دانلود ترجمه مقاله زمانبندی انرژی برای سیستم انرژی یکپارچه مبتنی بر مدل هاب انرژی

1. مقدمه 2. مدل سیستم و فرمولبندی مساله 3. موجودیت و منحصر به فرد بودن تعادل استاکلبرگ 4. الگوریتم 5. نتایج و بحث و بررسی 6. نتیجه گیری

با توسعه سریع فنآوریهای اطلاعات و تولید انرژی، سیستم انرژی یکپارچه چند سطحی (IES) با چندین تامین کننده انرژی و کاربران نهایی، شدیداً در سطح جهان ترویج یافته است. در این مطالعه، برنامه ریزی انرژی برای یک IES سه سطحی با بکار گیری روش بازی استاکلبرگ سلسله مراتبی مورد بررسی قرار می گیرد. IES از یک شرکت برق و یک شرکت گاز طبیعی (سطح بالا)، چندین هاب انرژی هوشمند ساختار یکسان (هاب های S.E.) که می توانند بطور همزمان برق و حرارت تولید کنند (سطح میانی)، و چندین کاربر (سطح پایین)، تشکیل شده است. با بکار گیری تابع لاگرانژ، استراتژی های عملکردی همه شرکت کنندگان در بازار با راهکارهای تحلیلی استخراج می شوند و سپس بوسیله الگوریتم غیرمتمرکز توسعه یافته در این مطالعه، تایید می شوند. نتایج شبیه سازی نشان می دهند که افزایش تعداد هاب های S.E.، قیمت انرژی دریافتی توسط کاربران را کاهش می دهد، تقاضای انرژی را افزایش می دهد و سود یا منفعت هر S.E. را کاهش می دهد؛ بنابراین، هر هاب S.E. به دنبال تجمع با هاب های S.E دیگر تا آنجا که ممکن است، تلاش می کند. پیشرفت فنآوری یک استراتژی موثر برای هاب های S.E. تا رسیدن به بالاتر از رقابت بازار، می باشد؛ بنابراین، هاب های S.E. که سطوح فنی آنها کمتر از سطوح دیگران هستند، عدم مزیتشان مشهود است.

With the rapid development of information and energy generation technologies, the multi-level integrated energy system (IES) with multiple energy suppliers and end users has been vigorously promoted globally. In this study, the energy scheduling for a three-level IES is investigated by applying the hierarchical Stackelberg game approach. The IES is composed of one electricity utility company and one natural gas utility company (upper level), multiple same-structured smart energy hubs (S.E. hubs) that can produce electricity and heat simultaneously (middle level), and multiple users (lower level). By applying the Lagrange’s function, the operation strategies of all market participants are derived with analytical solutions, which are verified by a decentralized algorithm developed in this study. Simulation results show that the increase in the number of S.E. hubs decreases the energy prices received by users, increases the energy demands, and decreases the profit of each S.E. hub; therefore, each S.E. hub strives to crowd out other S.E. hubs as much as possible. Technological advancement is an effective strategy for S.E. hubs to rise above the market competition; therefore, S.E. hubs whose technological levels are lower than those of others are at an obvious disadvantage.