دانلود رایگان ترجمه مقاله پخش اقتصادی چند دوره ای برای مدیریت تقاضای انعطاف پذیر در زمان واقعی – IEEE 2016

دانلود رایگان مقاله انگلیسی پخش بار اقتصادی چند دوره ای غیرمتمرکز برای مدیریت بلادرنگ تقاضای انعطاف‌پذیر به همراه ترجمه فارسی

 

عنوان فارسی مقاله پخش بار اقتصادی چند دوره ای غیرمتمرکز برای مدیریت بلادرنگ تقاضای انعطاف‌پذیر
عنوان انگلیسی مقاله Decentralized Multi-Period Economic Dispatch for Real-Time Flexible Demand Management
رشته های مرتبط مهندسی برق، سیستم های قدرت، مهندسی الکترونیک و مکاترونیک
کلمات کلیدی بهینه سازی توزیع شده، پخش بار اقتصادی، وسیله نقلیه الکتریکی، بازار انرژی، شارش بهینه توان، شبکه هوشمند
فرمت مقالات رایگان

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

کیفیت ترجمه کیفیت ترجمه این مقاله متوسط میباشد 
نشریه آی تریپل ای – IEEE
مجله یافته ها در حوزه سیستم های قدرت – Transactions on Power Systems
سال انتشار ۲۰۱۶
کد محصول F675

مقاله انگلیسی رایگان (PDF)

دانلود رایگان مقاله انگلیسی

ترجمه فارسی رایگان (PDF)

دانلود رایگان ترجمه مقاله

خرید ترجمه با فرمت ورد

خرید ترجمه مقاله با فرمت ورد
جستجوی ترجمه مقالات جستجوی ترجمه مقالات مهندسی برق

  

فهرست مقاله:

چکیده
I. مقدمه
A. بررسی ساختار مسئله
B. دستاوردها
II. فرمول بندی مسئله متمرکز ایده آل
A. قیود شبکه
B. قیود تولید
C. قیود تقاضا
D. جفت سازی قیدها
II. فرمول سازی و غیرمتمرکز سازی
A. ساده سازی مسئله
B. ساختار تجمیع کننده بازار برق
IV. تجزیه سازی
V. نتایج و بحث و بررسی
A. مورد تست پایه
B. مقیاس پذیری زمانی
C. مقیاس پذیری شبکه چالش های پیاده سازی
D. هماهنگ سازی
V. نتیجه گیری
پیوست

 

بخشی از ترجمه فارسی مقاله:

I. مقدمه
پخش بار اقتصادی مکانیزم اصلی استفاده شده در یک روش کارامد اقتصادی برای شناسایی بلادرنگ نقاط کار عملیاتی همه ی دستگاه های کنترل پذیر متصل به سیستم قدرت است. در فرم سنتی اش به طور گسترده شامل ژنراتورهای (نیروگاه های) متداول متعهد (درمدارقرارگرفته شده)، تولید و تقاضای تجدید پذیر شناخته شده، می باشد و می توانست به خوبی با یک مسئله قطعی که معمولا یک دوره کوتاه زمانی را پوشش می دهد تقریب زده شود. به هرحال این موضوع هنگامی که تقاضای معوقه درنظرگرفته شود به عنوان یک ابزار کسب شده از یک انرژی خریداری شده در زمان حال توسط یک وسیله نقلیه الکتریکی یا یک واحد ذخیره سازی که به قیمت انرژی در آینده وابسته است، تغییر می‌کند که معمولا توسط واحدهای بزرگ تولید واقع در حوزه انتقال شناسایی می‌گردد. درحالی که هم اکنون برخی از اپراتورهای سیستم از مکانیزم هایی در پخش بار اقتصادی استفاده می‌کنند که به ۲ ساعت پیش نگاه می‌کنند [۱] که این احتمالا یک دوره کافی از زمان برای برنامه ریزی یک وسیله نقلیه الکتریکی یا یک وسیله ذخیره سازی نیست. همانطور که در مرجع [۲] نشان داده شده است، عدم هماهنگی کافی بین تصمیمات انتقال تقاضا و برنامه ریزی تولید می تواند نوسانات قیمت انرژی مازاد را نتیجه دهد. همچنین تقاضای انعطاف پذیر مازاد (عمدتا در فرم وسایل نقلیه الکتریکی) فشار قابل توجهی برروی زیرساخت موجود توزیع قدرت خواهد گذاشت. درنتیجه تجارت تعدیل (تعدیل سازی شبکه) باید نه تنها قیمت و مقدار بهینه معاملات انرژی برای گام زمانی جاری را شناسایی کند (همانطور که در حال حاضر هست)، بلکه یک گواه خوب از تاثیر انتقال تقاضا برروی مقدار انرژی در آینده نزدیک را فراهم کند. علاوه براین، باید قیود (محدودیت ها) و خصوصیات شبکه های توزیع را ادغام کند. به طور کلی ساختار سنتی مسئله پخش بار اقتصادی باید تغییر کند. به طور طبیعی دو سوال اساسی پیش می آید: فرمول بندی (ساختن و نوشتن معادلات) چگونه است و چگونه می‌توان آن را حل کرد.
A. بررسی ساختار مسئله
درواقع تعداد کمی از مقالات مسئله ی تقاضای انعطاف پذیر و هماهنگی تولید را در نظر گرفته اند، اما نه در یک زمینه تجارت تعدیل. رویکردهای متمرکز در مراجع [۳] تا [۶] برروی چیدمان واحدهای تولید تمرکز دارند. مرجع [۷] یک فرمول بندی محدب شده ی (دارای جواب) قطعی از جریان بهینه قدرت را در حوزه انتقال شامل ذخیره سازی ارائه می دهد. درحالی که ساختار بهینه سازی چنددوره ای مربوط به این مقالات مستله مارا پوشش می دهد، روش های حلشان اینگونه نیست. آن ها با توجه به بعد مسئله ازطریق تقریب ها و با استفاده از تجمع تقاضاهای حوزه انتقال کار می کنند. بنابراین درنظر گرفتن قیود (محدودیت های) شبکه توزیع غیرممکن است. مشکل ابعاد می تواند با رویکردهای راه حل توزیع شده برطرف گردد. مراجع [۸] و [۹] طرح ملایم سازی لاگرانژین را بدون هرگونه درنظرگرفتن محدودیت های شبکه ارائه می دهند رویکرد ارائه شده در مرجع [۱۰] این کاررا انجام داده است اما تقاضای انعطاف پذیر و یا محدودیت ها را در حوزه توزیع در نظر نگرفته است. بعد از آن نیز در مرجع [۱۱] همینگونه است که یک مکانیزم بروزآوری قیمت را برای بهبود سرعت همگرایی مسئله استاندارد ملایم سازی لاگرانژین پیشنهاد می دهد. به هر حال همگرایی می تواند منجر به پیدایش چند نقطه بهینه گردد و هیچ نشانه واضحی از عملکرد بهتر در مقایسه با سایر روش های توزیع که یک مسئله توسعه داده شده لاگرانژین را تجزیه می کنند، وجود ندارد. یک روش ابتکاری جایگزین برای بروزرسانی قیمت ها همراه با یک طرح ملایم سازی لاگرانژین در مرجع [۱۲] پیشنهاد شده است که شامل تعریف حدود اختیاری برای انعطاف پذیری (آزادی عمل) کاربرواقعی می گردد. درهرحال آن مقاله برروی هماهنگی دستگاه همراه با یک ریزشبکه تمرکز می کند و هماهنگی بعدی با باقی مانده ی سیستم قدرت را درنظر نمی گیرد. مرجع [۱۳] یک ساختار سلسه مراتبی دو سطحی را برای برنامه ریزی وسایل نقلیه الکتریکی پیشنهاد می کند اما محدودیت های شبکه توزیع را شامل نمی گردد. هیچکدام ار این شش مقاله طبیعت احتمالاتی (تصادفی) مسئله را درنظر نمی گیرند. بُعد عدم قطعیت در مرجع [۱۴] در نظر گرفته شده است که یک رویکرد افق گردشی (چرخشی) را پیشنهاد می کند. این کار به طور طبیعی تجارت تعدیل را پوشش می دهد که هر چند دقیقه پاک سازی می گردد. هرچند که آن کار از یک مدل پخش بار نامتعادل همراه با جزئیات برای شبکه توزیع استفاده می کند اما هماهنگی آن با حوزه انتقال را در نظر نمی گیرد. به علاوه نیاز به چنین مدل هایی با جزئیات بالا برای دوره های زمانی بهینه سازی توجیه پذیر نیست، پس عملیات کمی وجود خواهند داشت، به عنوان مثال بهینه سازی تلفات یا ولتاژ هنگامی که پراکندگی تقاضای وابسته به گره (منظور نقاط تولید یا مصرف است) بالا است. یک ساختار مسئله نزدیک به آنچه که مرجع [۱۵] پیشنهاد می دهد یعنی یک مدل زمان-گسسته، با جزئیات مدل سازی سیستم متغیر وابسته به درجه عدم قطعیت، گزینه بهتری به نظر می آید. درهرصورت آن مقاله برروی چیدمان واحدهای تولید تمرکز کرده است و تقاضای انعطاف پذیر یا محدودیت های شبکه توزیع را درنظر نمی‌گیرد.

بخشی از مقاله انگلیسی:

I. INTRODUCTION

THE economic dispatch is the basic mechanism used to determine close to real-time the operating set-points of all controllable devices connected in the power system in an economically efficient way. In its traditional form it largely involves committed conventional generators, known renewable generation and demand, and could well be approximated by a deterministic problem typically covering a short period in time. However this changes when deferrable demand is taken into consideration, as the utility gained by a unit of energy purchased by an electric vehicle (EV) or storage unit now, depends on the price of energy in the future, which is typically determined by the large generating units located at the transmission level. While currently some system operators use economic dispatch mechanisms that look up to 2 hours ahead [1], this is probably not an adequate period of time to schedule an EV or a storage device. As [2] has shown, insufficient coordination between demand shifting decisions and generation scheduling can result in increased energy price volatility. In addition the increased flexible demand (mainly in the form of EVs) will put considerable strain on existing power distribution infrastructure. Consequently the balancing market should not only determine the price and optimal amount of energy trades for the current time-step (as it currently does) but also provide a good indication of the demand shifting impact on the value of energy in the near future. Furthermore, it would have to incorporate the constraints and peculiarities of distribution networks. Overall the structure of the traditional ED problem has to change. Naturally two fundamental questions come up: what is the formulation and how could it be solved.

A. Investigating the Problem Structure

A small number of papers have indeed considered the flexible demand and generation coordination problem, but not in a balancing market context. The centralized approaches in [3, 4, 5, 6] focus on unit commitment (UC). Reference [7] presents a transmission-level deterministic convexified OPF formulation including storage. While the multi-period optimization structure of these papers fits our problem, the solution approaches themselves do not. Due to the problem size they work through approximations by transmission-level demand aggregation. Thus taking into account distribution network constraints is out of the question. The difficulty of scale could be overcome through distributed solution approaches. References [8, 9] present Lagrangian Relaxation (LR) based schemes, without however taking into account any network constraints. The approach in [10] does, but does not consider flexible demand or constraints at the distribution level. The latter is also the case for [11], which proposes a price-update mechanism to improve standard LR convergence speed. However convergence can lead to suboptimal points and there is no clear indication of better performance compared to other distributed methods that decompose an augmented Lagrangian. An alternative heuristic method for updating prices within a LR scheme is proposed in [12], which involves defining arbitrary limits to actual user flexibility. That paper focuses on device coordination within a microgrid however, and does not consider coordination of the latter with the rest of power system. Reference [13] proposes a two-level hierarchical structure for scheduling EVs but does not include distribution network constraints. None of these six papers considers the stochastic nature of the problem. The aspect of uncertainty is considered in [14], which pro poses a rolling horizon approach. This fits naturally to the balancing market which is cleared every few minutes. While that work uses a detailed unbalanced load flow model for the distribution network, it does not consider its coordination with the transmission level. In addition the need for such highly detailed models for all optimization periods is not justified, as there would be little point in e.g. optimizing losses or voltage when nodal demand variance is high. A problem structure closer to what [15] suggests, i.e. a discrete time model, with varying system modeling detail depending on the degree of uncertainty, seems a better option. That paper however focuses on unit commitment and does not consider flexible demand or distribution network constraints.