دانلود ترجمه مقاله بهره برداری بهینه از هاب های انرژی متصل شده

1. مقدمه 2. بهینه سازی هاب انرژی 3. PSO تجزیه شده 4. ارائه 5. نتیجه گیری

چکیده – هاب انرژی به مفهوم مهمی برای بهینه سازی زیرساخت های انرژی چندکاناله تبدیل شده تا کارایی و انعطاف پذیری سیستم افزایش یابد. حضور ذخایر انرژی در هاب های انرژی امکان هماهنگی پویای عرضه و تقاضای انرژی در برابر تعرفه های متغیر انرژی و تولیدات تجدیدپذیر محلی به منظور صرفه جویی در هزینه های انرژی را فراهم می کند. هزینه طول عمر باتری را می توان در تابع هدف بهینه سازی گنجاند تا استفاده بهتری از باتری در بلند مدت داشت. با این حال، بهینه سازی عملیاتی یک سیستم هاب انرژی متصل شده با طول عمر باتری مفروض، یک سری مسائل غیرمحدب، چند دوره ای، بسیار محدود ایجاد می کند. این مقاله، بهینه سازی ازدحام ذرات (PSO) را در ترکیب با یک روش عددی ارائه داده که بیشتر به روش تجزیه اشاره دارد. این روش، مسأله بهینه سازی پیچیده را به یک سری مسائل فرعی، با عنوان برنامه ریزی ذخیره سازی و المان های دیگر در سیستم هاب انرژی تقسیم می کند و این مسائل را با استفاده از PSO و روش عددی نقطه داخلی به طور جداگانه حل می کند. در نتیجه این روش به معایب روش های عددی و الگوریتم های هوش مصنوعی غلبه می کند که همگرایی را تنها به نقطه مینیمم محلی یا زمان محاسبات سنگین محدود می کند. رویکرد جدید روی یک سیستم دو هابه نمونه و سیستم سه هابه نمونه در افق زمانی 24 ساعته اعمال شده است. این روش همچنین روی یک سیستم یازده هابه بزرگ اعمال شده تا عملکرد این روش را تست کرده و کاربردهای بالقوه آن را بررسی کند. نتایج نشان می دهند که این روش قادر است تا به نقطه مینیمم کلی نزدیک شود و رویکرد تحلیلی را تأیید کند، همچنین این روش به اندازه کافی سریع است تا امکان پیاده سازی آنلاین، با کاهش افق زمانی را فراهم کند.

The Energy Hub has become an important concept for formally optimizing multi-carrier energy infrastructure to increase system flexibility and efficiency. The existence of energy storage within energy hubs enables the dynamic coordination of energy supply and demand against varying energy tariffs and local renewable generation to save energy cost. The battery lifetime cost may be included in the optimization objective function to better utilize battery for long term use. However, the operational optimization of an interconnected energy hub system with battery lifetime considered presents a highly constrained, multiperiod, non-convex problem. This paper proposes Particle Swarm Optimization (PSO) hybridised with a numerical method, referred to collectively as the decomposition technique. It decouples the complicated optimization problem into sub-problems, namely the scheduling of storage and other elements in the energy hub system, and separately solves these by PSO and the numerical method ‘interior-point’. This approach thus overcomes the disadvantages of numerical methods and artificial intelligence algorithms that suffer from convergence only to a local minimum or prohibitive computation times, respectively. The new approach is applied to an example two-hub system and a three-hub system over a time horizon of 24 h. It is also applied to a large eleven-hub system to test the performance of the approach and discuss the potential applications. The results demonstrate that the method is capable of achieving very near the global minimum, verified by an analytical approach, and is fast enough to allow an online, receding time horizon implementation.