دانلود ترجمه مقاله زمان بندی بهینه نیروگاه های PV متصل به شبکه با ذخیره سازی انرژی

1. مقدمه 2. طراحی کنترل 3. مدل نیروگاه 4. مسأله بهینه سازی 5. نتایج 6. نتیجه گیری

چکیده – ادغام انرژی خورشیدی در بازار برق با یک سری چالش های مربوط به ماهیت زمان متغیر انرژی حاصل از خورشید مواجه می باشد. استفاده از ذخیره انرژی در قالب راه حلی فنی برای این مسائل ظهور یافته و امکانات جدیدی را برای ادغام نیروگاه های فتوولتائیک (PV) در بازار برق ایجاد کرده است. این مقاله مسأله ادغام نیروگاه های PV در بازار برق را مورد بررسی قرار داده و راه حلی برای زمان بندی بهینه سیستم ارائه داده که امکان مشارکت در بازارهای روزانه را فراهم می کند. به منظور انجام زمان بندی مناسب، برآورد خوبی از قیمت های انرژی در قالب پارامترهای اساسی سیستم انجام شده است. این مقاله همچنین یک الگوریتم پیش بینی قیمتی ارائه داده که قیمت ها را در افقی یک روزه و مبتنی بر داده های تاریخچه قیمتی و اطلاعات هواشناسی ارائه می دهد. توسعه استراتژی زمان بندی با استفاده از کنترل پیش بینی مدل (MPC) و با در نظر گرفتن محدودیت های عملیاتی انجام شده است. روش های MPC امکان به حداکثر رسانی مزایای اقتصادی نیروگاه PV با استفاده از انرژی ذخیره شده در باتری ها را فراهم می کند. برخی از نتایج استفاده از روش پیش بینی قیمت و استراتژی زمان بندی در نیروگاه PV مستقر در سویل (اسپانیا) ارائه شده است. اطلاعات آب و هوایی و قیمت برقبه طور عمومی در دسترس قرار گرفته و توسط اپراتور سیستم اسپانیایی عرضه شده است.

The integration of solar energy in the electricity market faces some challenges related to the time-varying nature of energy coming from the sun. The use of energy storage emerges as a technological solution to these problems and opens new possibilities for the integration of photovoltaic (PV) plants in the electrical market. This paper addresses the problem of integration of PV plants in the electricity market, providing a solution for an optimal scheduling, which allows the plant to participate in the daily and intraday markets. In order to perform a proper scheduling, a good estimation of energy prices is of paramount importance. The paper proposes also a price forecast algorithm that provides prices in a one-day horizon, based on price historical data and meteorological information. The development of the scheduling strategy is carried out using Model Predictive Control (MPC) and taking into account operational constraints. The MPC techniques allow maximizing the economic benefit of the PV plant manipulating the energy stored and extracted from the batteries. Some results of the application of the price forecasting approach and the scheduling strategy to a simulated PV plant located in Seville (Spain) are presented. The weather data and electricity prices are publicly available, supplied by the Spanish System Operator.