دانلود ترجمه مقاله برنامه ریزی انرژی و رزرو ریزشبکه هوشمند به همراه پاسخگویی به تقاضا

1. مقدمه 2. معماری اندازه گیری پیشرفته ریزشبکه 3. مشارکت کنندگان پاسخ به تقاضا 4. مدلسازی تولید خورشیدی و بادی 5. فرمول بندی برنامه ریزی تصادفی 6. مطالعه موردی 7. نتیجه گیری

چکیده – مشارکت سمت تقاضا، یکی از مهم ترین منابعی است که به اپراتور کمک می کند تا تولید و مصرف را با هزینه پایین تر و امنیت بالاتر برنامه ریزی کند. مشتریان می توانند در برنامه ریزی عملیاتی انرژی و رزرو مشارکت کرده و با کاهش یا تغییر مصرف خود، از مزایای آن بهره مند گردند. در این مقاله، یک روش برنامه ریزی انرژی و رزرو تصادفی نوین برای یک ریزشبکه (MG) ارائه شده که می تواند انواع مختلف برنامه های پاسخ به تقاضا (DR) را در نظر بگیرد. در رویکرد پیشنهادی، همه مشتریان اعم از مسکونی، تجاری و صنعتی می توانند در برنامه های پاسخ به تقاضا شرکت داشته باشند، برنامه هایی که برنامه ریزی انرژی و رزرو در آن مدنظر قرار گرفته است. همچنین، عدم قطعیت های مرتبط با تولید پراکنده تجدیدپذیر با استفاده از توابع توزیع احتمال مناسب مدلسازی شده و به واسطه رزرو ارائه شده توسط DGها و بارها، مدیریت شده است. روش پیشنهادی روی یک سیستم MG معمولی شامل انواع مختلف بارها و واحدهای تولید پراکنده مورد تست قرار گرفته است. نتایج نشان می دهند که استفاده از برنامه های پاسخ به تقاضا می تواند هزینه های عملیاتی کلی یک MG را کاهش داده و استفاده موثرتر از منابع انرژی را تعیین کند.

Demand side participation is one of the important resources that help the operator to schedule generation and consumption with lower cost and higher security. Customers can participate in both energy and reserve operational scheduling and earn benefit from reducing or shifting their consumption. In this paper, a novel stochastic energy and reserve scheduling method for a microgrid (MG) which considers various type of demand response (DR) programs is proposed. In the proposed approach, all types of customers such as residential, commercial and industrial ones can participate in demand response programs which will be considered in either energy or reserve scheduling. Also, the uncertainties related to renewable distributed generation are modeled by proper probability distribution functions and are managed by reserve provided by both DGs and loads. The proposed method was tested on a typical MG system comprising different type of loads and distributed generation units. The results demonstrate that the adoption of demand response programs can reduce total operation costs of a MG and determine a more efficient use of energy resources.

بخشی از ترجمه مقاله (صفحه 19 فایل ورد ترجمه)