دانلود ترجمه مقاله یک مدل بهینه سازی غیردقیق برای مدیریت عملیاتی پایدار سیستم برق منطقه ای با در نظر گرفتن منابع تجدیدپذیر یکپارچه

1. مقدمه 2. روش تحقیق 3. مطالعه موردی 4. آنالیز نتایج و بررسی 5. نتیجه گیری

چکیده – در این مطالعه، یک برنامه ریزی فازی تصادفی دو مرحله ای غیر دقیق (ITSFP) برای طرح ریزی تولید توان منطقه ای با در نظر گرفتن خاصیت تناوبی و فازی خروجی توان انرژی های تجدیدپذیر ارائه شده است؛ ITSFP برنامه ریزی پارامتری داخلی (IPP)، برنامه ریزی تصادفی دو مرحله ای (TSP)، و برنامه ریزی محدود اعتبار فازی (FCCP) را در یک چارچوب بهینه سازی کلی ترکیب می کند که می تواند بر عدم قطعیت های بیان شده در قالب فواصل، توزیع های احتمالی، و مجموعه های فازی غلبه کند. روش ارائه شده روی یک سیستم توان الکتریکی منطقه ای در افق بهینه سازی یک روزه همراه با کنترل آلودگی هوا اعمال شده است. طرح های تولید توان، برق وارداتی، و هزینه سیستم تحت اهداف محیطی مختلف و اولویت های ریسک نیز آنالیز شده اند. نتایج حاصل نشان می دهند که این مدل می تواند ارتباطی بین طرح تولید توان الکتریکی از قبل تعریف شده و مفاهیم اقتصادی مربوطه و نیز جایگزین های تصمیمات معقولانه تر را برای تصمیم گیرندگان با استفاده از حذف محدودیت های سیستم در سطح اطمینان مشخص ارائه دهد. علاوه بر این، فازی بودن خطای پیش بینی مربوط به تنوع منابع انرژی تجدیدپذیر را می توان به طور مؤثری انعکاس داد. علاوه بر این، نتایج برای بررسی تبادل بین اقتصاد سیستم و ریسک سیستم مفید و کاربردی می باشند.

In this study, an inexact two-stage stochastic fuzzy programming (ITSFP) is developed for regional power generation planning with considering the intermittency and fuzziness of renewable energy power output. ITSFP incorporates interval-parameter programming (IPP), two-stage stochastic programming (TSP), and fuzzy credibility constrained programming (FCCP) within a general optimization framework which can tackle uncertainties expressed as intervals, probability distributions, and fuzzy sets. The developed method is applied to a regional electric power system over a one-day optimization horizon coupled with air pollution control. The power generation schemes, imported electricity, and system cost under various environmental goals and risk preferences are analyzed. The obtained results indicate that the model can provide a linkage between predefined electric power generation schedule and the relevant economic implications, as well as more reasonable decision alternatives for decision makers by loosening system constraints at specified confidence level. Besides, the fuzziness of forecast error corresponding to the variability of renewable energy resources could be effectively reflected. Moreover, the results are useful for addressing the trade-off between system economy and system risk.