دانلود ترجمه مقاله برنامه ریزی بهینه بارهای کنترل شده متراکم از لحاظ ترمو استاتیکی با تولید انرژی تجدید پذیر

1. مقدمه 2. شرح مسأله 3. مدل سازی بارهای کنترل شده ترمواستاتیکی 4. زمان بندی دو سطحی بارهای کنترل شده ترمواستاتیکی جمع اوری شده با تولید تجدیدپذیر در بازارهای برق روزانه 5. مطالعه موردی 6. نتیجه گیری

چکیده – در این مقاله یک روش برنامه ریزی دو سطحی جدید ارائه شده که به جمع آوری کننده در زمان بندی بهینه بارهای کنترل شده ترمواستاتیکی انعطاف پذیر با انرژی های تجدید پذیر به منظور تنظیم بازار برق روزانه کمک می کند. روش پیشنهادی مزایای اقتصادی همه مصرف کنندگان در زمینه جمع آوری را به حداکثر رسانده و به ایجاد تعادل تمایزات ساعتی بین عرضه و تقاضای سیستم قدرت کمک می کند زیرا قیمت های بازار برق روزانه، نیاز سیستم قدرت را منعکس می کنند. در برنامه ریزی دو سطحی پیشنهادی، سطح بالاتر مربوط به بهینه سازی کنترل پیش بینانه مدل است که در آن هدف تابع هدف، به حداقل رسانی مجموع هزینه های مربوط به ظرفیت و انرژی عدم تعادل بوده و محدودیت ها بر مبنای مدل تعادل انرژی پیشنهادی هستند در حالی که سطح پایین تر، کنترل لیست اولویت دمای معمول (TPL) را نشان می دهد. نتایج شبیه سازی، اعتبار روش پیشنهادی را تأیید کرده و تأثیرات فاکتورهای اساسی را ارزیابی می کنند. در حالت پایه، 41.64 درصد از هزینه های نامتعادل در مقایسه با کنترل مبتنی بر TPL مرجع صرفه جویی می شوند. علاوه بر این، سه نتیجه گیری کلی نیز به دست آمده است: (a) روش پیشنهادی عمدتاً هزینه های نامتعادل را با کاهش پیک نامتعادل ذخیره می کند، برای مکان هایی با قیمت ظرفیتی بالای نامتعادل مناسب می باشد؛ (b) عدم تجانس پارامتری، عملکرد روش پیشنهادی را تحت تأثیر قرار می دهد، و روش مقدار متوسط تنها با مقدار ناهمگنی کم عمل می کند؛ (c) عملکرد روش پیشنهادی با افزایش عدم قطعیت پیش بینی بدتر می گردد ولی در حالت کنترل مبتنی بر TPL معمول بهتر عمل می کند عدم قطعیت پیش بینی شده خیلی قوی باشد.

A novel two-level scheduling method was proposed in this paper, which helps an aggregator optimally schedule its flexible thermostatically controlled loads with renewable energy to arbitrage in the intraday electricity market. The proposed method maximizes the economic benefits of all the prosumers in the aggregation, and naturally helps balance intra-hour differences between supply and demand of the bulk power systems because the prices of the intraday electricity market reflects the need of the bulk power systems. In the proposed two-level scheduling, the upper level is a model predictive control optimization, of which the objective function is to minimize the sum of energy and capacity cost of imbalances and the constraints are thermal constraints based on a proposed energy-balanced model, while the lower level adopts the typical temperature priority list (TPL) control. Simulation results verified the validity of the proposed method and evaluated the effects of important influencing factors. In the base case, 41.64% imbalance cost was saved compared to the reference TPL-based control. Moreover, three further conclusions were drawn: (a) the proposed method mainly saves the imbalance cost by reducing imbalance peak, thus being suitable for places with high capacity price for imbalances; (b) parameter heterogeneity affects the performance of the proposed method, and average value method performs well only with low heterogeneity; (c) the performance of the proposed method worsens with the increase of forecast uncertainty, but keeps better than that of typical TPL-based control unless the forecast uncertainty gets very strong.