دانلود ترجمه مقاله بهره برداری و برنامه ریزی بهینه هاب انرژی با در نظر گرفتن الگوریتم پاسخ به تقاضا

1. مقدمه 2. مدلسازی 3. الگوریتم و روش حل مساله 4. نتایج و شبیه سازی 5. نتیجه گیری

چکیده – در این پژوهش، ساختار دو سطحی برنامه ریزی و بهره برداری بهینه از «هاب انرژی» (EH) براساس عدم قطعیت تقاضا و منابع انرژی تجدیدپذیر (RES)، ارائه می شود. برنامه ریزی بهینه براساس مدل های اتفاقی-احتمالاتی در بهره برداری اولیه و بهینه براساس مدل های اتفاقی-احتمالی نیز در سطح ثانویه، ارائه می شود. روش پیشنهادی براساس روش حل مسئله در فضای پیوسته و گسسته، برنامه ریزی می شود. اهداف برنامه ریزی بهینه شامل تعیین ظرفیت بهینه تجهیزات EH و کمینه سازی هزینه های سرمایه گذاری است. همچنین اهداف بهره برداری بهینه براساس کمینه سازی هزینه بهره برداری EH، کاهش آلودگی های گاز گلخانه ای، افزایش بهره برداری از RES براساس مدل سازی اتفاقی-احتمالاتی و بررسی اثر پاسخ تقاضا/پاسخ تقاضای یکپارچه (DR/IDR)، برنامه ریزی و فرموله می شوند. پیاده سازی برنامه های DR باعث کاهش 14.3 درصدی هزینه کلی EH می شود و همچنین پیاده سازی برنامه های IDR باعث کاهش 16.56 درصدی هزینه کلی EH می شود. استفاده از مدل دو سطحی بهینه پیشنهادی علاوه بر بازده سناریوهای بهره برداری مختلف نیز زمان محاسبات را کاهش داد. این مسئله بهینه سازی براساس «برنامه ریزی خطی عدد صحیح مختلط» (MILP) و الگوریتم ژنتیک ترکیبی کد واقعی باینری (HRBC-GA)، حل می شود.

In this research, the two-level structure of optimal planning and operation of the energy hub (EH) based on demand uncertainty and renewable energy resources (RES) is presented. The optimal planning based on stochastic-probability models is presented at the primary and optimal operation based on stochastic-probability models is also presented at the secondary level. The proposed method is planned based on the problem-solving approach in continuous and discrete space. The optimal planning objectives include determining the optimal capacity of EH equipment and minimizing investment costs. Optimal operation objectives are also planned and formulated based on minimizing EH operation cost, reducing greenhouse gas emissions, increasing RES utilization based on stochastic-probability modelling, and examining the demand response/integrated demand response (DR/IDR) effect. The DR programs implementation causes a reduction of 14.3% of the EH total cost, and the IDR programs implementation also causes a reduction of 16.56% of the EH total cost. The use of the proposed optimal two-level model, in addition to efficiency in different operation scenarios, has also reduced the calculation time. The optimization problem is solved based on Mixed Integer Linear Programming (MILP) and Binary Real-Coded Hybrid Genetic Algorithm (HRBC-GA).