دانلود ترجمه مقاله مدل تصادفی برای مدیریت منابع انرژی با در نظر گرفتن پاسخ به تقاضا

1. مقدمه 2. مدل تصادفی 3. سیستم تست 4. نتایج و بررسی 5. نتیجه گیری

چکیده – منابع انرژی تجدیدپذیر مانند بادی و خورشیدی در شبکه های توزیع و ریزشبکه ها به طور فزاینده ای اهمیت یافته اند و این موضوع با حفظ حضور آنها بیشتر می گردد. آنها به کاهش کربن سیستم های قدرت کمک می کنند و از سوی دیگر، متناوب بدون و متنوع بودن این منابع، چالش هایی جدی برای عملکرد شبکه ایجاد می کند. در عین حال، بارهای انعطاف پذیرتر، تولیدات پراکنده و سیستم های ذخیره سازی انرژی به طور فزاینده ای مورد استفاده قرار می گیرند. علاوه بر این، خودروهای الکتریکی به دلیل تقاضای متغیر، زمان حرکت و موقعیت فیزیکی، تنش بیشتری روی سطح عدم اطمینان تحمیل می کنند. این مقاله یک مسأله تصادفی دو مرحله برای زمان بندی منابع انرژی فرمول بندی کرده تا چالش های ناشی از تقاضا، منابع تجدیدپذیر، خودروهای الکتریکی، و عدم قطعیت در قیمت های بازاری را مورد خطاب قرار دهد. هدف روش پیشنهادی، به حداقل رسانی هزینه عملیاتی مورد انتظار گردآورنده انرژی است و بر اساس برنامه ریزی تصادفی می باشد. یک مطالعه موردی واقع بینانه با استفاده از یک شبکه توزیعی واقعی با 201 باس از زاراگوزا، اسپانیا ارائه شده است. نتایج، اثربخشی و کارایی مدل تصادفی را در مقایسه با فرمول بندی قطعی نشان می دهند و اثبات می کنند که پاسخ به تقاضا می تواند نقش مهمی در کاهش عدم قطعیت بازی کند.

Renewable energy resources such as wind and solar are increasingly more important in distribution net-works and microgrids as their presence keeps flourishing. They help to reduce the carbon footprint ofpower systems, but on the other hand, the intermittency and variability of these resources pose seri-ous challenges to the operation of the grid. Meanwhile, more flexible loads, distributed generation, andenergy storage systems are being increasingly used. Moreover, electric vehicles impose an additionalstrain on the uncertainty level, due to their variable demand, departure time and physical location. Thispaper formulates a two-stage stochastic problem for energy resource scheduling to address the chal-lenge brought by the demand, renewable sources, electric vehicles, and market price uncertainty. Theproposed method aims to minimize the expected operational cost of the energy aggregator and is basedon stochastic programming. A realistic case study is presented using a real distribution network with201-bus from Zaragoza, Spain. The results demonstrate the effectiveness and efficiency of the stochasticmodel when compared with a deterministic formulation and suggest that demand response can play asignificant role in mitigating the uncertainty.