رسیده و هزینه برق به کمترین مقدار می رسد. پاسخ به تقاضا، در حالت کلی، فرصتی را برای مصرف کنندگان فراهم می کند تا به شرایط عرضه پاسخ دهند و در عملیات سیستم برق شرکت کنند. مصرف کنندگان با کاهش مصرف برق خود در ساعت های اوج مصرف و در پاسخ به هزینه های بالاتر بازار، می توانند الگوهای مصرف مسکونی خود را تغییر داده و آنها را مجددا زمانبندی کنند و بنابراین در هزینه برق صرفه جویی کنند. بدین منظور، راه های مختلفی همچون DR مبتنی بر انگیزه و DR مبتنی بر هزینه ارائه شده است. در برنامه DR مبتنی بر انگیزه، مصرف کنندگان با کاهش میزان بار در ساعت های اوج مصرف می توانند به درخواست سیستم عملیاتی پاسخ دهند و در عوض، پاداش مادی از اپراتور دریافت کنند. در حالی که در DR مبتنی بر هزینه، مصرف کنندگان به دلیل قیمت متفاوت برق، به صورت دلخواه برنامه استفاده از برق در خانه را تنظیم نموده یا تغییر می دهند و با تغییر الگوی مصرف، انتظار می رود که هزینه برق به میزان مناسبی کاهش یابد. با این حال، افزایش نفوذ تولید پراکنده (DG) و وسایل نقلیه الکتریکی (EV) به فرم میکروگریدها (MG) سبب شده که مصرف کننده به جای پاسخ ساده به پویایی، به صورت فعال در عملیات اقتصادی کل بازار برق شرکت کند که پیچیدگی و چالش های زیادی را برای سیستم های قدرت فعلی در پی داشته است.
INTRODUCTION: The increasing interest in integrating intermittent renewable generation, electric vehicles and other technologies into smart electricity network presents major challenges from the viewpoints of economic and reliable operation of the electric power system. In order to transition the existing electricity grid towards the Smart Grid, new functionalities and capabilities are expected to emerge and being deployed. Amongst them, demand response (DR) has been widely accepted as a potentially impactful and promising solution. Various pilot programs and research have been conducted around the world, such as US [1][2], Europe [3], UK [4], China [5], Australia [6], New Zealand [7]–[10], and Singapore [11]. Traditionally, residential customers, located at downstream end of the electricity grid with strictly hierarchical generating delivering- consuming architecture, have limited capabilities to participate in the system operation but to react to dynamic environment or accept proposals from upstream end passively. Therefore Demand Side Management (DSM), specifically Demand Response (DR), has drawn massive attention for decades due to the fact that it enables end-users to strategically respond to the change of consumption in order to maximize network benefit or minimize electricity cost. Demand response, in general, provides customers the opportunity to respond to supply conditions and participating in power system operation. By reducing their electricity consumption at peaking hours and responding to higher market prices, consumers can change and reschedule their appliance patterns so as to lower and save their power cost and bills. Hence, different ways, such as incentive-based DR, priced based DR, are developed to achieve this goal. In incentive based DR program, consumers are able to respond to system operator’s request by reducing some loads during the peaking demand hours and receive some monetary bonus offered by operator in return. Whereas customers, in priced-based DR, will voluntarily adjust or shift the schedule of their appliances due to the variation of electricity price [12]. By shifting their consuming patterns from high price to the low, customers expect to have an appropriate reduction of electricity cost. Nevertheless, the surging penetration of distributed generation (DG) and Electric Vehicles (EVs) in the form of Micro-Grids (MGs) enables customers, instead of simply responding to the dynamics, to actively participate in the economic operation of whole electricity market, which brings great complexity and challenges to the existing power system.
محتوی بسته دانلودی:
PDF مقاله انگلیسی ورد (WORD) ترجمه مقاله به صورت کاملا مرتب (ترجمه شکل ها و جداول به صورت کاملا مرتب)
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.