دانلود ترجمه مقاله برنامه ریزی بهینه سیستم های قدرت حرارتی-بادی-خورشیدی

1. مقدمه 2. برنامه ریزی بهینه با RER ها و ذخیره سازی: فرمولاسیون مسئله 3. سیستم انرژی بادی 4. سیستم انرژی خورشیدی 5. نتایج شبیه سازی و بحث 6. نتیجه گیری

چکیده – ادغام منابع انرژی تجدید پذیر (RER) به شبکه برق مشکل بسیار چالش برانگیزی به دلیل ماهیت متناوب آنها می باشد. این مقاله یک مساله زمان بندی مطلوب را با در نظر گرفتن سیستم تولید ترکیبی حل می کند. اجزای اصلی سیستم قدرت هیبریدی شامل ژنراتور حرارتی معمولی، مزارع بادی و فتوولتائیک (PV)، و ماژول های صفحات خورشیدی با باتری است. مشکل اصلی در کار مزرعه بادی یا نیروگاه PV خورشیدی این است که این RERها نمی توانند به همان شیوه ای که ژنراتور معمولی برنامه ریزی می شود کار کنند، زیرا آنها درگیر عوامل آب و هوایی مانند سرعت باد و تابش خورشیدی هستند. این مقاله یک استراتژی جدید برای مشکل برنامه ریزی بهینه با در نظر گرفتن تاثیر عدم قطعیت در باد، PV خورشیدی و پیش بینی تقاضای بار پیشنهاد می کند. نتایج شبیه سازی برای سیستم IEEE 30 و 300 باس با الگوریتم ژنتیک (GA) و روش ارزیابی دو نقطه ای (2PEM) به دست آمده است تا اثر استراتژی برنامه ریزی بهینه ارائه شده را آزمایش کند. نتایج برای سیستم نمونه با GA و روش برآورد دونقطه‌ای براساس جریان برق بهینه و GA و شبیه سازی مونت کارلو (MCS) به دست آمده است تا اثربخشی روش پیشنهادی را تعیین کند. برخی از نتایج نیز با روش نقطه داخلی مقایسه شده است. از مطالعات شبیه سازی، می توان مشاهده کرد که با یک افزایش در هزینه های برنامه تولید یک روز پیش رو، کاهش قابل توجهی در هزینه ها به معنای هزینه های تعدیل به دست می آید.

The incorporation of renewable energy resources (RERs) into electrical grid is very challenging problem due to their intermittent nature. This paper solves an optimal scheduling problem considering the hybrid generation system. The primary components of hybrid power system include conventional thermal generators, wind farms and solar photovoltaic (PV) modules with batteries. The main critical problem in operating the wind farm or solar PV plant is that these RERs cannot be scheduled in the same manner as conventional generators, because they involve climate factors such as wind velocity and solar irradiation. This paper proposes a new strategy for the optimal scheduling problem taking into account the impact of uncertainties in wind, solar PV and load demand forecasts. The simulation results for IEEE 30 and 300 bus test systems with Genetic Algorithm (GA) and Two-Point Estimate Method (2PEM) have been obtained to test the effectiveness of the proposed optimal scheduling strategy. Results for sample systems with GA and two-point estimate based optimal power flow, and GA and Monte Carlo Simulation (MCS) have been obtained to ascertain the effectiveness of proposed method. Some of the results are also compared with the Interior Point method. From the simulation studies, it can be observed that with a marginal increase in the cost of day-ahead generation schedule, a substantial reduction in real time mean adjustment cost is obtained.