مبتدی (مناسب برای درک مفهوم کلی مطلب) 

DGP در ساعات اوج بار برای کمک به SHGP برای عملیات سیستم امن کار می کند. با توجه به ارتفاع بالا، هر دیزل ژنراتور تنها حداکثر 1.0 مگاوات را در چنین محیطی تولید می کند. تولید گازهای گلخانه ای می تواند اثرات نامطلوب قابل توجهی بر روی سیستم زیست محیطی محلی آسیب پذیر ایجاد کند. علاوه بر این، هزینه حمل و نقل سوخت به راه دور، منطقه فلات, بسیار گران است. هزینه های بالا و نرخ انتشار بالا, زمان بهره برداری از دیزل ژنراتور را محدود می کند.
با افزایش تقاضای بار در منطقه، SHGP دیگر نمی تواند به نیازها پاسخ دهد. بدون افزایش تولید دیزل ژنراتورها، منابع انرژی تجدید پذیر (RESS) برای خدمت به افزایش تقاضا در نظر گرفته می شوند. به منظور استفاده از منابع خورشیدی فراوان (با مدت زمان آفتاب بیش از 2000 ساعت در سال) در این منطقه، یک نیروگاه تولید فتوولتائیک (PVGP) برای توسعه و یکپارچه سازی با سیستم های موجود به شکل یک ریزشبکه PVSHH جدید برنامه ریزی می شود همانطور که در شکل 1 نشان داده شده است. ریزشبکه PVSHH قادر به افزایش ثبات سیستم، بهبود بهره وری، کاهش انتشار، و برآورده سازی خواسته های برق و آب برق منطقه خواهد بود.
در فاز اول این پروژه، یک (PV) سیستم 5 MWP فتوولتائیک و سیستم ذخیره سازی انرژی باتری 5 مگاوات ساعت (BESS) نصب شده اند. به علت هزینه های اولیه و تعمیر و نگهداری بالای آن، BESS دارای ظرفیت نسبتاً محدود است. BESS به طور عمده برای صاف نمودن نوسانات برق و انتقال انرژی اضافی از سیستم PV مورد استفاده قرار می گیرد.
برای رسیدن به یک عملیات امن و کارآمد، EMS ریزشبکه PVSHH بر اساس ملاحظات زیر طراحی می شود:
(1) PVGP دارای بالاترین اولویت در تولید است. با کمک BESS، انرژی اضافی سیستم PV در هر صورت در روز ذخیره خواهد شد و برای حمایت از اوج بار در شب استفاده می شود. این امر موجب افزایش استفاده از سیستم PV و کاهش زمان بهره برداری از DGP می شود. تنها زمانی که BESS به طور کامل شارژ شود، تولید PV باید به تعادل تقاضای بار و جلوگیری از تنظیم ولتاژ محدود شود.
(2) بهره برداری از SHGP دارای اولویت بالا برای پاسخگویی به تقاضای آب مسکونی، به خصوص در فصل خشک است. برای بسیاری از زمان ها، SHGP بار پایه را تامین می کند و تولید آن در کل باید بالاتر از آستانه خروجی پایین تر باشد.
SHGP مسئول تنظیم فرکانس سیستم است.
(3) استفاده از دیزل ژنراتور باید به حداقل برسد. DGP تنها به عنوان یک اوج ساز برای برآورده سازی خواسته اوج استفاده می شود.
از زمانی که این پروژه ریزشبکه PVSHH به تصویب رسید، مطالعات گسترده ای در طراحی و پیاده سازی ریزشبکه ترکیبی انجام شد. ما به طور فعال در پروژه ریزشبکه درگیر شدیم و مسئول طراحی و پیاده سازی EMS هستیم. بر اساس اصول طراحی، این تیم EMS مبتنی بر MAS را پیشنهاد می دهد و آن را بر روی پلت فرم شبیه سازی زمان واقعی تایید می کند. بحث مفصل در توسعه یک EMS مبتنی بر MAS-برای ریزشبکه PVSHH در بخش های زیر داده می شود.

3. روش مدیریت انرژی مبتنی بر MAS
EMS مبتنی بر MAS پیشنهادی, مدیریت انرژی را در مقیاس چند ساعت بر اساس استراتژی مناقصه (VBD) مجازی و یک الگوریتم فرستادن توان پویا انجام می دهد. VBD, برنامه زمانبندی عملیات سیستم و ظرفیت ذخیره را بر اساس یک پلت فرم مناقصه عمومی تعیین می کند در حالی که الگوریتم اعزام پویا در زمان واقعی برای جبران خطای کنترل توان DG ها کار می کند. محیط دارای ارتفاع بالا منجر به یک هدف کنترل خاص و پارامترها در سیستم پیشنهادی، مانند تعدیل قیمت مجازی برای DG های مختلف می شود که نشان دهنده ملاحظات مختلف عملیاتی است که در بخش 2 مورد بررسی قرار گرفته است. با این وجود، روش پیشنهادی را می توان به آسانی برای دیگر برنامه های کاربردی گسترش داد.

3.1. مناقصه مجازی
برای MGهای متصل به شبکه، قیمت برق به طور معمول به عنوان مرجع برای DG های مناقصه تنظیم می شود. اما، این روش برای MGS مستقل نه تنها به خاطر اینکه MG مستقل از شبکه برق اصلی جدا نیست بلکه به خاطر عدم موفقیت در شناختن تنوع در روش های مختلف DG مناسب نیست. بنابراین، یک استراتژی VBD برای زمانبندی بهره برداری از DG ها در ریزشبکه هیبریدی با در نظر گرفتن شرایط عملیاتی و ویژگی های DG، به خصوص استفاده از منابع و تخصیص، تنها به جای سود اقتصادی پیشنهاد می شود. هدف آن بهبود ثبات عملیات سیستم از طریق برآورده سازی بار پایه از طریق SHGP و اوج بار با استفاده از منابع دیگر، حداکثر رساندن استفاده از سیستم PV با کمک BESS و کاهش زمان بهره برداری از DGP مطابق با اولویت های عملیاتی / مورد نیاز سیستم مورد بحث در بخش 2 است.
همانطور که در شکل (1) نشان داده می شود، قیمت مناقصه مجازی یک DG از هزینه حاشیه ای و هزینه جبران پویا تشکیل شده است. هزینه نهایی توسط هزینه تولید واقعی تعیین می شود در حالی که هزینه جبران پویا در زمان واقعی با توجه به محدودیت های تولید، تخصیص منابع و اثرات محیط زیست به روز می شود.

در ریزشبکه PVSHH، مرکز VBD در ابتدا قیمت پاکسازی و طرح اعزام توان مرتبط برای DG ها را بر اساس هزینه های حاشیه ای و سطح بار سیستم محاسبه می کند. قیمت پاکسازی, مرجع جبران پویا برای DG ها است و شبیه به قیمت برق برای MGهای متصل به شبکه است.
به منظور استفاده بهتر از تولید PV، یک انتظار توان پارامتری به نام توان PV (Pev) تعریف می شود. انتظار می رود که تولید PV واقعی بین PEV و حداکثر تولید PV باشد. اگر تولید توان پاکسازی PV کوچکتر از Pev باشد، ، به عنوان یک عدد منفی برای تحریک تولید PV بیشتر تعیین می شود. در مقابل، اگر پیشنهاد بزرگتر از یا برابر با Pev باشد, ، در صفر تنظیم می شود که در شکل (2) نشان داده شده است. Pev یک ثابت به دست آمده در بهینه سازی اندازه سیستم با ملاحظات عملیاتی است. تولید PV اضافی (به عنوان مثال، تولید PV منهای Pev) برای اولین بار در BESS ذخیره می شود، و سپس برای حمایت از اوج بار در شب مورد استفاده قرار می گیرد. انرژی ذخیره شده در BESS دارای یک قیمت ثابت مجازی است که کمی ارزان تر از قسمت DGP است که ناشی از کاهش زمان بهره برداری از DGP است.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

2. مرور کلی سیستم ذخیره انرژی
پیکره بندیهای سیستم ذخیره انرژی (ESS) ، طبقه بندیها و ساختار آنها در زیربخشهای زیر نشان داده شده است.

A. پیکره بندی سیستم ذخیره انرژی
به طور معمول سیستم ذخیره انرژی (ESS) تجمعی و توزیع شده، دو پیکره بندی اصلی فن آوری سیستم ذخیره انرژی (ESS) برای کاربردهای ریزشبکه (MG) هستند که در شکل 4 نشان داده شده‌اند. در سیستم تجمیعی، مقدار جریان انرژی از DERs بهbus PCC مقدارثابتی است. علاوه بر این، کل ظرفیت این ESS را می‌توان برای کاهش نوسانات جریان برق استفاده کرد (43). اگر ظرفیتیک دستگاه ذخیره انرژی افزایش یابد، هزینه آن نیز افزایش می‌یابد. ساخت و کنترل ESS های بزرگ کار دشواری است. بنابراین، از دستگاه‌های ذخیره انرژی توزیع شده در مقیاس کوچک می‌توان برای دستیابی به تنظیم قابل اطمینان و عملی قدرت استفاده کرد. دستگاه‌های ESS در پیکربندیهای ذخیره توزیع شده مستقیماً به وسیله رابطهای بی شماری به منابع توزیعی خاصی متصل می‌شوند. با این حال، کنترل جریان نیرو، اصلی‌ترین چالش پیش روی سیستم توزیعی است. علاوه براین، فرایند ذخیره سازی هنوز هم از طریق رابطهای الکترونیکی قدرت برای منابع توزیع شده و ESS، تلفاتی را متحمل می‌شود (12).
B. طبقه بندی سیستم ذخیره انرژی
ESS بر اساس استفاده از انرژی به یک شکل خاص طبقه بندی می‌شود. ESS را می‌توان به صورت یک سیستم ذخیره انرژی مکانیکی، الکتروشیمیایی، شیمیایی، الکتریکی، حرارتی و ترکیبی طبقه بندی کرد. علاوه بر این، این سیستم‌ها را بسته به روند تشکیلشان و مواد مورد استفاده در آنها ، می‌توان باز هم طبقه بندی کرد. شکل 5 جزئیات مربوط به طبقه بندی ESS را نشان می‌دهد (44). باتری‌ها (45)، ذخیره سازی هوای فشرده (CAES) (46)، ذخیره سازی انرژی فلای ویل (FES) (47)، SCs (16)، (48)، ذخیره انرژی مغناطیسی ابرخازن (SMES) (49)، ذخیره سازی هیدروژن (50)، و ذخیره انرژی هیبریدی (HES) (44)، (51)، (52) از رایج‌ترین فن آوریهای ذخیره سازی در کاربردهای ریز شبکه هستند.

C. ساختار سیستم ذخیره انرژی (ESS)
انرژی را می‌توان با تبدیل انرژی الکتریکی به شکل دیگری مثل انرژی شیمیایی یا مکانیکی ذخیره کرد (42). علاوه بر این، سیستم‌های ذخیره سازی را می‌توان به سه بخش طبقه بندی کرد: ذخیره سازی مرکزی، مرحله تبدیل نیرو و مرحله کنترل. در ذخیره سازی مرکزی، انرژی پس از تبدیل ذخیره می‌شود و تبدیل نیرو به عنوان رابط بین ذخیره مرکزی و سیستم نیرو با انتقال دو طرفه عمل می‌کند. در مرحله کنترل، میزان شارژ یا تخلیه انرژی ذخیره شده با استفاده از حسگرها و سایر وسایل اندازه گیری تعیین می‌شود. دستگاه‌های ذخیره انرژی منبع ایده آل انرژی نیستند. بنابراین، در هر مرحله از فرآیند ذخیره سازی با تلفاتی مواجه می‌شوند(42).

3. انواع سیستمهای ذخیره انرژی
A. سیستم‌های ذخیره سازی مکانیکی
سیستم‌های ذخیره انرژی مکانیکی (MSS)سودمند هستند، زیرا می‌توانند انرژی را به صورت انعطاف پذیری از منابع تبدیل و ذخیره کنند (52). علاوه بر این، آن‌ها می‌توانند در صورت نیاز به کار مکانیکی، نیروی ذخیره شده را آزاد کنند (53). بر اساس اصول کاری، MSS را می‌توان به عنوان گاز فشاری، فنر فشرده، انرژی جنبشی، و انرژی پتانسیل طبقه بندی کرد. با این حال، از دیدگاه فنی، سیستم‌های ذخیره سازی مکانیکی از سه تکنیک تشکیل شده‌اند: فن آوریهای فلای ویل، ذخیره سازی هیدرولیکی پمپی، و انرژی هوای فشرده. از بین این سه سیستم، سیستم‌های ذخیره سازی آب پمپی (PHS)با داشتن چرخه عمر طولانی، بیشترین ظرفیت ذخیره سازی برق را در جهان دارا هستند. اگرچه سیستمهای انرژی فله هنوز هم به PHS متکی هستند، اما PHS اشکالاتی مثل هزینه‌های بالای سرمایه، تأثیر منفی بر محیط زیست و کاهش پیاده سازی ژئولوژیکی را نیز دارد. بنابراین، بهبود PHS در آینده محدود است (54)-(57). جزئیات مربوط به فن آوریهای دیگر مثل سیستمهای ذخیره انرژی فلای ویل (FESS)، CAES، سیستم‌های ذخیره انرژی گرانش (GES) در زیر مورد بحث قرار می‌گیرند.
1) سیستم‌های ذخیره انرژی فلای ویل
فلای ویل به عنوان مؤلفه اصلی مدرنترین FESS یک استوانه (دیسک) چرخان عظیم است که با استفاده از یاتاقانهای مغناطیسی بر روی استاتور پشتیبانی می‌شوند (58). FESS را می‌توان در دو دسته اصلی توصیف کرد: FESS پرسرعت و کم سرعت (59). فلای ویل‌هایی با سرعت زیر 10،000 دور در دقیقه به عنوان فلای ویل‌های کم سرعت شناخته می‌شوند که در صنایع محبوبیت زیادی دارند (60). سازه‌های اصلی یک سیستم فلای ویل ، و یک فلای ویل استوانه‌ای توخالی در شکل 6 نشان داده شده است (61). برای عملکرد صحیح دستگاه‌ها می‌توان از یک فلای ویل استفاده کرد که به صورت مکانیکی انرژی جنبشی را از چرخش روتور با سرعت زیاد ذخیره می‌کند (59)، (62). انرژی جنبشی ذخیره شده در FESS با سرعت و اینرسی مرتبط است. FESS کم سرعت شامل یک صفحه فولادی با اینرسی بالا و سرعت پایین است. از سوی دیگر، FESS پرسرعت دارای یک صفحه کامپوزیت با اینرسی نسبتاً پایین و سرعت بالا است. با افزایش سرعت چرخش روتور، انرژی ذخیره شده نیز به همین نسبت افزایش می‌یابد و انرژی ذخیره شده در یک مربع با حرکت زاویه‌ای تغییر می‌یابد. این انرژی ذخیره شده را می‌توان با کم کردن گشتاور روتور (حالت تخلیه) و برگرداندن انرژی جنبشی به موتور الکتریکی که به عنوان یک ژنراتور عمل می‌کند، باز هم مورد استفاده قرار داد (52)، (62). راندمان دستگاه‌های ذخیره فلای ویل بین 90٪ تا 95٪ می‌باشد، در حالیکه توان نامی آنها از 0 مگاوات تا 50 مگاوات است (63)-(65). بین این دو نوع فلای ویل را می‌توان به طور عادی مقایسه کرد و تفاوت‌های آن‌ها در جدول 1 بصورت خلاصه ارائه شده‌اند (66).
علاوه براین، فلای ویل‌ها را می‌توان بطور موازی اضافه کرد تا انرژی خاصی را افزایش دهند. تراکم انرژی از سرعت حدود (5 W h/kg) تا (100 W h/kg) متغیر است (55)، (59). در صورت نقص ناگهانی در تولید برق از منابع تجدید پذیر مانند منابع بادی یا خورشیدی، یک سیستم انرژی مشابه FESS را می‌توان بهتر از BESS پیاده سازی کرد (55).

طبق مرجع (58)، فن آوری ذخیره انرژی فلای ویل با توجه به خصوصیات منحصربفردی مثل چگالی توان بالا، سازگاری در محیط زیست، راندمان بالا ، هزینه نگهداری پایین و دوره چرخه طولانی که دارد در بخشهای مختلفی بکار برده شده است. مرجع (55) نشان می‌دهد که هزینه تعمیر و نگهداری FESS پایین است ($19/kW -سال) هرچند که هزینه سرمایه آن بالا است ($5000/kWh). مزیت اصلی FESS این است که به تجهیزات کنترل دما نیازی ندارد (47). شکل 7 کاربردهای FESS را در ریزشبکه (MG) توضیح می‌دهد.
در این فن آوری، یک مبدل توان به عنوان یک رابط الکتریکی عمل می‌کند. در مرجع (67)، یک مکانیسم بهبود یافته از توپولوژی مبدل دو طرفه با استفاده از تکنیکهای انتقال ولتاژ صفر و انتقال جریان صفر توسعه داده شد. این مطالعه نشان داد که میزان انرژی ذخیره شده با استفاده از توپولوژی پیشنهادی، 2.5 تا 3.5 درصد بود. بدین ترتیب،می‌توان از یک کنترلگر پیشرفته برای بهینه سازی ویژگیهای شارژ و تخلیه در این سیستم ذخیره سازی استفاده کرد که بطور قابل توجهی مدیریت ذخیره انرژی را بهبود می‌بخشد.
اگرچه اگرچه FESS دارای مزیتهای متعددی است ، اما اشکالاتی نیز از نظر هزینه بالای اولیه و میزان بالای خود-تخلیه دارد(3% تا 20% در هر ساعت) (68). علاوه بر این، چگالی توان بالا و چگالی انرژی پایین ، کاربرد FESS را محدود می‌کند. بنابراین، هزینه و میزان تخلیه با استفاده از فلای ویل‌های پر سرعت و پیشرفت فن آوری کاهش می‌یابد. برای غلبه بر این محدودیت‌ها، FESS با کاهش انتشار CO2 و بهبود پایداری سیستم قدرت، بسیار قابل اطمینان و پایدار می‌شود.

مبتدی (مناسب برای درک مفهوم کلی مطلب)

WEC ها هنوز در حال ظهور تکنولوژی هایی هستند بنابراین مطالعات محدودی روی LCA از WEC ها وجود دارد. Soerensen et al. (2006) مطالعه ای از LCA را روی WEC انجام داده اند و اژدهای امواج – Wave Dragon نامیده شده که نشان می دهد این نوع از وسایل 20 مرتبه انرژی بیشتری را نسبت به انرژی استفاده شده برای آن در طول سلسله مراحلش تولید می نماید. Dahlsten (2009) به اجرای LCA از WEC پرداخته و ادعا کرده که اغلب برخوردات مربوط به مواد استفاده شده به علاوه نصب و تعمیر و نگهداری بوده است و عدم به کارگیری نمی تواند نادیده گرفته شود. Thomson et al. (2011) مشخص نموده است که Pelamis WEC مقدار 24 تا 30 گرم کربن دی اکسید به ازای هر کیلووات ساعت منتشر نموده و EPBT برابر 21 تا 25 ماه به عنوان نتیجه ای از یک بررسی LCA بوده است. Collins (2014) از LCA برای ارزیابی ظرفیت های زیست محیطی مبدل انرژی موجی Oyster و توربین جزرومدی SeaGen به صورت کامل استفاده نموده است. مطالعات اشاره شده ادعا نموده اند که این وسایل دارای اثرات زیست‌محیطی مشابه با توربین های بزرگ بوده که برحسب دوره برگشت CO2 و انرژی شرح داده شده است.
در این بررسی، یکپارچه سازی تولید انرژی باد و موج در وسیله ای منفرد برحسب قابلیت تحمل زیست محیطی تحقیق شده است. برای ترکیب مبدل های انرژی باد و موج در یک سکوی شناور منفرد به طرحی ابتکاری و نوعی از ساختار نیاز داریم که دارای فضای کافی برای بدنه ساختمان و ژنراتورهای اضافی مبدل های انرژی موجی باشد. این ساختار نوین ممکن است دارای نیازمندی های ماده ای اضافی در مقایسه با دیگر انواع توربین های بادی دور از ساحل متحرک باشد که این سوال را ایجاد می نماید، آیا این نوع جدید از ساختار انرژی اضافی کافی برای تنظیم تفاوت ها در طراحی را تولید می نماید و آیا واقعا ً افزایشی در ظرفیت های زیست محیطی در مقایسه با دیگر مفاهیم شناور وجود دارد؟
در این زمینه، هدف از این بررسی برای پاسخ به سوالات اشاره شده در بالا توسط تحقیقات عمیق از سکوی دور از ساحل چندمنظوره ابداعی، طراحی شده برای شرایط موقعیت دور از ساحل Cantabrian اقیانوس اطلس، بوده است. ارزیابی سکو از طریق حساسیت LCA و همچنین تحلیل طرح ها بینشی را بر برخورد نسبت های بازیافت تخمینی و موقعیت زمینی انرژی روی اثرات زیست‌محیطی این ساختار ابداعی در مراحل طراحی اولیه خواهد داد.

2. مواد و روش ها
ارزیابی چرخه عمر (LCA) به عنوان روشی برای تعیین اثرات زیست محیطی یک محصول یا یک دستورالعمل در طول مدت عمرش از ابتدا تا انتها می باشد. LCA با ارزیابی اثرات زیست ‌محیطی (EIA) و ارزیابی خطر (RA) توسط ماهیت تطبیقی محصولاتش تفاوت دارد و ممکن است که برای بهبود محصول یا مقایسه محصول یا دستورالعمل ها استفاده شود. نتایج مقداری تولید شده توسط بررسی های LCA ممکن است که در طول فرآیندهای تصمیم گیری استفاده شود. با استفاده از LCA در طول فرآیندهای طراحی، اثرات زیست‌محیطی نیز در نظر گرفته شده و این نتایج در منافع زیست محیطی، انتقال مشکلات اضافی به خاطر کاهش انتشار در یک فرآیند و افزایش در دیگری با ملاحظه تمامی مراحل از استخراج مواد تا دفع پسماند ممانعت شده است.
ارزیابی سلسله مراحل شامل چهار مرحله اصلی بوده که در مدیریت زیست محیطی ایزو 14040 – ارزیابی سلسله مراحل – قواعد و چارچوب ها شرح داده شده است. در مرحله تعریف اهداف و دامنه رسیدگی، روش کار، واحد اصلی، ظرفیت های سیستم و سطح ریز اقلام تعیین شده است. مرحله فهرست گیری از مدت عمر اجناس (LCI) از تعیین ورودی ها و خروجی ها در تمامی مراحل با توجه به ظرفیت های سیستم و روش های تخصیص یافته در مرحله اول و در مرحله ارزیابی برخورد مدت عمر (LCIA) تشکیل شده است. نتایج فهرست گیری از مدت عمر اجناس به دسته بندی های برخورد زیست محیطی مربوطه تبدیل شده است (Baumann and Tillman, 2004). EDIP, CML 2001, TRACI etc به عنوان روش هایی متداول بوده که برای تبدیل انتشار امواج به دسته بندی های برخوردی استفاده شده است. تفسیر نتایج به عنوان آخرین مرحله بوده است. پس از LCIA، ممکن است فازی سنجشی وجود داشته باشد که اختیاری است.
نرم افزارهای متعدد فروشی و رایگان در دسترس می باشد برای اینکه در طول مدلسازی از ابتدا تا انتهای محصول/ دستورالعمل استفاده شود که عموما ً پایگاه اطلاعاتی رایگان یا فروشی استفاده شده و شامل ورودی و خروجی های فرآیندهای تولید می باشد. SimaPro, GaBi و Open LCA به عنوان نمونه هایی از نرم افزارهای استفاده شده مخصوصاً برای LCA، و ساختن اقتصادی و PE به عنوان نمونه هایی از پایگاه داده عمومی LCI بوده اند.
هدف از این مطالعه برای تعیین برخوردهای زیست محیطی مدت عمر سکوی دور از ساحل چندمنظوره شناور (MUP) بوده است. سکوی دور از ساحل بررسی شده توسط دانشگاه Cantabria (UC) طراحی شده که شامل یک توربین بادی NREL 5 MW و سه ستون آب نوسانی 1150 کیلوواتی از نوع WEC (شکل 1) نصب شده روی سه سیلندر در هر راس سکو می باشد (Armesto et al., 2016; Zanuttigh et al., 2016). ارتفاع چرخ هر توربین بادی برابر 90 متر و قطر روتور برابر 63 متر بوده است. LCA برای یک زمین MUP شامل 77 عدد MUP متحرک، کابل های ولتاژ متوسط و ولتاژ قوی و یک ایستگاه فرعی دور از ساحل اجرا شده است. در طراحی اصلی زمین MUP همچنین یک ایستگاه فرعی نزدیک ساحل وجود دارد که در بررسی LCA در نظر گرفته نشده است. موقعیت پیشنهادی زمین MUP در محل دور از ساحل Cantabrian به نام Virgen del mar که 13-3 کیلومتر دورتر از ساحل واقع شده است. زمین MUP برای تولید 110 گیگاوات ساعت انرژی به ازای هر سال توسط OWC و 777.25 گیگاوات ساعت به ازای هر سال توسط توربین های بادی تخمین زده شده است (Armesto et al., 2016; Zanuttigh et al., 2016) و طول عمر زمین MUP تا 25 سالگی برنامه ریزی شده که نتایج 22 سالگی برابر 181.29 گیگاوات ساعت انرژی تولیدشده توسط زمین انرژی بوده است. مشخصات زمین MUP در جدول 1 فهرست شده است.
واحد اصلی مورد بررسی دارای 1 کیلووات ساعت برق می باشد. نرم افزار GaBi برای ورود اطلاعات و ارزیابی مدت عمر محصول استفاده شده است. عقیده عمومی و کاربرد نرم افزار LCA عبارت است از اینکه اهمیت نمی دهد که آیا کارورزهای LCA از یک نرم افزار LCA استفاده می کنند یا از نرم افزار دیگری. با این وجود، برخورد انتخاب نرم افزار LCA به عنوان موضوعی مورد توجه از مطالعات اخیر بوده است. مقایسه نتایج LCA از دو نرم افزار LCA متداول استفاده شده برای چهار ماده اصلی با استفاده از داده های ورودی تشخیصی، پایگاه داده و روش شناسایی ارزیابی برخورد منجر شده است به اینکه انتخاب نرم افزار روی نتایجی موثر بوده است که امکان دارد با هدایت اشتباه تصمیم گیرندگان به پایان برسد. این مورد با فقدان سازگاری موجودیت و کمیت عوامل توصیفی ایستگاه های فرعی بین دو نرم افزار توضیح داده شده است (Speck et al., 2015) که به نتایجی مشابه رسیده اند. Herrmann and Moltesen (2015) به نتایجی مشابه رسیده اند. انتخاب نرم افزار به عنوان پارامتری موثر روی نتایج LCA توسط تحلیل 100 واحد انتخابی به طور تصادفی با استفاده از SimaPro و GaBi انجام شده است. به خاطر بودجه مالی و اهمیت زمانی، تصمیم به استفاده از یک نرم افزار به تنهایی برای این بررسی گرفته شده است که منجر به استفاده از GaBi گردیده که یکی از دو نرم افزار LCA استفاده شده به طور گسترده می باشد.
روش شناسی ارزیابی برخورد زیست محیطی همچنین به عنوان عاملی تعیین کننده برای بررسی LCA می باشد. روش های CML و Eco-indicator 99 به عنوان متداول ترین روش های استفاده شده برای مطالعات LCA توربین های بادی بوده که مقایسه ای از نتایج با مطالعات صریح قبلی را ایجاد می نماید. این دو روش به خاطر خاتمه با نتایج فرعی تر سودمند بوده اند (Martínez et al., 2015). در نتیجه روش CML 2001 (Guin_ee et al., 2002) برای توصیف نتایج انتخاب شده است. در روش CML 2001، نتایج برحسب دسته بندی های برخوردی زیر نمایش داده شده اند: کاهش مواد بی جان، اسیدی سازی، انباشتگی خوراک آبی، مسمومیت آبزیان آب شیرین، گرم شدن جهانی (100 سال GWP)، پساب انسانی، نازک شدن لایه اوزون، ایجاد فتوشیمیایی اوزون، مسمومیت اکوسیستم زمینی و مسمومیت اکوسیستم دریایی. با توجه به Pettersen and Hertwich (2008) و Weinzettel et al. (2009) ، CML 2001 نتایجی غیردقیق را برحسب دسته بندی برخورد مسمومیت اکوسیستم دریایی تولید می نماید. در نتیجه، این دسته بندی برخورد در فرآیند توصیف و تفسیر نتایج مستثنی شده است.
LCA اجرا شده a) تولید و فرآوری، ترابری و نصب (MTI) ، b) بهره برداری و تعمیر نگهداری ، و c) مراحل جمع آوری را پوشش می دهد. قسمت های تولید شده در اولین مرحله توسط کامیون ها به ساحل و توسط لنج ها به موقعیت زمین MUP انتقال داده شده، نصب آنها در موقعیت زمین MUP دور از ساحل رخ داده و عملیات اجرایی و تعمیر و نگهداری به مدت 25 سال ادامه می یابد و نهایتا ً زمین های MUP جمع آوری می شوند.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

2.2 مدیریت سمت تقاضا
تقریبا تمام برنامه هایDSMاز خدمات عمومی انگیزه می گیرند. DSM مبتنی بر بهره گیری، برنامه ریزی، پیاده سازی و نظارت بر فعالیت هایی است که مشتریان را تشویق می کند تا سطح و الگوی استفاده از برق خود را تطبیق دهند به طوری که مشخصات بار توسط شرکت ابزار تغییر مییابد، بنابراین می تواند توان را به طور مطلوب تولید کند. 6 مدل شکل بار که هدف برنامه DSMاست در شكل 1 نشان داده شده است كه عبارتند از: برش پيك، پر شدن دره و بارگذاري به عنوان سطح پايه و سطح پيشرفته مانند حفاظت استراتژيك، رشد بار استراتژيك و شکل بار انعطاف پذير [16] .
اعمال یکیا چند برنامه DSM مانند زمان استفاده (TOU) می تواند به عنوان یک برنامه برای دستیابی به هدف تغییر بار از طریق ارائه قیمت بالا در دوره های اوج و قیمت پایین در دوره های غیر اوج استفاده شود [16]. این تغییر در بارها شامل تغییرات در مدل DED به عنوان بخشی از تقاضا است که با توجه به سطح مشارکت و تعداد وسایل قابل شارژ، تغییر می کند و مشخص می شود. تقاضای جدید تقاضای مرجع خواهد شد و به تقاضای رو به بالا افزوده و تقاضای رو به پایین را از آن تقلیل می دهد همانطور که در معادله نشان داده شده است. (8).
بنابراین، از طریق تقاضای جدید مورد نیاز که خروجی روش ما است، تعرفه نرخ TOU باید با دقت طراحی شود تا مشتریان را تشویق به پیروی از همان مشخصات نماید. پس از اضافه کردن محدودیت هایDSM به مشکل DED، تقاضای قدیمی داده شده در معادله. (2) به صورت داده شده در معادله(12). تغییر خواهد کرد.
. موارد مطالعه شده
مطالعات موردی به طور گسترده ای در یک سیستم شامل 6 ژنراتور حرارتی و یک مزرعه باد انجام می شود. جزئیات ژنراتور برای سیستم تست شش واحد در جدول 1 آمده است [17]. شکل 2 داده هایت وان مزرعه باد را در یک روز به عنوان 10٪ازکلتولید (1 p.u.) نشان می دهد. در مطالعه موردی، دو سطح نفوذ 10٪و 20٪موردمطالعهقرارگرفتهاست. برایDSM، سه سطح مختلف مشارکت در نظر گرفته شده شامل 5٪، 10٪و 15٪سطحمشارکتاست. سطحمشارکتاطلاعاتمربوطبهدرصدموردانتظارشرکتکنندگاندربرنامهDSM را فراهم می کند، بنابراین 15٪بهاین معنی است که 15٪کلباردربرنامهDSM شرکت می کنند.
شکل 3 اطلاعات مربوط به کل بار در زمستان و تابستان را نشان می دهد. این کل بار شامل بارهای مسکونی، تجاری و صنعتی می شود. این مقاله فرض می کند که فقط بارهای مسکونی در برنامه DSM شرکت کنند. درصد بارهای مسکونی مانند مصر در محدوده 50 درصد کل بار است، [18]. بار مسکونی شامل بارهای جداگانه مانند ماشین لباسشویی،ماشین ظرفشویی،یخچال و فریزر، فریزر، بخاری آب، پمپ آب، اجاق گاز، نورپردازی و سایر لوازم خانگی است. بارهای تهویه مطبوع در تابستان اضافه خواهد شد.
برنامه DSM تنها از بارهای متحرک از بخش مسکونی مانند ماشین های شستشو، ماشین های ظرفشویی، آبگرمکن ها و تهویه مطبوع استفاده می کند تا تغییرات لازم را در کل بار بر اساس سطح مشارکت انجام دهد.

4. نتایج و بحث
تعدادی از سناریوها مانند تغییر سطح مشارکت مصرف کنندگان و سطح نفوذ باد برای پروفیل های مختلف بارگیری در فصل زمستان و تابستان با استفاده از DSMاعمال می شود تا برخی از مسائل مربوط به نفوذ بالا انرژی های باد به طور خاص رمپ که در زمان کاهش بارو افزایش باد و یا بالعکس رخ می دهد و یا عدم انطباق بین قدرت باد بالا و پیک بار را حل کند.
سناریوهای مختلفی مورد توجه بوده است. جداول 2-5 خروجی راه حل هایDED را در موارد مختلف ارائه می دهد. نرم افزار GAMS با استفاده از BARON به عنوان الگوریتم حل کننده و ژنتیکی با عملکرد ترکیبی (fmincon) برای حل مشکل DED مورد استفاده قرار می گیرد. نتایج نشان میدهد که استفاده از GA با fmincon نتایج تقریبا معمولی مانند GAMS را ارائه می دهد اما براینتیجه بهینه نیاز به تکرار دارد و همچنین زمان بیشتری را نسبت به استفاده از GAMS اتخاذ می کند. به عنوان مثال، در صورت بارگیری تابستان با DSM و سطح مشارکت 15٪،زمانانجامGAMS 5 ثانیه است، در حالی که GA با عملکرد ترکیبی 15 دقیقه برای هر تکرار طول می کشد و در بعضی موارد بیش از یک تکرار برای رسیدن به مقدار بهینه لازم است (پردازنده هسته i5 و RAM 4 مگابایت است).
همانطور که در جدول 2 (نتایج 10٪نفوذباددریک روز در زمستان) به وضوح نشان داده شده است، بدون استفاده از DSM، راه حل مشکل DED مقداری ثابت برای هزینه عملیات می دهد که برابر 32171.013 $ صرف نظر از سطح مشارکت است، زیرا وجود دارد هیچ برنامه DSM وجود ندارد. با این حال، هنگام استفاده از برنامه DSM برای تغییر برخی از بارهای قابل تغییر، هزینه بر اساس سطح مشارکت متفاوت است، بنابراین وقتی سطح مشارکت افزایش مییابد هزینه عملیات کاهش مییابد. در مورد زمانی که باد موجب افزایش رمپ بالا یا پایین می شود که بیش از حد نرخ رمپ ژنراتورهای حرارتی می شود، انرژی باد استفاده شده کمتر از حالت بدون رمپ است که به وضوح در شکل نشان داده شده است. شکل های 4 و 5، بنابراین کل هزینه عملیات در صورت وجود رمپ بالا می رود. استفاده از DSM انعطاف پذیری بیشتری را طریق افزایش درصد بهره برداری از انرژی باد به سیستم اضافه خواهد کرد، که به وضوح در شکل 4 نشان داده شده است، با توجه به این که کل هزینه عملیات قطعا کاهش خواهد یافت و کمترین هزینه عملیاتی برای 15٪سطح مشارکت است.
جدول 3 (نتایج حاصل از نفوذ 10٪نفوذباددریک روز در تابستان) به وضوح نشان میدهد که بار پیک بالا با مقدار بالای انرژی باد مطابقت ندارد. واضح است که بدون استفاده از DSM و یا تخلیه بار، مشکل حل نخواهد شد، زیراتوان بالای باد در زمان غیر از پبک میباشد. به این ترتیب، دو راه حل برای حل این مشکل وجود دارد: از بین رفتن بار یاDSM. اما استفاده از تخلیه بار بر کیفیت خدمات و سطح رضایت مشتری تأثیر می گذارد. با این حال با استفاده از DSM این مسئله بسته به سطح مشارکت حل خواهد شد. همانطور که در جدول 3 نشان داده شده است سلول به نام ” بار با DSM ‘، سیستم نیاز به بیش از 10٪سطحمشارکتبرای حل اختلاف بین بار حداکثر و اوج توان باد دارد. همچنین از شکل 6 روشن است که با افزایش سطح مشارکت درصد بهره برداری از انرژی باد افزایش مییابد.
جداول 4 و 5 نتایج استفاده از سطح نفوذ 20 درصد انرژی باد را نشان می دهد. واضح است که هزینه عملیات کمتر از سطح نفوذ 10٪است. نشان داده شده است که سیستم هنوز با مشکل عدم هماهنگی بین حداکثر بار و حداکثر توان باد مواجه است. با این حال روشن است که مسئله رمپینگ در هنگام استفاده از سطح بالای نفوذ باد موثر خواهد بود. به عنوان مثال، درصد بهره برداری از انرژی باد کمتر از مواردی است که در انرژی باد تغییری وجود ندارد، همانطور که در شکل نشان داده شده است. 4 و 5. شکل. 6 و 7 به وضوح نشان می دهد که با افزایش سطح نفوذ انرژی باد، درصد استفاده از انرژی باد کاهش مییابد اما با استفاده از DSM درصد استفاده از انرژی باد افزایش مییابد.
به طور کلی، تمام نتایج جدول اطمینان می دهد که درصد بهره برداری از انرژی باد در مشکل DED به شدت تحت تاثیر استفاده از برنامه DSM قرار دارد و در بعضی موارد راه حل هایی بدون استفاده از DSM وجود ندارد، زیرا اختلاف بزرگی بین بار باد و بار پیک در مورد تابستان با سطح نفوذ 10٪باد وجود دارد. افزون براین، اگر در بعضی موارد دیگریک رمپ بیش از مقادیر قابل قبول ژنراتور حرارتی باشد، انرژی باد محدود شده افزایش یابد؛ با این حال با استفاده از DSM با سطح نفوذ بالا می توان مسائل مربوط به عدم انطباق انرژی و یا مسائل رمپ را کنترل کرد.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

اصلاح اوج بار
اصلاح بار برای کاهش اوج تقاضا بر سیستم نیرو استفاده میشود ، یا در مناطق توازن مانند یک حفره یا بر روی یک زیرسیستم از قبیل خوراک دهنده ی توزیع. این ممکن است در برخی راه ها وابسته به نیازهای سیستم و اهداف راهبرد مورد استفاده ، انجام شده باشد. مثالی از آن تغییر محدود انرژی تجدیدپذیر یا انرژی تولید شده با قیمت پایین در طول زمان هایی از افت تقاضا به دوره هایی شدت تقاضا است که کاربرد انرژی تجدیدپذیر را افزایش بدهد یا استفاده از واحدهای تولید اوج گرانتر را کاهش بدهد. BESS یکی از گزینه های سطح شبکه در حال ظهور برای تولید تغییر جهت تولید هستند برای وقتی که مورد نیازاست و برای هموار کردن نوسانات نیرو. به منظور برنامه ریزی عملکرد باتری برای 24 ساعت آینده ، یک یک پیشگویی از نمایه جریان نیرو مورد نیاز است. روش رگرسیون خطی برای حاصل کردن نمایه نیرو در الگوریتم پیشگویی بهینه استفاده شده است.

روش رگرسیون خطی
در این روش ، معیار پیشگویی برای هر گام زمانی برای n نمونه ی جمع شده بر مبنای کمترین امتیاز مناسب چندجمله ای محاسبه شده است.
این مقاله روش پیشگویی بار موازی که به اصلاح اوج بار از منحنی بار نیاز دارد را بحث میکند. مزیت این روش پیشگویی بار مطرح شده بار محاسبه ی اندک و سبک آن است . دو مورد کاربرد کنترل BESS سپس مورد ارزیابی و بیان قرار گرفتند. مورد کاربرد اول تمرکز بر روش اصلاح اوج بار است که عملکرد صحیح را بیان میکند تا زمانی که عدم قطعیت بار در طول دوره ی اولیه شارژ BESS و دِشارژ شدن در اول صبح و ساعات اولیه بعدازظهر کم است . این روش، اگر چه، ممکن است در دوره ی زمانی که تغیر تولید pv بالا است به خوبی عمل نکند. مورد دوم کاربرد BESS ساختن بالای مورد اول توسط اضافه کردن یک الگوریتم نیرو است که یک منبع بهبود یافته منحنی نیرو را به کار می برد تا دوره های زمانی را وقتی تولید pv و تغییر بازده نیرو بالا است نشان دهد در حالیکه ظرفیت اصلاح اوج باقی می ماند.

آزمایشات BESS
به منظور گسترش درک خوب از عملکرد BESS بر شبکه ی نیرو ، چندین آزمایش شارژ و دِشارژ انجام شدند و اندازه گیری الکتریکی از وسایل SCADA در منتقل کننده های توزیع رسم شدند.

جریان نیروی فعال
در این آزمایشات، BESS با گام های 50 kW شارژ شده است. این آزمون انجام شده است تا تاثیر شارژ بر سطح ولتاژ و عملگر منتقل کننده ی بار Tap Changer (LTC) درک شود. تغییرات گام ها برای اهداف کوچک نگه داشته میشوند و همچنین برای دیدن اثر تغییرات افزایشی نیرو بر شبکه ، کوچک نگه داشته میشوند. BESS و جریان نیروی فعال و سطح ولتاژ منتقل کننده و گراف SOC BESS در شکل 2 و 3 به ترتیب نشان داده شده است.

در شکل 2 و شکل 3. گراف های آبی و قرمز در اندازه گیری های نیرو ، به ترتیب نیروی فعال و کنشی بیان میشوند. در نمودار اندازه گیری ولتاژ ، فاز A ، B و C توسط رنگ های آبی، قرمز و سبز به ترتیب نشان داده میشوند. شارژ کردن BESS شکل رایج شبکه ی اصلی را طراحی میکند و یک افت ولتاژ تدریجی محسوس توسط LTC وجود دارد. در نتیجه، منتقل کننده افت ولتاژ را توسط افزایش موقعیت ضربه ، جبران میکند همانطور که در تغییرات ناگهانی در گراف ولتاژ مشاهده میشود.

جریان نیروی کنشی
به منظور بررسی اثر جریان نیروی کنشی از BESS بر سطح ولتاژ ، آزمون های نیروی کنشی اجرا شدند که در آن نیروی کنشی در افزایش های 200 KVAR تزریق وجذب شد. نتایج آزمون های تزریق نیرو کنشی و اندازه گیری های مربوطه در شکل 4 و 5 رسم شده اند.
تغییرات سطح ولتاژ در سمت پایین تر منتقل کننده ی توزیع 69/12.47 Kv از حدود 0.015 kV برای هر افزایش تزریق 200 KVAR اندازه گیری شد و 0.06 kV برای آزمون نهایی 800 KVAR ثبت میشود. بر اساس نتایج مشاهده شده از آزمایش، جریان نیروی کنشی توسط BESS اثر معنی داری بر تنظیم ولتاژ در حضور منتقل کننده ی LTC که به عنوان وسیله ی تنظیمی ولتاژ اولیه برای جریان توزیع به کار گرفته میشود، ندارد. بنابراین ، استفاده از ظرفیت BESS برای مدیریت نیروی فعال ارجح است. اگر چه، ظرفیت باقی مانده ی BESS میتواند برای تنظیم توزیع عامل جریان نیرو استفاده شود.

الگوریتم بهینه سازی
الگوریتم بهینه سازی ، جریان نیرو فعال بهینه BESS در هر گام زمان می یابد. عملکرد عینی برای اصلاح بار شامل دو جزء است، هزینه ی SOC و هزینه ی بار که به حداقل رسده اند.
جایی که Ek ، BESS سطح ذخیره انرژی در گام زمان K را نشان می دهد. عملکرد عینی غیرخطی با روش برنامه نویسی درجه دوم متوالی هست که برای تعیین نقطه ی بهینه BESS استفاده میشود. اگر یک پیشگویی موثر از تولید منابع تجدیدپذیر از قبیل پیشگویی باد، در دسترس باشد، عملکرد عینی می تواند برای استفاده از تولید تجدیدپذیر برای شارژ شدن باتری نسبت به کم کردن آن در زمان افت اوج بار تجدیدنظر شود. این میتواند رخ دهد بوسیله ی منحنی نیروی مرجع، Pref در منتقل کننده ی توزیع با هزینه ی الکتریکی و فرضیه های تولید انرژی تجدید پذیر ، که در منحنی نیروی مرجع جاسازی شده است. در عملکرد عینی بازنگری شده خطا های جریان نیروی فعال از منتقل کننده به حداقل رسیده و منحنی مرجع نیرو با استفاده از گنجایش باتری به محدودیت های SOC موضوع میپردازد:

این فراتر از کاربردی است که منحنی نیروی مرجع تعریف میکند. یک منحنی مرجع نیرو شامل دو بخش است : زمان اوج و زمان افت اوج. نمایه ی نیروی افت اوج کاربرد پیشگویی انرژی تجدیدپذیر را را برای شارژ کردن BESS ممکن میسازد. نمایه ی زمان اوج از نقاط مشخص تعیین شده از جریان نیروی بهینه تبعیت میکند. نمودار جریان کلی الگوریتم در شکل 6 نشان داده شده است.
الگوریتم نشان داده شده در شکل6 روش اصلاح اوج بار که در BESS اجرا میشود را در شکل 1 نشان می دهد. در بالای نمودار جریان Qres ، ظرفیت تزریق نیروی کنشی باقی مانده BESS پس از اینکه نیروی فعال فرستاده شده توسط عملکرد عینی بهینه شده تعیین میشود، معنی میدهد. اگر این مقدار بیشتر از تقاضای نیرو کنشی از توزیع شبکه ی Ql باشد، ظرفیت در دسترس نیروی کنشی BESS برای افزایش عامل نیرو جریان به سطح مطلوب استفاده میشود. اگر چه، الگوریتم بهینه سازی بر تغییرات SOC بر افق حساب میکند، مقدار واقعی SOC از SCADA خوانده میشود تا کمبود ها و ارسال های نادرست را حساب کند. با تبعیت کردن از این تکنیک ، ما مطمئن شدیم که BESS با محدوده ی مطلوب SOC باقی می ماند.

تعادل تأمین – تقاضا جهت مدیریت توان در شبکه هوشمند با رویکرد بازی استکلبرگ

Supply–demand balancing for power management in smart grid: A Stackelberg game approach

مبتدی (مناسب برای درک مفهوم کلی مطلب)

F2156

 مدل سیستم

شکل 1 مدل سیستم با زیرساخت­های اندازه­گیری پیشرفته شامل مخابرات دو طرفه بین یک شرکت برق و یک مجموعه N عضوی از چندین مشترک با تعداد  را نشان می­دهد. شرکت برق بایستی توان الکتریکی را برای مصرف­کنندگان در قیمت­های خاصی فراهم نماید و هر مصرف­ کننده  هنگام در یافت قیمت­های اعلام شده از طرف شرکت برق، مصرف انرژی خود را مدیریت خواهند کرد.

1.2 مدل شرکت برق

اجازه دهید، برای شرکت برقی که مقداری از توان  را در مدت فرجه t تولید می­کند،  تابع هزینه باشد ()، که این تابع هزینه، یک تابع صعودی یکنواختی از مقدار تولید بوده و اکیداً محدب و واگرا است ]10[؛ مرسوم ­ترین تابع هزینه استفاده شده در این خصوص به شرح زیر است ]30 ، 22 ، 9[.

که در آن a_t ، b_t و c_t ضرایب تولید بوده که از قبل تعیین می­گردند و ممکن است با فرجه ­های زمانی روز بسیار متفاوت باشند.

تابع هزینه مرزی (که در آن هزینه مرزی به عنوان تغییر در میزان هزینه تعریف می­شود، و این امر در هنگامی است که مقدار توان تولید شده توسط یک واحد تغییر نماید) می­تواند به صورت زیر تعریف گردد :

همراه با برنامه­های تقاضا – پاسخ مبتنی بر قیمت، شرکت برق جهت تنظیم آنی قیمت­ها، مسئول این امر است که مصرف­کنندگان را به شرکت کردن در برنامه تقاضا – پاسخ وادار نماید، به طوریکه برای کاستن اختلاف بین میزان تأمین و تقاضا، شرکت برق و مصرف­کنندگان می­توانند مشترکاً به محاسبه میزان توان تولید شده و همچنین میزان تقاضا کمک نمایند.

جهت تضمین سود شرکت برق، واضح است که قیمت­های آنی استفاده شده برای صورتحساب مشترکین نبایستی کمتر از هزینه مرزی باشد. یک تابع قیمت­ گذاری مفید و سودبخش در ]15[ مطرح گردیده است، که به موجب آن شرکت برق، قیمت  را برای دوره زمانی t با ضرب یک ضریب سود وابسته به زمان  در هزینه مرزی، تنظیم می­نماید، برای مثال :

تأثیر و کارایی تابع قیمت­ گذاری در (3) مورد تأیید قرار گرفته است و تعاملات بین شرکت برق و مشترکین را هماهنگ کرده و به حداقل رساندن هزینه تولید توسط شرکت برق کمک می­نماید.

بنابر (3)، قیمت­های روزانه می­توانند به صورت  یا   بیان گردند که در آن  حاکی از بردار تولید توان در سرتاسر روز می­باشد. سپس این قیمت­ها برای تشویق مشترکین جهت تغییر مکان میزان تقاضای برق به ساعات کم­باری مورد استفاده قرار می­گیرد.

از نقطه­ نظر شرکت برق، در کنار ملاحظه کاهش در هزینه تولید، هموار ساختن میزان تولید در هر ساعت مطلوب می­باشد ]31 ، 15[، بنابراین از ایجاد ژنراتورهای پشتیبان گران قیمت جهت جبرانسازی بار پیک اجتناب می­گردد. یک بار پیک کاهش یافته، برای باقی نگهداشتن پایداری شبکه قدرت سودمند می باشد ]29 ، 15[. از اینرو، ما فرض می­کنیم که هدف شرکت برق تعیین بردار تولید بهینه از طریق به حداقل رساندن تغییرات در میزان تولید می باشد ]32 ، 29 ، 16[ و این در هنگامی است که نیازهای مصرف کننده برآورده شده باشد ]16[ که در آن زمان تأمین و تقاضا می­توانند با یکدیگر تطبیق گردند. برای این منظور، مسئله بهینه­ سازی به صورت زیر فرموله­ بندی می­گردد :

که در آن  حاکی از تابع بهره­وری از شرکت برق و میانگین تولید توان در مدت روز را نشان می­دهد؛ برای مثال :  و  مجموع میزان تقاضاهای توان از همه مشترکین در دوره زمانی t می­باشد، برای مثال :  و  حاکی از میزان تقاضای توان مصرف­ کننده  nدر هنگام دوره زمانی t است. لازم به ذکر است که (b4)  را تنظیم کرده و بنابراین همواره برابر با  یا بزرگتر از آن خواهد بود؛ نخستین دلیل برای اتخاذ این قید، تضمین نمودن این موضوع است که میزان تولید بتواند در همه زمان­ها، نیازهای مشترکین را برآورده سازد ]16[.  بر حداکثر تقاضای توان همه مشترکین در دوره زمانی t دلالت دارد و  حداکثر ظرفیت تولید شرکت برق در طول دوره زمانی t می­باشد.

لازم به ذکر است که تابع هدف در (a4) با حداکثرسازی شود تعریف شده در ]26 ، 24 – 22[ متفاوت است؛ با این وجود، مدل پیشنهادی برای سود به طور غیر مستقیم به حساب آورده می­شود، زیرا تابع قیمت ­گذاری در (3) جهت تضمین هزینه­های پایین تولید توان معتبر دانسته شده است ]15[. کاهش هزینه تا اندازه­ای با افزایش سود معادل است. علاوه بر این، هدف تعریف شده در (a4) در کنار هموار نمودن میزان تولید در هر ساعت (یا کاهش دادن میزان تغییر و پراکندگی در تولید)، مزیت­های بیشتری را با خود به همراه می­آورد. در سیستم­های قدرت، ضریب بار (LF[1]) به عنوان یک معیاری از ضریب انتفاع و پُرکاری استفاده از انرژی الکتریسیته مورد استفاده قرار گرفته که این ضریب به صورت نسبتی از میانگین انرژی مورد تقاضا به حداکثر میزان تقاضای توان در طول مدت یک دوره تعریف می­گردد. مقدار بزرگتری از LF میزان بهره­وری و پُرکاری بالاتری در استفاده از انرژی را نشان می­دهد. همانطور که در مطالعات پیشین به اثبات رسیده است ]33 ، 29[، به حداقل رساندن میزان تغییر و پراکندگی در تولید در رابطه  (a4) به طور خاص معادل با افزایش ضریب بار می­باشد، که به صورت زیر تعریف می­گردد :

که در آن  حاکی از میانگین بار در سیستم بوده و  بیانگر ماکزیمم بار در مدت دوره زمانی مجزا می­باشد.

2.2 مدل مصرف­ کننده

تابع بهره­وری برای هر مصرف­ کننده n بدین صورت تعریف می­گردد :

که در آن  بیانگر بردار تقاضای توان مصرف­ کننده n و  نیز بیانگر پرداختی
مصرف­ کننده n بعلت مصرف توان  در طول مدت زمان t می­باشد که  نیز مورد قبول از طرف شرکت برق می­باشد.  دال بر بهره رضایتمندی مصرف­ کننده n به عنوان تابعی از توان  مصرفی آن در دوره زمانی t می­باشد. بدون از دست دادن کلیت موضوع،  تابع درجه دومی که به صورت زیر تعریف می­شود را اتخاذ می­کند ]34 ، 30[ :

که در آن  یک پارامتر دلخواهی از مصرف کننده است که نوع مصرف کننده را مشخص می­کند، که این پارامتر بین مصرف کنندگان تغییر کرده و همچنین ممکن است با دوره های زمانی مختلف نیز تغییر نماید ]34[ و  یک ثابت از پیش تعیین شده می­باشد ]14[. همانطور که توسط رابطه (7) نشان داده شد، یک مصرف کننده با  بزرگتر، بنابر بهبود سطح رضایتمندی­اش، ترجیح می­دهد که  بیشتری را مصرف نماید. هر مصرف کننده بایستی با به حداکثر رساندن تابع بهره­وری خود، بردار تقاضای توان بهینه خود را فراهم کند.

که در آن  بیانگر مینیمم (ماکزیمم) توان مورد تقاضای مصرف کننده n در دوره زمانی t است.

علاوه بر این، یک مصرف کننده ممکن است به کاهش مصرف توان روزانه تمایلی نداشته باشد، اما ممکن است به جابجایی مصرف برق از زمان پیک به زمان کم باری راغب باشد ]35 ، 30 ، 10[. بنابراین، قیدی که در (c8) موقتاً جفت شده است، برای محدود نمودن مصرف تجمعی یک مصرف کننده در مقداری مطلوب، می­تواند برای همبسته و جفت نمودن مصرف توان در امتداد افق زمانی شامل و به حساب آورده شود (برای مثال : مصرف توان با هدف روزانه که به صورت  نشان داده می­شود).

3.2 فرموله­ بندی مسئله بین شرکت برق و مشترکین

در یک سیستم قدرت واقعی، انتظار می رود که همواره تولید و تقاضا با یکدیگر تطابق داشته باشند؛ اندازه گیری هوشمند و مخابرات دو طرفه، طرف های تأمین و تقاضا را قادر می سازد که توسط تبادل قیمت و اطلاعات تقاضا با یکدیگر تعامل داشته باشند. برای مثال، بردار قیمتی که توسط شرکت برق به اطلاع رسانده می شود، بر اینکه مصرف کنندگان چگونه تقاضاهای توان بهینه خود را تعیین می کنند، تأثیر خواهد گذاشت؛ بر خلاف این امر، تقاضاهای توان تنظیم شده از طرف مصرف کنندگان، بر برنامه تولید شرکت برق به طور وارونه تأثیر خواهد گذاشت، و این همچنان است که شرکت برق به تنظیم تولید بنابر برقراری تعادل تقاضا و تأمین تمایل دارد که بنابراین شرکت برق را به تنظیم بردار قیمت جدید سوق می دهد. در نتیجه، تقاضاهای توان تنظیم شده از یک مصرف کننده، به طور ذاتی بر اینکه دیگر مصرف کنندگان چگونه تقاضاهای توان خود را تنظیم می کنند، تأثیر می گذارد و این امر بواسطه بردار قیمت جدید می باشد. بنابراین، این عوامل طبیعتاً به تعاملاتی بین شرکت برق و مصرف کنندگان منجر می گردند.

بازی استکلبرگ به منظور نشان دادن مفهوم ماورای مدل سیستم ارائه شده ابزاری مناسب است، که شرکت برق به عنوان پیشوا عمل کرده و قیمت ها را به پیروان خود که شامل N مصرف کننده هستند را اطلاع می دهد. با ارائه آن قیمت ها، مصرف کنندگان با انجام یک بازی غیر تعاونی عکس العمل نشان خواهند داد و تصمیم هر مصرف کننده به طور ذاتی بر اینکه دیگر مصرف کنندگان چه تصمیمی می گیرند، اثر خواهد گذاشت.

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

بخشی از ترجمه فارسی مقاله:

مقدمه
کاهش منابع سوخت فسیل علاقه دولت ها را به اهمیت نفوذ منابع تجدید پذیر همانند انرژی بادی و انرژی خورشیدی برای ارزیابی عملکرد سیستم نیرو افزایش داده است (1). یکی از جالب ترین فناوری های اخیر انرژی خورشیدی است که در سال های اخیر معروف ترین منبع انرژی تجدید پذیر بوده است. انرژی خورشیدی به طور مستقیم از خورشید با ادغام ماژول های نوری-ولتی با سیستم های توزیع استخراج می گردد.
افزایش سریع در میزان نفوذ سیستم نوری-ولتی مد نظر واقع شده است. سیستم های نیرو نوری-ولتی خورشیدی به عنوان منبع انرژی غیر سنتی کاربردی برای بسیاری از کشورهای جهان و نیز در مصر در نظر گرفته می شود (3). لذا، تولید برق در آینده مستلزم آن است که کشورهای جهان در سراسر جهان انتظار کمک ها و اثرگذاری های بیشتری از انرژی های تجدید پذیر در سیستم های نیروی الکتریکی به ویژه سیستم های ولتی-نوری داشته باشند. سیستم های ولتاژ نوری پتانسیل کاربردهای کلی به عنوان منبع انرژی ایمن و تمیز در آینده نزدیک دارند (4). هدف برخی کاربردها نفوذ 20درصدی انرژی تجدید پذیر کل انرژی مورد نیاز تا سال 2020 بوده در حالی که کاربردهای دیگر انتظار 50% را تا سال 2050 دارند(5).
ادغام سیستم ولتاژ نوری در شبکه های توزیع برق را می توان به دو گروه عمده خارج از شبکه ( فناوری های مستقل) و درون شبکه ( فناوری های متصل به شبکه) تقسیم نمود (6). سیستم های ولتاژ نوری مستقل تقاضای نیروی مورد نیاز برای بارهای راه دور را فقط تامین می کنند در حالی که فناوری های متصل به شبکه برای فراهم سازی انرژی مورد نیاز برای بارهای محلی پیاده سازی می شوند و می توانند با شبکه های صنایع تبادل نیرو کنند. ویژگی های برجسته سیستم های ولتاژ نوری توانایی آنها در ارتقا عملیات سیستم های نوری برای بهبود پروفایل ولتاژ و با کاهش اتلاف انرژی تغذیه دهنده توزیع در پایین ترین هزینه نگه داری می باشد. سیستم های ولتاژ نوری در مقایسه با فناوری های تجدید پذیر دیگر، هنوز با مشکلات عمده مواجه اند و حتی ممکن است منجر به تاثیرات نامطلوب وارد بر سیستم همانند اضافه بار تغذیه دهنده، آلودگی هامونیک، هزینه سرمایه گذاری بالا، کارایی پایین و اعتبار کم شوند (7). علاوه بر این، نوسانات در پرتو خورشیدی ممکن است باعث انحراف نیرو و نوسان ولتاژ و تاثیرات نامطلوب حاصل بر سیستم های ولتاژ نوری بسیار نفوذی در شبکه توزیع گردد. چند روند کنترل که ولتاژ تولید شده و جریان ترتیب ولتاژ نوری را کنترل نمودند، مطرح شده اند تا کارایی سیستم های ولتاژ نوری را ارتقا دهند (8).
تشخیص دقیق اختلال های نامطلوب برای صنایع الکتریکی ضرورت دارد (9). اختلال های فوری به کیفیت نیروی تولیدی مورد استفاده مربوط می شوند. دو دیدگاه درباره تعاریف کیفیت نیرو وجود دارد. از دیدگاه صنعتی، کیفیت نیرو به عنوان اعتبار و مشخصه تامین نیرو تعریف می شود که می تواند تجهیزات را مقدور سازد تا کارکرد صحیح داشته باشند. از طرفی دیگر، مصرف کنندگان کیفیت نیرو را به عنوان هر نوع مسئله انحراف فرکانس جریان، ولتاژ تعریف می کنند که منجر به اتلاف عملیات یا از کار افتادگی تجهیزات مشتری می گردد. نمونه هایی از اختلالات کیفیت نیرو افت، افزایش، هجوم، نوسان، قطع شدگی ولتاژ و هم سو کننده می باشد (12-10).
آلودگی نیروی الکتریکی به خاطر مبدل نیرو، توزیع و انتقال شبکه ها با رشد بارهای غیر خطی همانند تامین کننده نیرو حالت کلیدی و یک سو کننده کنترل فاز افزایش یافته است. کیفیت نیرو ضعیف به طور عمده به خاطر تاثیر همسو سازی و نیروی واکنشی رخ می دهد (11). مشکلات کیفین نیرو پدید آمده در سیستم نیرو و شیوه های حل این مسائل در (12) مطرح گردید. وجود بارهای غیرخطی و فانوری های تولید توزیع یافته ولتاژ و شکل موج جریان و ویژگی ها را تغییر می دهد (13).
همسوسازی در جریان ولتاژ نوری خروجی مطرح می شوند که به خاطر استفاده از مبدل های نیرو و جریان نیرو متغییر سیستم های ولتاژ نوری است. این جریان ها از طریق امپدانس سیستم توزیع شارش می شوند و منجر به اختلال در ولتاژ شبکه می شوند (14). همسو سازی طول عمر تجهیزات سیستم های نیرو را کاهش می دهد. طراحی فیلتر برای سیستم های توزیع صنعتی بسیار ضروری است (15). تاثیرات همسو سازی بر سیستم بر حسب مسائل زیر تعریف می شود (16)، (17):
• حرارت مازاد تجهیزات که منجر به خرابی یا آسیب می گردد
• اختلال در کارکرد یا عملیات سیستم تجهیزات
• محافظت از اختلال عملیاتی تجهیزات
• اختلال در فرایند
نفوذ سیستم های ولتاژ نوری به شبکه توزیع یکی از منابع عمده اختلال همسو کننده شکل موج جریان و ولتاژ می باشد. لذا، این مسئله به ویژه در سیستم های توزیع شدید تر شده (18) است. این مقاله به مطالعه مسئله کیفیت نیرو می پردازد که به نفوذ ولتاژ نوری به سیستم های توزیع مربوط بوده و مقایسه مفصل بین عملکرد سیستم فراهم می کند. همچنین این مقاله روند ایی.تی.ای.پی برای انتخاب طراحی بهینه فیلترهای تنظیم شده مجزا مطرح می کند که می توانند تاثیرات بر محتویات همسو کننده جریان و ولتاژ را کاهش دهند تا در حیطه محدودیت های پذیرفته شده قوانین مصر باشد.

بخشی از مقاله انگلیسی:

I. INTRODUCTION

Reduction of fossil fuel sources increases governments’ interest to the importance of penetration of renewable energy sources such as wind energy and solar energy to assess power system performance [1]. One of most interested recent technologies is the solar energy which has become the most popular renewable energy source in recent years. The solar energy is extracted directly from sun by integrating photovoltaic (PV) modules to the distribution systems [2]. The rapid increase in the penetration levels of PV systems has been noticed. Solar PV power systems are being considered as a practical unconventional energy resource for many world countries as well as in Egypt [3]. Therefore, future electricity generation plans countries around the world expect more contribution of renewable energies in the electric power systems especially for PV systems. PV systems have the potential of general applications as an alternative safe and clean energy source in the nearest future [4]. The target of some utilities is to penetrate around of 20% renewable energy of total required energy by 2020 while other utilities expect 50% by the year 2050 [5]. The integration of PV system to electrical distribution networks can be divided into two main categories off-grid (standalone applications) and on-grid (grid-connected applications) [6]. The stand-alone PV systems provide the needed power demand for remote loads only while grid-connected applications are implemented to provide required energy for local loads and able to exchange power with utility grids. The salient features of PV systems are their ability to enhance the operation of power systems by improving the voltage profile and by reducing the energy losses of distribution feeders at lowest maintenance costs. Compared to other renewable technologies, PV systems still face major problems and may lead to undesirable effects to the system, such as overloading of the feeders, harmonic pollution, high investment cost, low efficiency, and low reliability [7]. Moreover, variations in solar radiation may cause power deviation and voltage flicker, resulting undesirable effects on high penetrated PV systems in the distribution network. Several control procedures, that controlled the produced voltage and the current of the PV array, are developed to improve the efficiency of PV systems [8]. The accurate detection of undesired disturbances is necessary for electrical utilities [9]. Urgent disturbances are that related to the quality of utilized generated power. Two view point about power quality definitions. In the view point of utility, the power quality is defined as the reliability and characteristic of the power supply that enable the equipment to work correctly. On the other side, consumers define the power quality as any problem in voltage, current frequency deviations that lead to failure or operation loss of customer equipment. Examples of the power quality disturbances are voltage sag, swell, surge, flickers, interruption and harmonics [10]-[12]. Electric power pollution has increased due to the power converter, distribution and transmission networks with the growth of non-linear loads like switch-mode-power-supplier and phase control rectifiers. The poor power quality occurs mainly due to the influence of harmonics and reactive power [11]. The power quality problems areised in power system and the ways to solve these problems were presented in [12]. The existence of non-linear loads and distributed generation technologies change the voltage and current waveforms their characteristics [13]. Harmonics are presented in the output PV current because of the use of power converters and variable power flow of the PV system. These currents, flowing through the impedances of the distribution system result in distortion of system voltage [14]. Harmonic reduce the power systems equipment’s life. The filter design has become essential for industrial distribution systems [15]. The harmonic effects on the system are defined by the following issues [16] and [17]: • Equipment overheating that leads to equipment failure or damage • System malfunction or operation failure of equipment • Protection equipment mal and fail operation • Process disturbance The penetration of PV systems in distribution network is one of the main sources of harmonic distortion of current and voltage waveforms. Therefore, that is becoming a huge problem [18] especially for distribution systems. This paper is concerned on studying the power quality problem that associated with the PV penetration into distribution systems and provide a detailed comparative between the system performance. Also, this paper proposes an ETAP procedure for choice the optimal design of single tuned filters that able to reduce the effects of voltage and current harmonic contents to be within the accepted limits of the Egyptian code.

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..

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

3. یکپارچه سازی FC-FP
3.1 مسائل عمده
چالش اصلی در یکپارچه سازی FP-FC طراحی یک FP که گاز هیدروژن را قبل از ورود به FC به خوبی پیش اماده کند. پیچیدگی هایی در این مسیر به وجود می آید که مثلا مواد خام به FPS دچار یک وقفه هستند که با ترکیب فوق العاده متغیر و ترکیبات نامطلوب همراه می باشد. آنها نیاز دارند که شامل یک یکپارچه سازی با FCS شوند. به رغم از اهمیت به ادغام FP-FC، تحقیق بسیار کمی در مورد این موضوع انجام شده است. مسائل عمده تأثیرگذار برادغام FC-FP به شیمی، ترمودینامیک، پیکربندی و کنترل مراحل مربوطه بر میگردد. در یک تحقیق [19] گزارش داده شد که یکپارچه کردن PEM مدل سلول سوختی با بهره گیری از متان به عنوان یک منبع سوخت اشاره شده است. تجزیه و تحلیل کلی انرژی نشان داد که نیاز به متان اضافی برای به دست آوری مواد مورد نیاز از اصلاح گرمای فرایند گرماگیر در FP می باشد. مسائل متعدد دیگری نیز وجود دارد که باید در نظر گرفته شود.

3.2 اثرات ناخالصی های به وجود آمده در FP بر عملکرد FC
ناخالصی های موجود در سوخت اولیه و / یا تولید شده در طول فرایند اصلاح و دیگر فرآیندها می تواند تاثیر منفی بر عملکرد FC بگذارد. ورودی هوا به FC ممکن است شامل NOx و SO2 باشد، که جدول محدودیت تحمل CO، CO2، H2O، S، NH3 و را فراهم می کند. CO برای سیستم PEFC، PEMFC، PAFC وبه نوعی MCFC غیر قابل قبول است از آن جا که می توانید کاتالیزور پلاتین و نیکل را مسموم کند که با اتصال محکم به آنها از دسترسی از هیدروژن اضافه جلوگیری می کند. کمتر از 10 پی پی ام از CO در reformate FP ممکن است که کاتالیزور پلاتین را مسموم کند و سلول سوختی را از کار بیندازد. تلاش هایی گزارش شده است DJA BAO [2] به بهبود محدودیت تحمل اکسید کربن از PEMFCs به حدود ppm500. اقدام به عمل کرده اند. آنها چیزی در حدود 0.05 % به آند اضافه کردند که با مونتاژ غشاء الکترود بهینه شده است. تلاش هایی نیز در این زمینه انجام گرفته است که الف) موانعی برای توسعه یک کاتالیزور پلاتین-RU می CO جذب CO را جلوگیری کند (ب) به کارگیری تنگستن غنی کاتالیزور با نانوذرات دی اکسید تیتانیوم [22]. لی [23] CO مدل مسمومیت O2 در یک PEMFC. را مدل کرده بودند. مدل مورد نظر دفع ، جذب H2 ، CO و O2 ، سینتیک اکسیداسیون الکترو و اکسیداسیون ناهمگن را دنظر گرفته بود. اثر O2 و پاشش هوا در مسمومیت CO با اعتبار سنجی تجربی مناسب شبیه سازی شد. CO2 به عنوان یک dilutent تقریبا در تمام FCSدر نظر گرفته می شود و از طرف دیگر آن را به عنوان سم در PEFC و PEMFC نظر گرفته می شود. مورد یاد شده دستخوش واکنش گاز آب معکوس با هیدروژن جذب شده بر روی کاتالیست می باشد. این باعث می شود که بخش بزرگی از سطح پوشش کاتالیزور برای تفکیک H2 غیر فعال. شود. یانسن و دیگران مطالعاتی در حوزه[24] به کارگیری روش های مطالعاتی ولتامتری چرخه ای و chromocoulometry در مسمومیت CO2 در PEMFC انجام دادند.
ناخالصی حاوی گوگرد می توانید شدت عملکرد تمام FCS. را دچار تنزل شدید کند. گارزون و همکاران [25،26] به ارزیابی H2S و اثرات SO2 درPEMFCs. پرداختند و دریافتند که اثرات کاهش بسیار شدید هستند و همچنین این عوامل غیر قابل برگشت هستند که با توجه به مسمومیت کاتالیست در نظر گرفته می شوند. سولفور سوخت یک پیش نیاز برای غلبه بر اثرات مسمومیت گوگرد است. ناخالصی های دیگر هالوژنها، NH3 هستند و NOx. هستند. حضور نمک طعام متاسفانه یکی از منابع آلوده کننده کاتد هوا میباشد که در کاربرد دارد FCS و برای تامین هدایت پروتونی خود را به کمک یک جابجایی الکترونی هیدروژن و سدیم انجام می پذیرد. آمونیاک هر دوی موارد شروع پتانسیل و کاهش واکنش کاهش اکسیژن در را کاهش می دهد . تصفیه آب مکانیسم حذف غالب برای مسمومیت آمونیاک است. NOx های منفی مقاومت غشا در PEMFC را تحت تاثیر قرار میدهد و احتمالا با توجه به تشکیل یون آمونیوم به دلیل عدم کاهش توسط هیدروژن می باشد.

4. چالش های یک پارچه سازی FP-FC
4.1. شیمی و مهندسی FP
هیدروکربن ها با مشتقات CO میتواند به صورت CnHmOz نمایش داده شوند که برای ارزیابی محصول برای توزیع در فرایند اصلاح به کار بشته می شود. براساس چگالی انرژی خاص و ویژگی های گازی، مایع و سوخت جامد، حجم هیدروژن تولید شده می تواند مورد بررسی قرار گیرد. روغن دیزل دارای بالاترین چگالی انرژی در مقایسه با تمام سوخت های دیگر می باشد. این سوخت مواد غیر فراربیستری نسبت به زغال سنگ در محدوده دمای 160-370 دارا می باشد. همانطور که در بخش 2.3 بحث شد، FP یک سوخت اولیه غنی شده با هیدروژن را به گازهای و آتن زیر با تعدادی از فرآیندهای به حذف ترکیبات نامطلوب برای برنامه های کاربردی می پردازد. الکتروشیمی FC است مستعد ابتلا به مسمومیت با ناخالصی های موجود در هیدروژن گازهای غنی از FP می باشد. جدول 2 شامل برخی از اطلاعات در این باب می باشد. تعدادی از این واکنش ها به صورت گرماکیر ویا گرماده در طبیعت موجود می باشند.
به تازگی، اشمیت و همکاران [27] یک مروری بر پروسه ای سلول سوختی انجام داده اند. شکل 3 نشان می دهد که سوخت که بیشتر مورد استقبال ثرار می گیرد و برای گزینه های مختلف فرآیند از سلول های سوختی به کار میرود. آنها با در نظر گرفتن اصلاحات خالص سازی برای رعایت مشخصات ورودی FC و واحد منطقی فرآیندها در نظر گرفته می شوند. فن آوری تبدیل به گاز سطوح مختلف از مواد آلی تار را به وجود می آورد. فن آوری اخری منجر به تشکیل کک در کاتالیزور و یا الکترود به FCخود منجر به بی اثر شدنشان م شود. تصفیه گسترده در این مورد نیاز است برای تبدیل مناسب انها برای استفاده در FCها. گوگرد نیاز به گازی شدن یا بخارشدن از سوخت مایع به صورت مستقیم دارد که برای استفاده در حذف سلول های سوختی در دمای بالا SOFC و MCFC به کار گرفته شود. گاز desulphurized / بخار با هوا برای اکسیداسیون جزئی مخلوط می شوند و یا مخلوط می شوند تا فرایند اصلاح بخار صورت گیرد. تغییر آب گاز واکنش می تواند برای حذف بسیاری از هیدروژن غنی مخلوط های گازی به کار گرفته شود که پیش از تغذیه به سلول های سوختی درجه حرارت متوسط مانند AFC، HT-PEMFC PAFC. صورت میپزیرد. فرایند مذکور، می تواند بیشتر خالص سازی شود که با اکسیداسیون ترجیحی انجام می شود که برای حذفCO به کمتر از 10ppm برای استفاده دربه کار گرفته می شود. برای جلوگیری از کمبود H2 سوزاندن کاتالیزوری به کار گرفته می شود که برای تولید انرژی حرارتی اضافی هیدروژن خارج از FCS به کار بسته می شود.
مهندسی واکنش فرایندهای FP برای طراحی راکتور مهم H2 مورد نظر است. رفرمینگ واکنش عمدتا توسط انتقال جرم خارجی کنترل از فله به سطح کاتالیست که مانند انتشار ذره سان در داخل کاتالیزور منافذ ماده مورد نظر می با شد. GHSV بالا در بستر کاتالیست حفظ می شود که برای به حداقل رساندن مقاومت انتقال جرم خارجی مناسب می باشد وبه کارگرفته می شود. کمپ و همکاران [28] سرعت فضای 200.000 ساعت است را گزارش کردندکه برای اصلاح کننده ها مناسب می باشد، 60000 ساعت برای WGSR و 150.000ساعت برای حذف CO توسط اکسیداسیون بود معیین شده است.که در مقابل GHSV از 1000-3000 ساعت میباشد که فرایندهای صنعتی هیدروژن گزارش شده است.
روش معرفی شده واکنش گر در روند FP، برروی انتقال جرم و فرآیندهای جنبشی اثر گزار می باشد [4]. واکنش کاتالیز در واحد FP LE ممکن است خیلی به دور از از یک فرایند بهینه سازی شده باشد که بیشتر از نقطه نظر ملاحظات مهندسی واکنش، می باشد.این مورد یاد شده همراه با فاکتور اثرگزاری کاتالیستی همراه می باشد که کمتر از 0.5 می باشد. مکانیزم هایی که در مورد فرایند مورد نظریاد شد به خوبی درک نمی شود چرا که تکامل این سیکل ها یک استراتژی برای رسیدن به روند بهره وری عالی می باشد. استفاده از کاتالیزورهای مهندسی برای رسیدن به بالاترین چگالی توان و قدرت خاص یکپارچه محدودیت FP-FC می باشد. راکتور Autothermal ترکیبی از اثرات حرارتی CPOX و واکنش SR با تغذیه سوخت را شامل می شود که آب و هوا راکتور با هم حضور دارند. در دو فرایند فعلیت جنبشی رخ می دهد که به طور همزمان در حضور یک کاتالیزور نرخ مورد نیاز خود را احساس کرده و برای رسیدن به تعادل حرارتی فرایند ادامه پیدا می کند. در یک مطالعه جالب آتایانوم و همکاران 31 اثرات تجزیه و تحلیل پردازنده های مختلف در HT و LT سیستم های سوخت-PEMFC با مرجعت غلظت CO و خوراک H2 را تجزیه تحیل کردند و آنها نتیجه گرفتندکه سیستم HT-PEMFC دارای بالاترین بهره وری می باشند واین زمانی ایت که راکتور WGS در مدار FP قرار می گیرد.

4.2 مهندسی و شیمی FC
یک واحد FC متشکل از کاتد مثبت و بار منفی آند می باشد که، یک الکترولیت و یک بار خارجی (شکل 4). را شامل می شود که در شکل 4 نشان داده شده است. رابط آند می تواند سوخت الکترولیت را فراهم کند که در محموع عوامل گفته شده تسریع انتقال هیدروژن و تسهیل مسیر انتقال برای انتقال الکترون ها را فراهم می کند. به طور همزمان کاتد رابطی بین اکسیژن و الکترولیت فراهم می کند ، به دنبال آن واکنش اکسیژن و تسریع فرایند را فراهم می کند که این عوامل راه را برای انتقال الکترون به الکترود اکسیژن از طریق مدار خارجی را فراهم می کند. الکترولیت به عنوان یک جدا کننده H2-O2 عمل می کند و مدار الکتریکی شامل حمل و نقل یون الکترود را کامل می کند. یک سلول سوختی معمولی در شرایط 0.55-0.8 V با حداکثر مقدار نظری 1.48v کار میکند. از آنجا که جریان الکتریکی حاصل ضرب ولتاژ کاری می باشد، مقدار مشخصی از گرما در سلول سوختی تولید می شود. حرارت توسط آب تولید شده در FC حمل مشود که به عنوان بخار آب در نظر گرفته می شود. جدول 2 واکنش های در ارتباط با مکانیزم الکتروشیمیایی چهار نوع مهم از سلول های سوختی و کاتد در آند را مشخص می کند. در اند هیدروزن به گاز الکتروشیمیایی H+ تبدیل می شود و الکترونها در کاتد، اکسیژن به صورت یک فرایند الکتروشیمیایی در گاز ترکیب می شود که حضور یک کاتالیزور با یون هیدروژن و الکترون های آزاد در نهایت باعث ایجاد آب می شود. انرژی واکنش کلی آب سازند برابر است با تفاوت انرژی آزاد گیبس بین محصول و واکنش دهندها می باشد.

تحت شرایط عملیاتی معمولی، آند با بهره گیری از حدود 80٪ سوخت هیدروژن ارائه شده توسط پردازنده را استفاده می کند. به عنوان یک نتیجه، جریان موجود در آند هنوز غنی از هیدروژن می باشد. خروج از آن در سلول های سوختی نه تنها به خطر انداخته بهره وری اگزوز می انجامد بلکه منجر به مشکلات حرارتی و محیط زیست نیز می شود. معرفی یک هیدروژن سوز کاتالیزوری فعال باعث بهبودی این فرایند می شود وباعث تبدیل آن به انرژی حرارتی می شود. فرایند مذکور می تواند برای پیش گرم سوخت وکاهش هوا به FP مورد استفاده قرار گیرد.. Sourapas و همکاران [32] طراحی و توسعه یک مدل پویا از FP-PEMFC را انجام دادند که هدف آنها طراحی یک سیستم کاتالیزوری برای رفع پدیده هیدروژن که در جریان گذرا اتفاق می افتاد. آنها همچنین کاهش جریان بار در آند به طور ناگهانی، را مورد مطالعه دقیق قرار دادند. آب تولید شده در کاتد باید از بخار حذف شده و آب به عنوان دسترسی بهتر به کاتد O2. اضافه شود. در این حالت محصول بدست آمده می تواند با SUA از سطوح رطوبت بهدستآمده گازهای واکنش دهنده مخلوط شود. یک قیاس قابل توجه در تعادل آب وجود داردکه درآن FCS و بالانس انرژی در یک راکتور شیمیایی گرمازا عنوان می شود که توسط مطالعات چیا و همکاران انجام شده است. 33
پدبده یاد شده رخ می دهد و علت آن هم متوجه به حالت های فعال مکانیزم التروشیمیایی فعال، عبور سوخت بیش ازحد، جریان های داخلی و زیان اهمی و غلظت باشد. زمان واکنش کاتد 100 بار کندتر از واکنش در آند است و می تواند چگالی توان از سلول را محدود کند. سوخت عبور بیش از حداز آند به کاتد رخ می دهد که بدون آزاد کردن الکترونها از طریق مدار خارجی به وقوع می پیوندد. عامل گفته شده کاهش بازده سلول است می باشد. تلفات غلظت رخ می دهد که عامل آن با توجه به H2 و O2 می باشد که منجر به کاهش در الکترودها با توجه به ساخت آب در کاتدمی باشد.

5. عملکرد کلی دمایی سیستم های FP-FC
5.1. انالیز دمایی
بهره وری انرژی یک سیستم FP-FC یکپارچه بستگی به فاکتورهایی دارد که هیچ در تنظیمات شخص واحد، ترکیب هیدروژن تغذیه به FC و شرایط عملیاتی دخیل نیست. مدیریت حرارتی توسط فقری و گوا [34] بررسی شده است. تعادل حرارتی از یک سیستم FP-FC بسیار مهم می باشد که برای حصول اطمینان از بازده حرارتی بالا و مواد سریع و پاسخ دینامیکی از سیستم ارزیابی می شود. مکانیزم یاد شده مناسب برای کنترل نرخ می باشد، که از ان جمله اکسیژن و آب می باشند (ب) اطمینان حاصل کردن از عامل بهینه درجه حرارت در کاتالیزور می باشد (ج) حفظ درجه حرارت گازها و سطوح اگزوز خارجی از راکتور در محدوده مجاز. بازده حرارتی از اصلاح کننده های FP در (شکل 5) نشان می دهد که بهره وری حداکثر در تولید هیدروژن (HPE) رخ می دهد در حالی که حداقل اصلاح بخار در کل تحت اکسیداسیون می باشد ورخ می دهد. زمانی که فرایند به اکسیداسیون از بخار اصلاح حرکت می کند ، مقدار مونوکسید کربن افزایش می یابد و محتوای آن به حداکثر می رسد حداقل محلی کربن مونوکسید در شرایط اصلاح بخار رخ می دهد. از نقطه نظر بهره وری انرژی، ماکسیما زمانی رخ می دهد که تحت شرایط حرارتی autothermal سیستم در حال کار کردن باشد.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

DGP در ساعات اوج بار برای کمک به SHGP برای عملیات سیستم امن کار می کند. با توجه به ارتفاع بالا، هر دیزل ژنراتور تنها حداکثر 1.0 مگاوات را در چنین محیطی تولید می کند. تولید گازهای گلخانه ای می تواند اثرات نامطلوب قابل توجهی بر روی سیستم زیست محیطی محلی آسیب پذیر ایجاد کند. علاوه بر این، هزینه حمل و نقل سوخت به راه دور، منطقه فلات, بسیار گران است. هزینه های بالا و نرخ انتشار بالا, زمان بهره برداری از دیزل ژنراتور را محدود می کند.
با افزایش تقاضای بار در منطقه، SHGP دیگر نمی تواند به نیازها پاسخ دهد. بدون افزایش تولید دیزل ژنراتورها، منابع انرژی تجدید پذیر (RESS) برای خدمت به افزایش تقاضا در نظر گرفته می شوند. به منظور استفاده از منابع خورشیدی فراوان (با مدت زمان آفتاب بیش از 2000 ساعت در سال) در این منطقه، یک نیروگاه تولید فتوولتائیک (PVGP) برای توسعه و یکپارچه سازی با سیستم های موجود به شکل یک ریزشبکه PVSHH جدید برنامه ریزی می شود همانطور که در شکل 1 نشان داده شده است. ریزشبکه PVSHH قادر به افزایش ثبات سیستم، بهبود بهره وری، کاهش انتشار، و برآورده سازی خواسته های برق و آب برق منطقه خواهد بود.
در فاز اول این پروژه، یک (PV) سیستم 5 MWP فتوولتائیک و سیستم ذخیره سازی انرژی باتری 5 مگاوات ساعت (BESS) نصب شده اند. به علت هزینه های اولیه و تعمیر و نگهداری بالای آن، BESS دارای ظرفیت نسبتاً محدود است. BESS به طور عمده برای صاف نمودن نوسانات برق و انتقال انرژی اضافی از سیستم PV مورد استفاده قرار می گیرد.
برای رسیدن به یک عملیات امن و کارآمد، EMS ریزشبکه PVSHH بر اساس ملاحظات زیر طراحی می شود:
(1) PVGP دارای بالاترین اولویت در تولید است. با کمک BESS، انرژی اضافی سیستم PV در هر صورت در روز ذخیره خواهد شد و برای حمایت از اوج بار در شب استفاده می شود. این امر موجب افزایش استفاده از سیستم PV و کاهش زمان بهره برداری از DGP می شود. تنها زمانی که BESS به طور کامل شارژ شود، تولید PV باید به تعادل تقاضای بار و جلوگیری از تنظیم ولتاژ محدود شود.
(2) بهره برداری از SHGP دارای اولویت بالا برای پاسخگویی به تقاضای آب مسکونی، به خصوص در فصل خشک است. برای بسیاری از زمان ها، SHGP بار پایه را تامین می کند و تولید آن در کل باید بالاتر از آستانه خروجی پایین تر باشد.
SHGP مسئول تنظیم فرکانس سیستم است.
(3) استفاده از دیزل ژنراتور باید به حداقل برسد. DGP تنها به عنوان یک اوج ساز برای برآورده سازی خواسته اوج استفاده می شود.
از زمانی که این پروژه ریزشبکه PVSHH به تصویب رسید، مطالعات گسترده ای در طراحی و پیاده سازی ریزشبکه ترکیبی انجام شد. ما به طور فعال در پروژه ریزشبکه درگیر شدیم و مسئول طراحی و پیاده سازی EMS هستیم. بر اساس اصول طراحی، این تیم EMS مبتنی بر MAS را پیشنهاد می دهد و آن را بر روی پلت فرم شبیه سازی زمان واقعی تایید می کند. بحث مفصل در توسعه یک EMS مبتنی بر MAS-برای ریزشبکه PVSHH در بخش های زیر داده می شود.

3. روش مدیریت انرژی مبتنی بر MAS
EMS مبتنی بر MAS پیشنهادی, مدیریت انرژی را در مقیاس چند ساعت بر اساس استراتژی مناقصه (VBD) مجازی و یک الگوریتم فرستادن توان پویا انجام می دهد. VBD, برنامه زمانبندی عملیات سیستم و ظرفیت ذخیره را بر اساس یک پلت فرم مناقصه عمومی تعیین می کند در حالی که الگوریتم اعزام پویا در زمان واقعی برای جبران خطای کنترل توان DG ها کار می کند. محیط دارای ارتفاع بالا منجر به یک هدف کنترل خاص و پارامترها در سیستم پیشنهادی، مانند تعدیل قیمت مجازی برای DG های مختلف می شود که نشان دهنده ملاحظات مختلف عملیاتی است که در بخش 2 مورد بررسی قرار گرفته است. با این وجود، روش پیشنهادی را می توان به آسانی برای دیگر برنامه های کاربردی گسترش داد.

3.1. مناقصه مجازی
برای MGهای متصل به شبکه، قیمت برق به طور معمول به عنوان مرجع برای DG های مناقصه تنظیم می شود. اما، این روش برای MGS مستقل نه تنها به خاطر اینکه MG مستقل از شبکه برق اصلی جدا نیست بلکه به خاطر عدم موفقیت در شناختن تنوع در روش های مختلف DG مناسب نیست. بنابراین، یک استراتژی VBD برای زمانبندی بهره برداری از DG ها در ریزشبکه هیبریدی با در نظر گرفتن شرایط عملیاتی و ویژگی های DG، به خصوص استفاده از منابع و تخصیص، تنها به جای سود اقتصادی پیشنهاد می شود. هدف آن بهبود ثبات عملیات سیستم از طریق برآورده سازی بار پایه از طریق SHGP و اوج بار با استفاده از منابع دیگر، حداکثر رساندن استفاده از سیستم PV با کمک BESS و کاهش زمان بهره برداری از DGP مطابق با اولویت های عملیاتی / مورد نیاز سیستم مورد بحث در بخش 2 است.
همانطور که در شکل (1) نشان داده می شود، قیمت مناقصه مجازی یک DG از هزینه حاشیه ای و هزینه جبران پویا تشکیل شده است. هزینه نهایی توسط هزینه تولید واقعی تعیین می شود در حالی که هزینه جبران پویا در زمان واقعی با توجه به محدودیت های تولید، تخصیص منابع و اثرات محیط زیست به روز می شود.

در ریزشبکه PVSHH، مرکز VBD در ابتدا قیمت پاکسازی و طرح اعزام توان مرتبط برای DG ها را بر اساس هزینه های حاشیه ای و سطح بار سیستم محاسبه می کند. قیمت پاکسازی, مرجع جبران پویا برای DG ها است و شبیه به قیمت برق برای MGهای متصل به شبکه است.
به منظور استفاده بهتر از تولید PV، یک انتظار توان پارامتری به نام توان PV (Pev) تعریف می شود. انتظار می رود که تولید PV واقعی بین PEV و حداکثر تولید PV باشد. اگر تولید توان پاکسازی PV کوچکتر از Pev باشد، ، به عنوان یک عدد منفی برای تحریک تولید PV بیشتر تعیین می شود. در مقابل، اگر پیشنهاد بزرگتر از یا برابر با Pev باشد, ، در صفر تنظیم می شود که در شکل (2) نشان داده شده است. Pev یک ثابت به دست آمده در بهینه سازی اندازه سیستم با ملاحظات عملیاتی است. تولید PV اضافی (به عنوان مثال، تولید PV منهای Pev) برای اولین بار در BESS ذخیره می شود، و سپس برای حمایت از اوج بار در شب مورد استفاده قرار می گیرد. انرژی ذخیره شده در BESS دارای یک قیمت ثابت مجازی است که کمی ارزان تر از قسمت DGP است که ناشی از کاهش زمان بهره برداری از DGP است.