دانلود شبیه سازی و ترجمه مقاله مکانیابی بهینه ذخیره ساز انرژی و کنترل برای کاربردهای توان بادی

1- مقدمه 2- پیش زمینه 3- مروری بر روشهای کنترل 4- روشهای بهینه سازی 5- نتیجه بهینه سازی 6- نتیجه گیری

چکیده – خروجی متغیر یک مزرعه‌ی بادی بزرگ، بسیاری از چالش‌های یکپارچه سازی، به خصوص در سطوح بالای نفوذ را ارائه می‌دهد. عدم اطمینان در خروجی یک نیروگاه بادی بزرگ می‌تواند با استفاده از منابع توزیع پذیر سریع الأثر همانند توربین‌های گازی طبیعی یا ژنراتورهای برق آبی، پوشش داده شود. با این حال، استفاده از منابع توزیع پذیر در کمترین زمان برای هموار کردن تنوع نیروی باد، می‌تواند هزینه‌های یکپارچه سازی نیروی باد در مقیاس بزرگ را افزایش دهد. برای جبران این موضوع، گنجاندن ذخیره ساز انرژی در مقیاس بزرگ در خروجی مزرعه‌ی بادی می‌تواند جهت بهبود قابلیت پیش بینی پذیری نیروی باد استفاده شود و نیاز به بار پیرو و تنظیم تولید ذخیره سازی سوخت فسیلی یا آبی را کاهش دهد. این مقاله متدولوژی‌های کنترل و اندازه گیری برای باتری جریانی روی - برم مبتنی بر سیستم ذخیره سازی انرژی را ارائه می‌کند. نتایج نشان می‌دهند که استراتژی کنترل جریان نیرو دارای تأثیر قابل توجهی در اندازه گیری صحیح‌تر توان اسمی و انرژی سیستم دارد. به طور خاص، استراتژی‌های کنترل شبکه‌ی عصبی مصنوعی منجر به کاهش قابل توجه هزینه‌های سیستم‌های ذخیره سازی انرژی نسبت به کنترلرهای ساده سازی شده می‌شود. نتایج نشان می‌دهند که از طریق کنترل مؤثرتر و هماهنگی سیستم‌های ذخیره سازی انرژی، پیش بینی پذیری خروجی های نیروگاه بادی می‌تواند افزایش یابد و هزینه‌های یکپارچه سازی در ارتباط با الزامات ذخیره سازی کاهش یابد.

The variable output of a large wind farm presents many integration challenges, especially at high levels of penetration. The uncertainty in the output of a large wind plant can be covered by using fast-acting dispatchable sources, such as natural gas turbines or hydro generators. However, using dispatchable sources on short notice to smooth the variability of wind power can increase the cost of large-scale wind power integration. To remedy this, the inclusion of large-scale energy storage at the wind farm output can be used to improve the predictability of wind power and reduce the need for load following and regulation hydro or fossil-fuel reserve generation. This paper presents sizing and control methodologies for a zinc–bromine flow battery-based energy storage system. The results show that the power flow control strategy does have a significant impact on proper sizing of the rated power and energy of the system. In particular, artificial neural network control strategies resulted in significantly lower cost energy storage systems than simplified controllers. The results show that through more effective control and coordination of energy storage systems, the predictability of wind plant outputs can be increased and the cost of integration associated with reserve requirements can be decreased.