|
آنالیز حساسیت در سیستم‌های انرژی چند حاملی با رویکرد کاهش هزینه بهره‌برداری
|
مهرداد محمودیان1    ، سجاد سعدی* 2، علیرضا کریمی3 ، جواد غلامی4 |
1- دانشکده مهندسی برق و الکترونیک، دانشگاه صنعتی شیراز، شیراز، ایران
2- دانشکده مهندسی و پدافند غیر عامل، دانشگاه امام حسین، تهران، ایران
3- دانشکده مهندسی و پدافند غیر عامل، دانشگاه جامع امام حسین، تهران، ایران
4- دانشکده مهندسی و پدافند غیر عامل، دانشگاه امام حسین ، تهران، ایران |
|
|
چکیده: (1100 مشاهده) |
سیستم‌های انرژی چند حاملی نقش بزرگی را در بهره‌برداری از شبکه‌های قدرت تجدید ساختار یافته ایفا می‌کنند. با توجه به اینکه معمولاً در پژوهش‌های گذشته، تنها به مدل‌سازی حامل‌های انرژی ورودی و بهینه‌سازی هزینه بهره‌برداری نهایی سیستم پرداخته‌شده است، در این مقاله آنالیز حساسیت کمیت‌های خروجی نسبت به پارامترهای ورودی به همراه تأثیر ریسک قیمت بر عملکرد اپراتور بازار برق، مورد مطالعه قرار می‌گیرد. آنالیز حساسیت حامل‌های انرژی که نوآوری اصلی این مقاله می‌باشد، نقش مهمی را در تصمیم‌گیری‌های اپراتور شبکه بازی می‌کند. به بیان دیگر ISO و سیستم کنترل حاکم بر مدیریت انرژی و بهره‌برداری از هاب مد نظر، باید قادر باشند تا سهم هر یک از حامل‌های انرژی را به نحوی تعیین کنند که در شرایط اضطراری یا همان پدافند غیر عامل، کمترین انرژی مصرف شود و بیشترین بازدهی نیز پدید آید. این موضوع از طریق تغییر در میزان سهم انرژی در حامل‌های ورودی برای جبران کمبود حامل‌های غایب و همچنین تأثیر آن‌ها در تأمین میزان بار الکتریکی و حرارتی خروجی، با رویکرد کاهش هزینه بهره‌برداری و میزان انرژی تأمین نشده، بررسی می‌شود. شایان ذکر است که ریسک تصمیم‌گیری در این مقاله با مدل CVaR شبیه‌سازی شده و افق زمانی تحت مطالعه نیز چهار هفته می‌باشد. |
|
| واژه‌های کلیدی: آنالیز حساسیت، بهره‌برداری، سیستم‌های انرژی چند حاملی، GAMS. |
|
|
متن کامل [PDF 1108 kb]
(421 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
برق و کامپیوتر
دریافت: 1400/9/30 | پذیرش: 1401/10/10 | انتشار: 1401/8/10
|
|
|
|
|
|
|
| فهرست منابع |
1. [1] Brahman, F., Honarmand, M. and Jadid, S., 2015. Optimal electrical and thermal energy management of a residential energy hub, integrating demand response and energy storage system. Energy and Buildings, 90, pp.65-75. [ DOI:10.1016/j.enbuild.2014.12.039] 2. [2] Zhang, X., Shahidehpour, M., Alabdulwahab, A. and Abusorrah, A., 2015. Optimal expansion planning of energy hub with multiple energy infrastructures. IEEE Transactions on Smart Grid, 6(5), pp.2302-2311. [ DOI:10.1109/TSG.2015.2390640] 3. [3] Orehounig, K., Evins, R., & Dorer, V. (2015). Integration of decentralized energy systems in neighbourhoods using the energy hub approach. Applied Energy, 154, 277-289. [ DOI:10.1016/j.apenergy.2015.04.114] 4. [4] Bahrami, S. and Sheikhi, A., 2016. From Demand Response in Smart Grid Toward Integrated Demand Response in Smart Energy Hub. IEEE Trans. Smart Grid, 7(2), pp.650-658. [ DOI:10.1109/TSG.2015.2464374] 5. [5] Moghaddam, I.G., Saniei, M. and Mashhour, E., 2016. A comprehensive model for self-scheduling an energy hub to supply cooling, heating and electrical demands of a building. Energy, 94, pp.157-170. [ DOI:10.1016/j.energy.2015.10.137] 6. [6] Pazouki, S. and Haghifam, M.R., 2016. Optimal planning and scheduling of energy hub in presence of wind, storage and demand response under uncertainty. International Journal of Electrical Power & Energy Systems, 80, pp.219-239. [ DOI:10.1016/j.ijepes.2016.01.044] 7. [7] Vahid-Pakdel, M.J., Nojavan, S., Mohammadi-Ivatloo, B. and Zare, K., 2017. Stochastic optimization of energy hub operation with consideration of thermal energy market and demand response. Energy Conversion and Management, 145, pp.117-128. [ DOI:10.1016/j.enconman.2017.04.074] 8. [8] Pazouki, S., Haghifam, M.R. and Moser, A., 2014. Uncertainty modeling in optimal operation of energy hub in presence of wind, storage and demand response. International Journal of Electrical Power & Energy Systems, 61, pp.335-345. [ DOI:10.1016/j.ijepes.2014.03.038] 9. [9] Ma, T., Wu, J. and Hao, L., 2017. Energy flow modeling and optimal operation analysis of the micro energy grid based on energy hub. Energy conversion and management, 133, pp.292-306. [ DOI:10.1016/j.enconman.2016.12.011] 10. [10] Dolatabadi, A. and Mohammadi-Ivatloo, B., 2017. Stochastic risk-constrained scheduling of smart energy hub in the presence of wind power and demand response. Applied Thermal Engineering, 123, pp.40-49. [ DOI:10.1016/j.applthermaleng.2017.05.069] 11. [11] Dolatabadi, A., Jadidbonab, M. and Mohammadi-ivatloo, B., 2018. Short-term scheduling strategy for wind-based energy hub: a hybrid stochastic/IGDT approach. IEEE Transactions on Sustainable Energy. [ DOI:10.1109/TSTE.2017.2788086] 12. [12] Biglia, A., Caredda, F.V., Fabrizio, E., Filippi, M. and Mandas, N., 2017. Technical-economic feasibility of CHP systems in large hospitals through the Energy Hub method: The case of Cagliari AOB. Energy and Buildings, 147, pp.101-112. [ DOI:10.1016/j.enbuild.2017.04.047] 13. [13] Maroufmashat, A., Sattari, S., Roshandel, R., Fowler, M. and Elkamel, A., 2016. Multi-objective optimization for design and operation of distributed energy systems through the multi-energy hub network approach. Industrial & Engineering Chemistry Research, 55(33), pp.8950-8966. [ DOI:10.1021/acs.iecr.6b01264] 14. [14] Wasilewski, J., 2015. Integrated modeling of microgrid for steady-state analysis using modified concept of multi-carrier energy hub. International Journal of Electrical Power & Energy Systems, 73, pp.891-898. [ DOI:10.1016/j.ijepes.2015.06.022] 15. [15] Ayele, G.T., Haurant, P., Laumert, B. and Lacarrière, B., 2018. An extended energy hub approach for load flow analysis of highly coupled district energy networks: Illustration with electricity and heating. Applied Energy, 212, pp.850-867. [ DOI:10.1016/j.apenergy.2017.12.090] 16. [16] Sharif, A., Almansoori, A., Fowler, M., Elkamel, A. and Alrafea, K., 2014. Design of an energy hub based on natural gas and renewable energy sources. International Journal of Energy Research, 38(3), pp.363-373. [ DOI:10.1002/er.3050] 17. [17] Dolatabadi, A. and Mohammadi-Ivatloo, B., 2017. Stochastic risk-constrained scheduling of smart energy hub in the presence of wind power and demand response. Applied Thermal Engineering, 123, pp.40-49. [ DOI:10.1016/j.applthermaleng.2017.05.069] 18. [18] Soroudi, A. and Keane, A., 2015. Risk averse energy hub management considering plug-in electric vehicles using information gap decision theory. In Plug in electric vehicles in smart grids (pp. 107-127). Springer, Singapore. [ DOI:10.1007/978-981-287-302-6_5] |
|
Mahmoudian M, Sadi S, Karimi A, Gholami J. Sensitivity Analysis in Multi-Carrier Energy Systems Considering Operation Costs Minimization. ieijqp 2022; 11 (4) :75-87 URL: http://ieijqp.ir/article-1-871-fa.html
محمودیان مهرداد، سعدی سجاد، کریمی علیرضا، غلامی جواد. آنالیز حساسیت در سیستم‌های انرژی چند حاملی با رویکرد کاهش هزینه بهره‌برداری. نشریه کیفیت و بهره وری صنعت برق ایران. 1401; 11 (4) :75-87 URL: http://ieijqp.ir/article-1-871-fa.html
|
