راهبرد زمان بندی الکتریسیته برای سیستم مدیریت انرژی خانه با انرژی تجدیدپذیر و ذخیره باتری: یک مطالعه موردی

Electricity scheduling strategy for home energy management system with renewable energy and battery storage: a case study

چکیده
1-مقدمه
1-1 انگیزه و هدف
1-2 مرور منابع
1-3 مشارکت و سازمان
2- مدل سیستم
2-1 مدل های دستگاه های الکتریکی
2-3 مدل باتری باتری
2-4 مدل EV
3- اهداف برنامه ریزی
4- طراحی MCIP-GA
4-1 الگوریتم طراحی
4-2 پردازش محدودیت
5 – مثال تجزیه و تحلیل
5-1 تجزیه و تحلیل نتایج شبیه سازی
5-2 مقایسه الگوهای مختلف کاری
5-3 عملکرد الگوریتم
5-4 تحلیل حساسیت
6- نتیجه گیری

چکیده
 با توسعه شبکه هوشمند، مصرف انرژی نقش مهمی در بازار برق ایفا می کند، اگرچه سیستم مدیریت انرژی خانه پتانسیل زیادی برای کمک به حفظ انرژی دارد. در این مطالعه، پایداری و بهره برداری کامل از انرژی تجدید پذیر اثبات می شود. بر طبق ترکیب الگوریتم ژنتکی باطری و روش برنامه نویسی عدد صحیح، یک GA پیشرفته پیشهاد می شود که هدف آن حداقل سازی خرید برق و بیشینه سازی استفاده از انرژی تجدید پذیر است. در نهایت می توان گفت که روش پیشهادی در صرفه جویی هزینه و کاهش پسماند انرژی مهم است. تاثیر دستگاه های ذخیره سازی بر روی سیستم و حساسیت پاسخ تقاضا و صرفه جویی هزینه، اندازه باطری و قیت برق نیز تحلیل می شود.
1. مقدمه
اخیرا مصرف انرژی به سرعت افزایش یافته است. مصرف انرژی در محل اقامت و کسب و کار به 20 تا 40 درصد از کل مصرف انرژی جهان در دهه آینده افزایش خواهد یافت و نقش تعیین کننده ای در بازار برق ایفا خواهد کرد . با استفاده از مفهوم شبکه هوشمند، عادت مصرف انرژی برای مشتریان و روش های اندازه گیری انرژی الکتریکی به طور اساسی تغییر خواهد کرد. در زمینه اولویت به صرفه جویی در انرژی، لازم است که به دستیابی به هوش لوازم خانگی، که تشویق و کمک به مشتریان به استفاده از قدرت برق منطقی است. پاسخ تقاضا (DR) برای افزایش تعامل بین شبکه و کاربر توسط سیگنال قیمت و مکانیزم انگیزه معرفی می شود [2[ . DR به معنی آن است که هنگامی که کاربران راهنمایی های دریافت شده توسط شرکت تامین برق را دریافت می کنند، الگوی مصرف خود را تغییر خواهند داد. بدین معنی است که بارها را برای کاهش پایداری سیستم قدرت [3] کاهش یا تاخیر می اندازند، زمانی که قابلیت اطمینان سیستم قدرت با چالش مواجه می شود .
مدیریت انرژی در خانه توجه بیشتری را با افزایش تقاضای انرژی خانوار جذب می کند. (سیستم مدیریت انرژی خانه HEMS) از سنسورها برای یافتن انرژی اضافی و کنترل لوازم خانگی استفاده می کند تا به هدف صرفه جویی در مصرف انرژی دست یابند، که در نتیجه، صرفه جویی در مصرف انرژی خانوادگی و زندگی راحت می شود. این تاثیر عمیقی بر کاهش زباله های انرژی، بهبود بهره وری انرژی و تغییر مفهوم صرفه جویی در انرژی دارد. HEMS با استفاده از برنامه ریزی مطلوب و روش های پیشرفته کنترل برای به حداکثر رساندن صرفه جویی در انرژی و رضایت مشتری را تضمین می کند. مهم است که الگوریتم های هوشمند کارآمد و عملی را برای حل مسئله زمانبندی مطلوب HEMS مهم بدست آوریم.

Abstract

With the development of smart grid, energy consumption on residence will play an important role in the electricity market, while the Home Energy Management System (HEMS) has huge potential to help energy conservation. In this study, a practical HEMS model with renewable energy, storage devices and plug-in electric vehicles, considering the battery sustainability and the full utilisation of the renewable energy, is first established. Then, according to the combinations of the genetic algorithm (GA) and the multi-constrained integer programming method, an improved GA is proposed, which goal is to minimise the electricity purchase and maximise the renewable energy utilisation. Finally, it is demonstrated by an example that the proposed method is significant in cost saving and reducing energy wastes. To verify the performances of the proposed algorithm, the numerical results indicate that the proposed algorithm has high computational efficiency and good robustness. In addition, it can avoid the disadvantages easy to trap at a local optimal point, and are insensitive to initial solutions. The effect of the storage device on system property and the sensitivity of cost savings versus demand response, size of the battery, and the electricity price sell to the grid are also analysed.

1. Introduction

With the development of smart grid, energy consumption on residence will play an important role in the electricity market, while the Home Energy Management System (HEMS) has huge potential to help energy conservation. In this study, a practical HEMS model with renewable energy, storage devices and plug-in electric vehicles, considering the battery sustainability and the full utilisation of the renewable energy, is first established. Then, according to the combinations of the genetic algorithm (GA) and the multi-constrained integer programming method, an improved GA is proposed, which goal is to minimise the electricity purchase and maximise the renewable energy utilisation. Finally, it is demonstrated by an example that the proposed method is significant in cost saving and reducing energy wastes. To verify the performances of the proposed algorithm, the numerical results indicate that the proposed algorithm has high computational efficiency and good robustness. In addition, it can avoid the disadvantages easy to trap at a local optimal point, and are insensitive to initial solutions. The effect of the storage device on system property and the sensitivity of cost savings versus demand response, size of the battery, and the electricity price sell to the grid are also analysed.

راهبرد زمان بندی الکتریسیته برای سیستم مدیریت انرژی خانه با انرژی تجدیدپذیر و ذخیره باتری: یک مطالعه موردی

Electricity scheduling strategy for home energy management system with renewable energy and battery storage: a case study

شبیه ساز بار مسکونی هوشمند برای مدیریت انرژی در شبکه های هوشمند

Smart Residential Load Simulator for Energy Management in Smart Grids

چکیده
مقدمه
شبیه ساز بار مسکونی هوشمند
الف: خانوار
ب: تهویه کننده مطبوع
پ: کوره
ث: هیتر آب
اجاق گاز
روشنایی
یخچال
خشک کن
ماشین ظرفشویی (DW)
لباس شویی
پمپ مخزنی
منابع تولید محلی
نتایج و بحث
پروفیل بار خانه
کاربرد های SLRS
نتیجه گیری

چکیده
 این مقاله به توصیف توسعه شبیه ساز بار مسکونی هوشمند برای تسهیل مطالعه سیستم های مدیریت انرژی مناطق مسکونی در شبکه های هوشمند می پردازد. ابزار پیشنهادی بر اساس جعبه ابزار های راهنمای سیمولینک متلب بوده و یک مجموعه کاملی از اینترفیس ها و رابط های گرافیکی کاربرپسند را برای مدل سازی و مطالعه ترموستات های هوشمند، تهویه کننده ها، کوره ها، هیتر های آبی، اجاق، ظرف شویی ها، خشک کن ها، لامپ ها، پمپ ها و یخچال ها ارایه می کند که مدل های آن ها با اندازه گیری های واقعی ارزیابی و اعتبار سنجی می شود. تولید انرژی باد و خورشیدی و همچنین منابع باتری نیز مدلسازی شده و تاثیر متغیرهای مختلف مانند دمای محیط و سطوح فعالیتهای خانوار که به میزان قابل توجهی در مصرف انرژی نقش دارند، مورد توجه قرار گرفته است. شبیه ساز پیش ساز اجازه می دهد تا مدل هایی را که دستگاه ها مصرف انرژی می کنند و به درک اینکه چگونه این ها به تقاضای پیک، هزینه مصرف انرژی و مصرف انرژی فردی و کل را کمک می کنند. علاوه بر این، ارزش و تاثیر نیروی تولید شده توسط منابع مسکونی برای یک افق 24 ساعته تعیین می شود. این پلت فرم نرم افزار رایگان یک ابزار مفید برای محققان و مربیان برای تایید و نمایش مدل برای مدیریت انرژی و بهینه سازی است و همچنین می تواند توسط مشتریان مسکونی برای مدل سازی و درک پروفایل مصرف انرژی در خانوارها استفاده شود. برخی از نتایج شبیه سازی برای نشان دادن عملکرد و کاربرد شبیه ساز پیشنهاد شده ارائه شده است.
1. مقدمه
شبکه های هوشمند با منابع انرژی تجدید پذیر، مزایای اقتصادی و زیست محیطی زیادی را فراهم می کنند. توانایی شبکه هوشمند برای بهبود بهره وری، استفاده بهتر از دارایی های موجود، افزایش قابلیت اطمینان و کیفیت قدرت، کاهش وابستگی به انرژی وارداتی و به حداقل رساندن اثرات زیست محیطی، یک نیروی بازار است که ارزش اقتصادی قابل توجهی دارد [1]. این شبکه ها سریع رشد می کنند، اما اگر این رشد پایدار باشد، ارزش آن باید برای همه ذینفعان، به ویژه مصرف کنندگان مسکونی، روشن شود. بخش دوم بخش مهمی از تقاضای برق است؛ برای مثال، در سال 2016، بخش مسکونی تقریبا 20 درصد از تقاضای انرژی برق در انتاریو کانادا را به خود اختصاص می دهد [2]. همچنین مصرف برق مسکونی در ایالات متحده 22 درصد کل مصرف انرژی در سال 2015 بود [3]، و مقادیر مشابهی برای اتحادیه اروپا در سال 2016 گزارش شده است [4].
سیستم های گرمایش / سرمایشی فضایی، آبگرمکن، یخچال و فریزر، ماشین ظرفشویی، واشر پارچه، خشک کن، نورپردازی و محدوده پخت و پز شایع ترین وسایل موجود در بخش مسکونی هستند [2] – [4]. گرمایش، تهویه و تهویه مطبوع (HVAC) و بخاری آب دستگاه های مصرف انرژی عمده هستند. بنابراین، کنترل تقاضای برق خانگی مسکونی می تواند تاثیر قابل توجهی در کاهش تقاضای پیک و بهینه سازی مصرف انرژی داشته باشد که می تواند در خانه های هوشمند و هوشمند با سیستم های اتوماسیون برای کنترل بارهای مسکونی انجام شود. [5] [6].
مطالعات متعددی در ادبیات درباره پیش بینی روش های بارگیری و بهینه سازی برای مدیریت انرژی گزارش شده است، زیرا بعضی از لوازم به راحتی می توانند به کاهش هزینه و مصرف انرژی بدون تأثیر بر راحتی مشتری کمک کنند. به عنوان مثال، یک مدل برای به حداقل رساندن بار پیک با برنامه ریزی پمپ های استخر، تهویه هوا و بخاری آب (WH) در [7] پیشنهاد شده است. یک مدل برنامه ریزی خطی مختلط ترکیبی به منظور به حداقل رساندن هزینه انرژی و افزایش راحتی مشتریان با در نظر گرفتن تاثیر سیگنال های قیمت بر روی خانوار است. بعضی از پروژه ها با برنامه ریزی HVAC و / یا بخاری آب با استفاده از تکنولوژی ترموستات بی سیم برای بهینه سازی هزینه ها و راحتی حرارتی، همانطور که در [8] تمرکز می کنند.
منابع [9] – [15] روش های مختلف ایجاد مدل های بار بار در دستگاه را برای اهداف مدیریت بار، بر اساس داده های آماری برای پیش بینی شکل بار تقاضا، کشف می کنند. چند مدل و شبیه ساز برای مدل سازی سیستم های HVAC و ساختمان ها طراحی شده است. به عنوان مثال، نرم افزار EnergyPlus 16 که انرژی حرارتی را در ساختمان ها مدل می کند، امکان تحلیل تاثیر سیستم های تهویه مطبوع و روشنایی در ساختمان ها از منظر حرارتی، اما برای تعیین پروفایل بار الکتریکی خانوارها، از جمله تاثیر لوازم و دیگر بارهای ساختمان و منابع محلی در تقاضای برق خود. نرم افزار تجاری HVAC CHVAC حداکثر بارهای گرمایش و خنک سازی ساختمان های تجاری را محاسبه می کند [17]. برنامه برنامه برای مهندسین هوا و تهویه (APACHE) یک رابط کاربر گرافیکی برای تجزیه و تحلیل عملکرد حرارتی و استفاده از انرژی ساختمان است. [18] هیچ یک از ابزارهای مدل سازی موجود دیگر وسایل دیگر را در نظر نمی گیرند و برخی از آنها برای استفاده آسان نیست. از این رو، نیاز به شبیه سازهای کاربر پسند برای درک اینکه چگونه وسایل ارتباط برقرار کردن با یکدیگر در رابطه با مصرف انرژی وجود دارد، و نیز تسهیل مطالعه و استفاده از مدل های ریاضی برای EMS خانه، که هدف اصلی از کار ارائه شده در اینجا . شبیه ساز ارائه شده می تواند محاسبات پروفیل های بار از ساختمان ها را که می تواند توسط سایر شبیه ساز ها مانند هومر [19] استفاده شود، جایی که بار الکتریکی به عنوان یک ورودی برای طراحی میکروگرید های دیزلی قابل تجدید هیبریدی استفاده می شود.

Abstract

This paper describes the development of a freeware smart residential load simulator to facilitate the study of residential energy management systems in smart grids. The proposed tool is based on MATLAB-Simulink-GUIDE toolboxes and provides a complete set of user-friendly graphical interfaces to properly model and study smart thermostats, air conditioners, furnaces, water heaters, stoves, dishwashers, cloth washers, dryers, lights, pool pumps, and refrigerators, whose models are validated with actual measurements. Wind and solar power generation as well as battery sources are also modeled, and the impact of different variables, such as ambient temperature and household activity levels, which considerably contribute to energy consumption, are considered. The proposed simulator allows modeling of appliances to obtain their power demand profiles, thus helping to determine their contribution to peak demand, and allowing the calculation of their individual and total energy consumption and costs. In addition, the value and impact of generated power by residential sources can be determined for a 24-h horizon. This freeware platform is a useful tool for researchers and educators to validate and demonstrate models for energy management and optimization, and can also be used by residential customers to model and understand energy consumption profiles in households. Some simulation results are presented to demonstrate the performance and application of the proposed simulator.

1. Introduction

S MART grids coupled with renewable energy resources can yield significant economic and environmental benefits. The smart grid’s ability to improve efficiency, make better use of existing assets, enhance reliability and power quality, reduce dependence on imported energy, and minimize environmental impacts is a market force that has substantial economic value [1]. These grids are growing fast, but if this growth is to be sustained, their value must become more clear to all stakeholders, especially residential consumers. The latter are an important part of electricity demand, since for example, the residential sector accounted near 20% of the electrical energy demand in Ontario, Canada in 2016 [2]; also, residential energy consumption in the US was 22% of the total consumed energy in 2015 [3], and similar values were reported for the European Union in 2016 [4].

Space heating/cooling systems, water heaters, refrigerators, dishwashers, cloth washers, dryers, lighting, and cooking ranges are the most common appliances in the residential sector [2]–[4]. Heating, ventilation, and air conditioning (HVAC) and water heaters are major energy consumption devices. Therefore, controlling the residential end-use electricity demand can have a significant impact on reducing the peak demand and optimize energy consumption, which can be accomplished in smart or intelligent homes with automation systems to control residential loads [5], [6].

Several studies have been reported in the literature on the prediction of load-shape and optimization methods for energy management, since some appliances can be easily scheduled to reduce energy cost and consumption without affecting customer comfort. For instance, a model to minimize the peak load by scheduling pool pumps, air conditioner and water heaters (WH) is proposed in [7]; a mixed integer linear programming model is developed to minimize the energy cost and maximize customers’ comfort while taking into account the influence of price signals on the household. Some projects focus on scheduling the HVAC and/or water heater by making use of wireless thermostat technology to optimize costs and thermal comfort, as in [8].

References [9]–[15] explore different ways of creating appliance-level load models for load management purposes, based on statistical data to predict the load-shape of the demand. Several models and simulators have been developed to model HVAC systems and buildings. For example, the EnergyPlus software [16], which models thermal energy in buildings, allows analyzing the impact of HVAC and lighting systems in buildings from a thermal perspective, but it has not been designed for determining electrical load profiles of households, including the impact of appliances and other building loads and local sources on its electricity demand. The Commercial HVAC (CHVAC) software calculates the maximum heating and cooling loads for commercial buildings [17]. The Applications Program for Air-Conditioning and Heating Engineers (APACHE) is a graphical user interface to analyze thermal performance and energy use of buildings [18]. None of the existing modeling tools take into account other appliances and some are not easy to use. Hence, there is a need for user-friendly simulators to understand how appliances interact with each other with respect to energy consumption, as well as facilitate the study and application of mathematical models for home EMSs, which is the main purpose of the work presented here. The presented simulator allows computing load profiles of buildings that could be used by other simulators such as Homer [19], where electric load is used as an input for the design of hybrid diesel-renewable microgrids.

شبیه ساز بار مسکونی هوشمند برای مدیریت انرژی در شبکه های هوشمند

Smart Residential Load Simulator for Energy Management in Smart Grids

سیستم چند عاملی برای مدیریت انرژی مشارکتی در ریزشبکه ها

Multi Agent System for cooperative energy management in microgrids

Abstract

In the last years the microgrid are emerged as the key component able to increase the efficiency, reliability, and sustainability of traditional electrical infrastructures. Micro distribution systems aggregate small, modular renewable power source, distributed storage and local loads as autonomous entities that can exchange power with the traditional electricity if operating in connected mode. A prime task in microgrid operation is the dynamic balance of local supply and power demand due to the intermittent nature of renewable energy resource and the variability of load demand during the day. However the power transfer among each microgrid and the main grid is always associated with a cost due to the loss of power over the distribution line. In this paper, a multi-agent systems (MAS) for the optimal coordination of multiple distributed energy resources is presented. The agents, associated with each microgrid, implement a cooperative strategy to minimise the power loss over the distribution lines and to maximise the economic income by sharing the surplus of the generated power between the microgrids belonging to the same coalition. The simulation results show the effectiveness of the proposed control strategy demonstrating that the MGs payoff increases up to 30% when microgrids cooperate to gain the power balance.

I. BACKGROUND

The smart grids are the evolution of the traditional power grid in a complex and more interconnected cyber-physical system, which optimizes asset utilization and improves power quality operating resiliently against system disturbances and faults [1]-[3]. These challenges need the development of:

– advanced monitoring and communication systems to collect data for timely decision making;

– renewable energy sources, located at a distribution level, to defer the construction of new plants and transmission lines;

– distributed artificial intelligence systems for demand management and control of energy bills.

With respect to these goals, microgrids are emerged as a potential way to supply customer and critical loads with the energy locally produced offering considerable control capabilities [4]. In fact, microgrids are defined as complex systems at LV or MV distribution network comprising small power generators, energy conversion devices, intelligent static control switches and confined cluster of loads. The microgrids generally work as controlled single entities within the traditional electricity grid and can operate as a small source of power or an aggregated load according to the required local power needs. Clearly, microgrids require smart control architectures to manage the uncertainty of renewable power generation and the hourly fluctuations of energy demand with high reliability and cost effectiveness.

This paper discusses the development of a Multi-Agent System (MAS) for the control and dispatch of the power flows within a district of the distribution network including N microgrids linked to the primary substation of a public utility grid. The microgrids (MG) agents interact each-other to find the optimal feeder reconfiguration that allows to redistribute locally the energy surplus of the microgrids, minimizing the burden on the main grid and the technical losses [5] in a cost effective way.

The logic control of the MG agents is designed to implement a TU-cooperative game enabling the formation of coalitions between microgrids to achieve the power balance. This approach allows the primary advantage to distribute decision making capabilities facilitating dynamic demand response. Moreover, the asynchronous operation of the agents and the distributed energy management allow microgrids to easily leave or enter each coalition as conditions permit. This leads to an improvement of the overall reliability of the distribution network, an increment of resiliency to faults and accelerate service restoration.

The proposed MAS for cooperative energy management is simulated using the middleware JADE (Java agent development Environment) by TILAB (Telecom Italy Lab) for the development of distributed multi-agent applications based on peer-to-peer communication architectures [6]. This middleware allows distributing the intelligence, the initiative and the control on different terminals in order to implement the parallel interactions between peers (called agents) with different behaviours in compliance with the FIPA (Foundation for Intelligent Physical Agents) standards [7] [8]. JADE enables the communications between the agents both in wireless or wireline networks allowing the exchange of asynchronous messages.

Results from simulation studies show the effectiveness of the approach followed in designing the proposed MAS for the cooperative distributed power management of the microgrids located in the same geographical area of a smart grid. The rest of the work is organized as follows. The second section briefly presents the model for the distribution network, the MAS components and the control strategy based on a TU game. The third section describes the study environment and the main experimental results. The fourth section is devoted to conclusions.

یک سیستم مدیریت انرژی مبتنی بر MAS برای یک ریزشبکه مستقل در ارتفاع بالا

An MAS based energy management system for a stand-alone microgrid at high altitude

موارد برجسته
چکیده
1  مقدمه
2  پروژه ریزشبکه ترکیبی PV-آبی کوچک
3  روش مدیریت انرژی مبتنی بر MAS
3-1  مناقصه مجازی
3-2  اعزام توان پویا
4  پیاده سازی ریزشبکه EMS
4-1  پلت فرم شبیه سازی RTDS-PXI زمان واقعی
4-2  ساختار و پیاده سازی MAS
5  شبیه سازی دیجیتال زمان واقعی عملیات ریزشبکه
5-1  شبیه سازی لحظه ای مورد اورژانس
5-2  شبیه سازی مداوم عملکرد سیستم در زمان واقعی
6  نتیجه گیری ها

چکیده

در این مقاله, یک سیستم مدیریت انرژی مبتنی بر سیستم چند عامله (EMS) برای پیاده سازی یک ریزشبکه هیبرید PV-کوچک آبی (MG) در ارتفاع بالا ارائه می شود. بر اساس اطلاعات محلی، منابع تولید توزیع شده (DG) در MG از طریق EMS برای رسیدن به عملکرد کارآمد و پایدار سیستم کنترل می شوند. مناقصه مجازی برای ایجاد سریع برنامه ریزی عملیات سیستم و ذخیره ظرفیت استفاده می شود. علاوه بر این، اعزام های توان در زمان واقعی از طریق کنترل پیش بینی مدل برای تعادل در تقاضای بار و تولید توان در MG انجام می شود. مدل دینامیکی و استراتژی مدیریت انرژی MG در یک پلت فرم شبیه سازی مشترک در زمان واقعی RTDS-PXI شبیه سازی می شود. نتایج شبیه سازی نشان می دهد که مدیریت انرژی پیشنهادی و استراتژی کنترل بهینه را می توانند به طور بهینه منابع DG را در MG برای رسیدن به عملیات های اقتصادی و امن کل سیستم اعزام نمایند.

1- مقدمه
ریزشبکه (MG) به طور گسترده به عنوان پلت فرمی موثر برای یکپارچه سازی و مدیریت منابع تولید توزیع شده (DG) و برای پیاده سازی مدیریت طرف تقاضا (DSM) مطالعه شده است. از یک طرف، MGS متصل به شبکه می تواند به افزایش قابلیت اطمینان سیستم، کاهش انتشار آلاینده ها و بهبود کارایی سیستم کمک نماید [1]. از سوی دیگر، MGS مستقل به عنوان یک راه جذاب برای تامین برق برای مناطق دور افتاده با حذف نیاز ساخت و ساز خطوط انتقال توان جدید و استفاده از منابع انرژی تجدیدپذیر بهتر محلی [2-5] در نظر گرفته شده اند.
6- نتیجه گیری ها
در این مقاله EMS مبتنی بر MAS-برای یک پروژه PVSHH MG عملی پیشنهاد شده است. عوامل فردی بر اساس وظایف خود و ویژگی های سیستم / دستگاه هایی که آنها طراحی می شوند, طراحی شده اند. از طریق هماهنگی عوامل مختلف (به عنوان مثال، SA، OA ، و عوامل محلی) در مقیاس زمانی مختلف برای اهداف گوناگون، پیشنهاد مبتنی بر MAS-EMS با استفاده از یک پلت فرم PXI توسعه داده می شود. با یکپارچه سازی VBD و اعزام های توان پویا، EMS پیشنهادی یک عملیات مطلوب و امن از MG را محقق می نماید. EMS مبتنی بر MAS پیشنهادی با موفقیت در پلت فرم شبیه سازی RTDS-PXI زمان واقعی تحت سناریوهای مختلف تایید می شود. این روش برای پروژه عملی PVSHH MG پیاده سازی خواهد شد که در حال حاضر تحت اجراست و به طور مداوم بر اساس داده های عملیاتی واقعی و تجربه بهبود خواهد یافت که جمع آوری و آموخته می شود.

Abstract

A multi-agent system based energy management system (EMS) is proposed in this paper for implementing a PV-small hydro hybrid microgrid (MG) at high altitude. Based on local information, the distributed generation (DG) sources in the MG are controlled via the EMS to achieve efficient and stable system operation. Virtual bidding is used to quickly establish the scheduling of system operation and capacity reserve. In addition, real-time power dispatches are carried out through model predictive control to balance load demand and power generation in the MG. The dynamic model and the energy management strategy of the MG have been simulated on a RTDS–PXI joint real-time simulation platform. The simulation results show that the proposed energy management and control strategy can optimally dispatch the DG sources in the MG to achieve economic and secure operations of the whole system.

1- Introduction

Microgrid (MG) has been extensively studied as an effective platform for integrating and managing distributed generation (DG) sources and for implementing demand side management (DSM). On the one hand, grid-connected MGs can help enhance system reliability, reduce pollutant emissions, and improve system efficiency [1]. On the other hand, stand-alone MGs have been considered as an attractive way to provide electricity for remote areas by eliminating the need of construction of new power lines and by better utilizing the local renewable energy resources [2–5].

6- Conclusions

The paper proposes a MAS-based EMS for a practical PVSHH MG project. Individual agents have been designed based on their tasks and the characteristics of the systems/devices that they are designed for. Through the coordination of different agents (i.e., the SA, the OA, and local agents) at different time scales for different targets, the proposed MAS-based EMS has been developed using a PXI platform. By integrating the VBD and the dynamic power dispatch, the proposed EMS realizes an optimal and secure operation of the MG. The proposed MAS-based EMS has been successfully verified on a RTDS–PXI real-time simulation platform under different scenarios. The method will be implemented for the practical PVSHH MG project that is currently undergoing and will be continuously improved based on the real operational data and experiences that will be collected and learned..

مدیریت ذخیره انرژی برای تجمیع انرژی های تجدیدپذیر در میکروگرید: یک رویکرد بهینه سازی آفلاین

Real-Time Energy Storage Management for Renewable Integration in Microgrid: An Off-Line Optimization Approach

چکیده

مقدمه

مدل سیستم و شرح مسئله

بهینه‌سازی آفلاین

الگوریتم آنلاین مبتنی بر پنجره لغزان

سایر الگوریتم‌های آنلاین

نتایج شبیه‌سازی

نتیجه‌گیری

چکیده

ریزشبکه‌ها با قابلیت تجمیع ژنراتورهای تجدیدپذیر توزیع‌شده و سیستم‌های ذخیره راه‌حلی کلیدی برای شبکه‌های هوشمند آینده به شمار می‌روند که می‌توانند به صورت کارآمد، نیاز محلی را برآورده کنند. با این حال، به علت مشخصات تصادفی و متناول انرژی تجدیدپذیر، چالش‌های جدیدی پیش روی عملکرد ریزشبکه‌ها به صورت قابل اطمینان قرار می‌گیرد. برای حل این موضوع، در این مقاله، مطالعه‌ای روی مدیریت بی‌درنگ انرژی برای یک سیستم ریزشبکه انجام داده‌ایم، که از یک سیستم تولید تجدیدپذیر، یک سیستم ذخیره انرژی و یک بار جمع‌شده تشکیل می‌شود. میزان انحراف انرژی تجدیدپذیر را با بار در طول زمان، با عنوان پروفایل انرژی کل مدل کرده‌ایم که به صورت عملی قابل پیشبینی بوده ولی دارای خطای محدودی است که به صورت اختیاری قابل توزیع است هدف ما حداقل ساختن هزینه کل انرژی (که به صورت جمع توابع موکدا محدب و متغیر با زمان مدل می‌شود) است که به صورت معمول از یک شبکه اصلی در طول یک افق محدود گرفته می‌شود، و این کار با استفاده از بهینه‌سازی توأم انرژی شارژشده/ دشارژ شده به/ از سیستم ذخیره انرژی در طول زمان، نسبت به بار عملی و محدودیات ذخیره‌سازی انجام خواهد شد. ما برای حل بی‌درنگ این مسئله، یک رویکرد بهینه‌سازی آفلاین برای طراحی الگوریتم آنلاین پیشنهاد کرده‌ایم. در این رویکرد، ابتدا فرض می‌شود که پروفایل انرژی کل برای مدت زمان مشخصی در آینده کاملا پیشبینی شده‌باشد که با استفاده از آن، راه‌حل بهینه برنامه‌ریزی آفلاین انرژی به صورت بسته به دست می‌آید. سپس با الهام از راه‌حل بهینه آفلاین، الگوریتمی آنلاین، مبتنی بر پنجره لغزان پیشنهاد شده تا بتوان به صورت بی‌درنگ، انرژی را در یک مجموعه عملی از پروفایل انرژی کل آلوده به نویز با خطای دلخوه مدیریت کرد. نهایتا با انجام شبیه‌سازی‌هایی روی داده واقعی تولید بادی از سیستم برق ایرلند برای ارزیابی عملکرد الگوریتم خود استفاده کرده و با سایر الگوریتم‌های ابتکاری مانند راه‌حل مرسوم مبتنی بر برنامه‌نویسی دینامیک مقایسه کرده‌ایم.

نتیجه‌گیری

ما در این مقاله بحث برنامه‌ریزی بی‌درنگ انرژی در یک افق محدود برای یک سیستم ریزشبکه را مورد بررسی قرار دادیم تا هزینه انرژی کشیده‌شده از شبکه اصلی را با بهینه‌سازی توام انرژی شارژ/ دشارژ شده به/ از سیستم ذخیره را با توجه به بار عملی و محدودیات مخزن حداقل کنیم. برای یک مدل عملی که پروفایل‌های انرژی کل با خطای محدود قابل پیشبینی هستند، الگوریتمی آنلاین مبتنی بر پنجره لغزان پیشنهاد شد که بتوان مدیریت بی‌درنگ انرژی را با ترکیب نوآورانه از یک راه‌حل آفلاین خوش‌ساختار انجام داد و با استفاده از شبیه‌سازی‌ نشان دادیم که استفاده از الگوریتم پیشنهادی ما در سیستم برق عملی مزایایی قابل توجهی دارد. امیدواریم که نتایج ما رویکردی جدید برای تجمیع بهینه انرژی تجدیدپذیر و مدیریت ذخیره انرژی در سیستم‌های عملی ریزشبکه ایجاد کند.

Abstract

Microgrid is a key enabling solution to future smart grids by integrating distributed renewable generators and storage systems to efficiently serve the local demand. However, due to the random and intermittent characteristics of renewable energy, new challenges arise for the reliable operation of microgrids. To address this issue, we study in this paper the real-time energy management for a single microgrid system that constitutes a renewable generation system, an energy storage system, and an aggregated load. We model the renewable energy offset by the load over time, termed net energy profile, to be practically predictable, but with finite errors that can be arbitrarily distributed. We aim to minimize the total energy cost (modeled as sum of time-varying strictly convex functions) of the conventional energy drawn from the main grid over a finite horizon by jointly optimizing the energy charged/discharged to/from the storage system over time subject to practical load and storage constraints. To solve this problem in real time, we propose a new off-line optimization approach to devise the online algorithm. In this approach, we first assume that the net energy profile is perfectly predicted or known ahead of time, under which we derive the optimal off-line energy scheduling solution in closed-form. Next, inspired by the optimal off-line solution, we propose a sliding-window based online algorithm for real-time energy management under the practical setup of noisy predicted net energy profile with arbitrary errors. Finally, we conduct simulations based on the real wind generation data of the Ireland power system to evaluate the performance of our proposed algorithm, as compared with other heuristically designed algorithms, as well as the conventional dynamic programming based solution.

VII- CONCLUSION

This paper studies the finite-horizon real-time energy storage scheduling for a single microgrid system to minimize the energy cost of the conventional energy drawn from the main grid by jointly optimizing the energy charged/discharged to/from the storage system over time subject to practical load and storage constraints. Under a practical model in which the net energy profiles are predictable but with finite errors, we propose a new sliding-window based online algorithm for real-time energy management by innovatively combining with a well-structured off-line optimization solution, and demonstrate the significant benefits of our proposed online algorithm in practical power systems by simulations. It is hoped that our results will provide a new approach to optimally integrating renewable energy and managing energy storage in practical microgrid systems.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مدیریت ذخیره انرژی برای تجمیع انرژی های تجدیدپذیر در میکروگرید: یک رویکرد بهینه سازی آفلاین

Real-Time Energy Storage Management for Renewable Integration in Microgrid: An Off-Line Optimization Approach

بررسی در مورد مدیریت انرژی و استراتژی های کنترل آن در میکروشبکه

Research on energy management and its control strategies of microgrid

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

راهبرد کنترل مدیریت انرژی در ریزشبکه

Research on energy management and its control strategies of microgrid

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

مدل سازی مدیریت کار امد انرژی در جهت راحتی حرارت داخلی: مطالعه مروری مهارت به کار بردن اجزای معماری روی خانه های کوچک مجزا در بانکوک

Energy-efficient management modeling towards interior thermal comfort: an architectural element manipulating case study on small detached houses in Bangkok

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مدلینگ مدیریت انرژی در جهت راحتی حرارت داخلی

Energy-efficient management modeling towards interior thermal comfort: an architectural element manipulating case study on small detached houses in Bangkok

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

پاسخ به تقاضای خودکار از سیستم مدیریت انرژی خانه تحت قیمت گذاری دینامیک و محدودیتهای توان و آسایش

Automated Demand Response From Home Energy Management System Under Dynamic Pricing and Power and Comfort Constraints

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

پاسخ به تقاضای خودکار از سیستم مدیریت انرژی خانه تحت قیمت گذاری دینامیک و محدودیتهای توان و آسایش

Automated Demand Response From Home Energy Management System Under Dynamic Pricing and Power and Comfort Constraints

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تاثیر تقاضای شارژینگ خودروهای الکتریکی هیبریدی پلاگین بر مدیریت انرژی بهینه میکروشبکه های تجدیدپذیر

Impact of plug-in hybrid electric vehicles charging demand on the optimal energy management of renewable micro-grids

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تاثیر تقاضای شارژینگ خودروهای الکتریکی هیبریدی پلاگین بر مدیریت انرژی بهینه میکروشبکه های تجدیدپذیر

Impact of plug-in hybrid electric vehicles charging demand on the optimal energy management of renewable micro-grids

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

الگوریتم مدیریت انرژی آنی برای پارکینگ های شارژ خودرو هیبریدی با در نظر گرفتن انرژی پایدار

Real-Time Energy Management Algorithm for Plug-In Hybrid Electric Vehicle Charging Parks Involving Sustainable Energy

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

الگوریتم مدیریت انرژی آنی برای پارکینگ های شارژ خودرو هیبریدی با در نظر گرفتن انرژی پایدار

Real-Time Energy Management Algorithm for Plug-In Hybrid Electric Vehicle Charging Parks Involving Sustainable Energy

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.