دانلود ترجمه مقاله مدیریت قابلیت اطمینان احتمالی در سیستم های ذخیره انرژی

1. مقدمه 2. فرمولاسیون مساله 3. روش پیشنهادی 4. مطالعه موردی 5. نتیجه گیری

چکیده – سیستم های ذخیره انرژی (ESS ها)، ادواتی مفید برای حصول اطمینان از عملکرد مطمئن ریزشبکه ها بخصوص ریزشبکه هایی با نفوذ زیاد انرژی های تجدیدپذیر، می باشند. بهره برداری از ریزشبکه ارتباط زیادی به برنامه زمانی واحدهای ESS دارد. بنابراین، در این مقاله، الگوریتم جدیدی برای زمان بندی ESS برای مدیریت MG به نحو مطمئن، توصیه شده است. بخاطر اینکه ملاحظه قابلیت اطمینان و کمینه سازی هزینه، اهداف متعارضی در زمان بندی ESS دارند، مسئله بهینه سازی چندهدفی باید برای زمان بندی بهینه ESS حل شود. استراتژی های بهره برداری مختلفی مورد ملاحظه قرار گرفتند و تاثیرشان بر زمان بندی ESS در ریزشبکه مورد بررسی قرار گرفته اند. برای ملاحظه صحیح عدم قطعیت های مرتبط با مسئله زمان بندی چند هدفی، مدل های احتمالاتی برای پارامترهای شبکه ارائه شده اند و به صورت مسائل «برنامه ریزی خطی عدد صحیح مختلط» (MILP)، بیان شده اند. از الگوریتم بهینه سازی مبتنی بر یادگیری تعلیمی مرتب سازی غیرغالب (NSTLBO) برای حل مسئله MO استفاده شد. برنامه ریزی زمانی در افق های هفتگی و روزانه در مدهای ریزشبکه متصل به شبکه/جزیره ای، انجام شد. با پیاده سازی این روش برروی یک سیستم آزمون IEEE 33 شین اصلاح شده، نتایج اثربخشی طرح پیشنهادی برای بهبود قابلیت اطمینان MG ها را تایید می کنند.

Energy storage systems (ESSs) are useful devices to ensure the reliable operation of microgrids especially those with high penetration of renewable energies. The microgrid operation is highly associated with scheduling of ESS units. Therefore, in this paper, a new algorithm for ESS scheduling has been suggested in order to manage MG in a reliable manner. Because reliability considering and cost minimization are conflicting objectives in ESS scheduling, the multi-objective optimization problem should be solved for optimal scheduling of ESS. Different operating strategy have been considered and their impact on ESS scheduling in the microgrid has been investigated. In order to properly consider the uncertainties associated with the multi-objective scheduling problem, probabilistic models have been presented for the parameters in the network and they are expressed as mixed integer linear programming (MILP) problems. Non-dominated sorting teaching learning-based optimization (NSTLBO) algorithm is employed to solve the MO problem. Scheduling plan is performed on both weekly and daily horizons in connected/islanding microgrid modes. By implementing this method on a modified 33-bus IEEE test system, the results endorse the effectiveness of the proposed scheme for enhancing the reliability of MGs.