دانلود ترجمه مقاله استراتژی زمانبندی کوتاه مدت برای هاب انرژی مبتنی بر باد

1. مقدمه 2. زمان بندی هاب انرژی مبتنی بر بهینه سازی ترکیبی IGDT و تصادفی 3. نتایج شبیه سازی و بحث و بررسی 4. نتیجه گیری

چکیده – این مقاله، مساله زمانبندی برای سیستم هاب انرژی شامل توربین بادی، واحدهای ترکیبی حرارت و توان، بویلرهای جانبی، و دستگاه های ذخیره سازی انرژی را از طریق رویکرد ترکیبی نظریه تصمیم گیری شکاف اطلاعاتی (IGDT) و تصادفی مورد ارزیابی قرار داده است. با توجه به اینکه هاب انرژی، نقش غیرقابل اجتنابی را در قالب ترکیب میان زیرساخت های انرژی مختلف ایفا می نماید، هنوز هم ضروری است تا از هر دو جنبه مدلسازی و زمانبندی مورد بررسی قرار گیرد. از سوی دیگر، نفوذ تولید توان بادی نیز به طور چشم گیری در سال های اخیر در زیرساخت های انرژی افزایش یافته است. در پاسخ به این موضوع، هدف این مقاله، تمرکز بر روش بهینه سازی ترکیبی IGDT و تصادفی برای زمانبندی بهینه هاب انرژی ادغام شده با باد با در نظر گرفتن عدم قطعیت تولید توان بادی، قیمت های انرژی و تقاضای انرژی به روشی است که هم رویکرد بهینه جهانی حاصل گردد و هم حجم محاسبات تقلیل یابد. علاوه بر این، با استفاده از مدل ترکیبی پیشنهادی، اپراتور هاب انرژی می تواند دو استراتژی مختلف را برای رویارویی با عدم قطعیت قیمتی دنبال کند، یعنی، استراتژی ریسک پذیر و استراتژی ریسک گریز. این روش، مساله زمانبندی هاب انرژی را در یک محیط نامطمئن با استفاده از برنامه ریزی غیرخطی عدد صحیح بهینه سازی می کند. این فرمولبندی برای به حداقل رسانی هزینه عملیاتی مورد انتظار از هاب انرژی پیشنهاد شده است که در آن، تقاضاهای مختلف انرژی هاب باید به شکلی کارآمد برآورده گردد. خطاهای پیش بینی عدم قطعیت مربوط به تولید توان بادی و تقاضای انرژی در قالب یک سناریو مدلسازی شده است، در حالی که یک رویکرد بهینه سازی IGDT برای مدلسازی عدم قطعیت قیمت برق پیشنهاد شده است.

This paper evaluates the scheduling problem for energy hub system consisting of wind turbine, combined heat and power units, auxiliary boilers, and energy storage devices via hybrid stochastic/information gap decision theory (IGDT) approach. Considering that energy hub plays an undeniable role as the coupling among various energy infrastructures, still it is essential to be investigated in both modeling and scheduling aspects. On the other hand, penetration of wind power generation is significantly increased in energy infrastructures in recent years. In response, this paper aims to focus on the hybrid stochastic/IGDT optimization method for the optimal scheduling of wind integrated energy hub considering the uncertainties of wind power generation, energy prices and energy demands explicitly in a way that not only global optimal solution can be reached, but also volume of computations can be lighten. In addition, by the proposed hybrid model, the energy hub operator can pursue two different strategies to face with price uncertainty, i.e., risk-seeker strategy and risk-averse strategy. This method optimizes energy hub scheduling problem in uncertain environment by mixed-integer nonlinear programming. This formulation is proposed to minimize the expected operation cost of energy hub where different energy demands of energy hub would be efficiently met. The forecast errors of uncertainties related to wind power generation and energy demands are modeled as a scenario, while an IGDT optimization approach is proposed to model electricity price uncertainty.