دانلود ترجمه مقاله زمانبندی منابع انرژی پراکنده در ریزشبکه با استراتژی‌ قیمت‌ گذاری بازار برق

1. مقدمه 2. فرمول بندی مدیریت انرژی ریز شبکه 3. الگوریتم های بهینه سازی ترکیبی 4. آزمایش نتایج سیستم 5. نتیجه گیری

چکیده – بررسی های صورت گرفته حاکی از آن است که صعود ناگهانی در زمینه تقاضای ریزشبکه یکی از جوانب مهم انتقال انرژی در آینده محسوب می شود که این امر اساسا به دلیل دخالت منابع انرژی تجدیدپذیر است که به کاهش انتشار گازهای سمی از ژنراتورهایی با سوخت فسیلی منجر می شود. لازم به ذکر است که حالت متصل به شبکه عملیات ریزشبکه، اقتصادی ترین و قطعی ترین حالت سرویس است که در آن شبکه به طور فعال در زمینه خرید و فروش برق مشارکت کرده و به کاهش هزینه تولید سیستم ریزشبکه منجر می شود. این موارد در دو سیستم ریزشبکه با ولتاژ پایین متفاوت، به صورت متوالی برای تامین هزینه تولید سیستم‌ ها به کار گرفته می‌ شوند و در نتیجه ارزان ‌ترین استراتژی را در میان آنها اتخاذ می‌ نمایند. شایان ذکر است که بهینه ساز گرگ خاکستری (GWO) با ترکیب استراتژیهای الگوریتم سینوس- کسینوس مبتنی بر جمعیت به همراه روش به روز رسانی موقعیت کلاغ‌ ها از الگوریتم جستجوی کلاغ (CSA) برای تشکیل الگوریتم ترکیبی بهینه ساز خاکستری اصلاح شده الگوریتم جستجوی سینوس- کسینوس (GWOSCSA) قابل دسترس است. همچنین پیاده سازی تکنیک پیشنهادی به کاهش هزینه کلی ژنراتور سیستم ریزشبکه منجر می شود. نتایج بدست آمده حاکی از آن است که هنگامیکه استراتژی قیمت‌گذاری بازار مبتنی بر زمان استفاده (TOU) در نظر گرفته شد، هزینه تولید حداقل بوده است. همچنین، یافته های بدست آمده حاکی از آن است که مشارکت شبکه پویا در تولید سیستم برای همان سناریو در مقایسه با حالتی که شبکه به صورت انفعالی عمل میکرده است، 47% کاهش یافته است. همچنین تحلیل آماری پیشرفت های GWOSCACSA را در مقایسه با سایر الگوریتم‌ های ارائه شده در به روزترین مقالات مورد تائید قرار می دهد.

The upsurge in microgrid demand is an important aspect of imparting energy in future primarily because of the involvement of renewable energy sources, which alleviates the emission of toxic gases from fossil fuelled generators. The grid-connected mode of microgrid operation is the most economical and definitive mode of service wherein the grid is actively involved in the buying and selling of power prompting diminished generation cost of microgrid system. These cases, pertaining to two different low voltage microgrid systems, are applied consecutively for obtaining the generation cost of the systems and thus devise the cheapest strategy among them. The Grey Wolf Optimizer (GWO) is improvised by incorporating strategies from population-based Sine Cosine Algorithm (SCA) along with position updating methods of crows from Crow Search Algorithm (CSA) to form a hybrid modified Grey Wolf Optimizer Sine Cosine Algorithm Crow Search Algorithm (GWOSCACSA) algorithm. The implementation of the proposed technique produces a comprehensive generator cost reduction of the microgrid system. It was evident from the results that generation cost was minimum when Time of Usage (TOU) based market pricing strategy was considered. Further, it was also established that dynamic grid participation was reduced 47% in the system generation cost for the same scenario compared to the case when the grid was operating passively. The statistical analysis endorses the improvements of GWOSCACSA over other algorithms presented in the state-of-art-literature.