دانلود رایگان ترجمه مقاله توربین های بادی و پانل های فتوولتائیک (آی تریپل ای 2014)

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

A. مدل سرعت باد و خروجی توربین بادی
قدرت خروجی توربین بادی WT بستگی به سرعت باد و پارامترهای توربین بادی که در زیر بیان شده است دارد[14] ضرایب A، B، و C تنهابه VCI، VR، و VCO بستگی دارد[14. داده های ساعتی سرعت باد به صورت یک فرایند بازشگت به عقب مورد نیاز است که برای ساخت مدل هم به طور مستقیم [15] نیاز می باشد، سپس شبیه سازی های متعدد به ترتیب زمانی با استفاده از پروفیل سرعت باد مصنوعی که جایگزین VT در (1) می باشد صورت میگیرد. این روش در ساختار کلی زیر مشخص شده است.

B. مدل تابش خورشیدی و خروجی پانل های فتوولتائیک
در این مدل تابش خورشیدی روزانه و فصلی دوره ای تحت تاثیر قرار می گیرد. چنین دوره تناوب می توان به طور جداگانه مدل و ترکیب شود که در آخرین مرحله به کار گرفته می شود. در این راستا تبدیل فوریه را تعریف می کنند که همه الگوهای دوره ای را در نظر میگیرد[17] و این در حالی است که سری های زمانی دسته مشخصه تصادفی با یک فرایند مثلا ARMA (Pرا به کار میگیرد. [18] 1- تحولات فوریه μF و σF تابش خورشیدی روزانه میانگین و انحراف استاندارد بردار σ حاوی جزء فرکانس نشان دهنده دوره تناوب فصلی می باشد. یکی دیگر از تبدیل فوریه زوج برای تنوع ساعتی شامل قسمت هارمونیک می باشد، و در الگوریتم یاد شده به کار بسته می شود.
2- با بردار باقی مانده ثابت و با استفاده از μF و σF در (2)، انجام یک فرایند خودکار پسرونده از درجه 1،صورت می گیرد
3- پروفیل تابش فصلی و روزانه مصنوعی خورشیدی GT می توان به طور جداگانه با استفاده از μF و σF در (4) محاسبه شود. گام نهایی ادغام هر دو مدل تناوب به یکی می باشد که از مدل تابش خورشیدی مناسب ساعتی بهره میگیرد. باز هم، می توان آن را معتبر با NRMSD و NMBD [17] دانست. یک مثال از یک نوع مشخصات خروجی پانل فتوولتائیک مصنوعی در شکل 3 نشان داده شده است.

C. بار توزیع و مدل تقاضای
بارهای شبکه های توزیع شهری را می توان در طبقه بندی انواع مسکونی، اداری، و تجاری [12] قرار داد. نمودارشان دارای یک منحنی تقاضا می باشد که انرژی خاص عوامل استفاده، مانند آب و هوا، رشد جمعیت و توسعه اقتصادی در. IEEE-RBT را نشان می دهد. حداکثر نمودار به صورت جداگانه با ترکیب قابلیت اطمینان تست انجام شده بر سیستم معیین می شود که بر اساس مشخصات فصلی و روزانه می باشد [20]، ارقام پیش بینی سالانه رشد تقاضا درمنحنی های بار ساعت و با در نظر گرفتن نوع بار مشخصه یابی می شود[21].بنابراین، شبیه سازی مونت کارلو در حفظ رفتار تقاضا به صورت واقع گرایانه عمل کرده و صحت در نتایج بهبود می یابد. با درنظر گرفتن استرالیا و نعطوف کردن توجه به گزارش های ملی درباره تقاضای انرژی، طرح ریزی خانه ، بودجه دولت ، و بخش عمومی [22]، رشد سالانه ارقام 2013 یک پیش بینی برای شبیه سازی در این مطالعه می دهد که عبارتند از: تقاضای انرژی 2.9٪، تعدادی از مشتریان (خانه) 2.13٪، تجاری 4٪، و عمومی نهادی 3.04٪ می باشد که یا دقت کافی برداشت شده است.

D. دارایی های برق و مدل های اجزای
DG ها درک فابل توجی از مدل های چند حالته با نرخ شکست توزیع نمایی دارند که به صورت تصاعدی و یا لگ توزیع نرمال بارمی باشند [10]. در این مدل قطع کننده مدار، فیوز و سوئیچ قطع ارتباط در نظر گرفته می شود که به طور کامل درحوضه قابلیت اعتماد دستگاه های مورد استفاده می باشد.

E. قطع مدل هزینه های انرژی
هزینه های جاری در هر رویداد شکست بستگی زیادی به نوع بار دارد وهمچنین به محل، مدت گسل، واز همه مهمتر به وضعیت بازاروابسته است. هر زمان که آمار دولتی به روز در دسترس نیست، مطالعات علمی به خوبی به پیشبرد کمک می کند و [13] به عنوان یک مستند برای استفاده مرجع در نظر گرفته می شود. این مدل شامل یک ماتریس از ضرر و زیان های پولی در مقابل مدت زمان وقفه برای هر توزیع نوع بارمی باشد.

4. شبیه سازی مونت کارلو
شبیه سازی مونت کارلو با تولید ساعتی پروفیل یک تاریخ مصنوعی بیش از n سال و دوره معین برای هر جزء سیستم کار میکند که با نمونه مدت زمان رویکرد هر جز همراه است. سپس شاخص قابلیت اطمینان آنی میانگین و توزیع های احتمال را می توان محاسبه کرد و تجزیه و تحلیل متعاقب را به دقت انجام داد که در واقع، شاخص میانگین (6) در تصمیم گیری حیاتی هستند و همچنین فرآیندهای مذکوربرای حمایت از طرح های سرمایه گذاری جدید به کار بسته می شوند.
که در آن n تعداد سال (آزمایش) است، Xi شاخص ارزش سالانه در سالi می باشد، و XMC به متوسط سالانه است. شرایط اولیه از مساله از آن جمله هستند که شامل: الف) افزایش تقاضای پویا ، ب) ظرفیت DG ثابت، ج) امکان پذیری ذخیره سازی انرژی می باشند. ورودی الگوریتم برنامه ریزی محدودیت های نشان داده شده در جدول دوم را دارا می باشد، که به نوعی دارایی ها و مدل های DG، تقاضا و قطع مدل هزینه های انرژی و توپولوژی از شبکه IEEE-RBTS نیز از آن جمله می باشند.