fa
jalali
1397
6
1
gregorian
2018
9
1
7
1
online
1
fulltext
fa
جایابی چندمنظوره محدودکننده جریان خطا با استفاده از الگوریتم بهینه سازی MOPSO
Fault Current Limiter Placement Using Multi-Objective Particle Swarm Optimization
ورود تولیدات پراکنده به شبکه قدرت باعث بروز مسائل زیادی همچون افزایش سطح جریان اتصال کوتاه میشود، که اگر بیشتر از سطح مجاز مدار شکنهای موجود در شبکه باشد میتواند منجر به آسیبدیدگی تجهیزات شبکه شود. استفاده از محدودکننده جریان خطا (FCL) در شبکه روشی موثر برای مقابله با مسئله فوق است، که تاثیرگذاری آن در گرو تعیین صحیح تعداد، مکان و مقدار امپدانس است. در این مقاله روشی کارامد برای جایابی FCLها در شبکه ارائه میشود که بموجب آن مسئله جایابی FCL به یک مسئله بهینهسازی چند منظوره مدل میشود. در مسئله بهینه سازی مذکور، توابع هدف عبارتند از اختلاف جریان خطای باسها، نرخ خرابی تجهیزات، تعداد و امپدانس FCLها. برای حل مسئله، از الگوریتم بهینهسازی چندمنظوره ازدحام ذرات (MOPSO) استفاده شده است. در روند بهینهسازی الگوریتم، جوابهای بهینه و غالب استخراج میشوند و در یک مخزن ذخیره میگردند که اندازه مخزن در روند بهینهسازی با استفاده از تکنیک دستهبندی فازی کنترل میشود. و در انتها با اعمال الگوریتم نیل به آرمان (GAO) به جوابهای غالب، جواب متناسب با نیاز شبکه توسط اپراتور شبکه انتخاب میشود. نتایج بدست آمده از پیادهسازی روش پیشنهادی برروی یک شبکه قدرت نمونه نشان دهنده کارامدی روش است.
The presence of distributed generations (DGs) in the power systems is causing problems such as increasing the short circuit current levels which may exceed the rating of existing circuit breakers and can damage system equipment. The utilization of fault current limiters (FCLs) in the network can be an effective method to overcome the above problems. Furthermore, FCL has the benefits such as improving the system security and reliability. FCL benefits depend on the number, installation location, and impedance of FCL. For this end, we require a method to determine the optimum number, impedance and locations for FCL placement. In the considered method, we have modeled the FCL placement as an optimization problem while the objectives are; bus fault current difference, reliability, the number and impedance of FCLs. Moreover, to solve the proposed problem, a new multi-objective optimization algorithm based on particle swarm optimization has been implemented. In the algorithm, several iterations have been considered, and the non-dominated solutions are extracted and stored in an external repository in the iterations. Finally, a fuzzy clustering technique is used to control the size of the repository during the algorithm evolution. The proposed approach is tested on a test system, namely, RBTS 2 . The obtained results demonstrate the effectiveness and feasibility of the new method.
DG, FCL Placement, multi-objective optimization algorithm based on particle swarm optimization (MPSO)
محدود کننده جریان خطا (FCL), الگوریتم بهینهسازی چند منظوره ازدحام ذرات (MOPSO), تولیدات پراکنده (DG), قابلیت اطمینان.
6
14
http://ieijqp.ir/browse.php?a_code=A-10-101-1&slc_lang=fa&sid=1
2017/02/19
1395/12/1
2017/11/4
1396/8/13
Ehsan
Azad Farsani
احسان
آزاد فارسانی
e.azad@gut.ac.ir
0031947532846002555
0031947532846002555
Yes
دانشگاه گلپایگان
Hossein
Bahramian
حسین
بهرامیان
hosseinbahramian@aut.ac.ir
0031947532846002556
0031947532846002556
No
دانشگاه صنعتی امیرکبیر
Amir
Hosseini
امیر
حسینی
Hosseini.amir@aut.ac.ir
0031947532846002557
0031947532846002557
No
دانشگاه گلپایگان
Hossein
Askarian
حسین
عسکریان ابیانه
askarian@aut.ac.ir
0031947532846002558
0031947532846002558
No
دانشگاه صنعتی امیرکبیر
fa
ارائه یک سیستم تصمیم یار جهت پیش بینی خاموشی اضطراری نیروگاه های برق آبی با استفاده از استخراج قوانین انجمنی مطالعه موردی: نیروگاه برق آبی مارون بهبهان
A decision support system for predicting the Emergency Shutdown of the power plants by using association rule mining. case study in Maroon power plant-Behbahan
حسگرها وضعیت بخشهای مختلف نیروگاه برق آبی را رصد کرده و ابزارهای کنترلی دستورات لازم را جهت فعالیت نیروگاه صادر میکنند. همچنین کارشناسان براساس مقدار اعدادی که حسگرها و دماسنج ها نشان میدهند و براساس شرایط محیطی نیروگاه و تجربه در شرایط خاص تصمیمهای لازم را جهت خاموشی اضطراری نیروگاه اتخاذ میکنند. در یک نیروگاه برق آبی عوامل متعددی مانند: تعمیرات، علائم هشدار در حسگرها، آسیب های فیزیکی تجهیزات و یا ارتفاع آب در پشت سد، ممکن است تولید برق را متوقف سازد. لذا تشخیص زمان مناسب فعالیت یا عدم فعالیت نیروگاه با توجه به داده های حسگرها بسیار حیاتی است. هر چند سیستمهای کنترلی موجود به نحو مطلوبی شرایط را بررسی میکنند ولی بعلل مختلف مانند خطای انسانی یا خطای تجهیزات ممکن است تصمیم به ادامه کار یا خاموشی اضطراری با خطا همراه باشد. در این مقاله با استفاده از تکنیکهای داده کاوی یک سیستم تصمیمیار طراحی شده است که روابط معنادار بین ویژگی هایی که حسگرها همه روزه در نیروگاه برق آبی آرشیو میکنند را مییابد. این روابط مانند قوانین استنتاج میتوانند در تصمیم گیری دقیق و سریع کارشناسان کمک شایانی نموده و از آسیب به تجهیزات در تصمیمات اشتباه یا دیرهنگام جلوگیری نماید. نتایج بدست آمده از تحلیل داده های سالهای 92 الی 94 نیروگاه برق آبی مارون 41 قانون برای تصمیم گیری سریع بدست آمده است که با بررسی های به عمل آمده توسط متخصصان فنی این نیروگاه 4 قانون آن جدید و سودمند ارزیابی شده است.
Sensors monitor the status of various parts of hydroelectric power station and control instruments issued instructions to operate the power plant.The experts based on the amount of numbers for which sensors and thermometers are fitted and shown, and also based on environmental conditions of the plant, and experience, make a decision for emergency power shutting down. In a hydroelectric power plant several factors such as: loaders, maintenance, signs warning sensors, physical damage to equipment or the height of the water behind the dam, may be stop the generation of the electricity.So appropriate activity or inactivity time detection of power plant according to the sensors is vital. Although the existing control systems to check the syntax of the favorable conditions but different ball fitted such as human error or equipment error may decide to continue with the emergency shutdown error or work together.In this article, using data mining techniques for a system that is designed to be fitted decision sweetheart meaningful relationships between data that sensors in all hydroelectric power plant can archive . These relationships can deduce laws such as fitted in a quick and accurate decision making experts are extremely helpful and damage to equipment in the wrong decisions or prevent late. data set is gotten from Maroon power plant-Behbahan from years 92 to 94. we extract 41 rules by association rule mining that experts have been recognized 4 of them are new knowledge.
association rule mining, data mining, hydroelectric power plant, Emergency Shutdown
استخراج قوانین انجمنی, داده کاوی, نیروگاه برق آبی, خاموشی اضطراری
15
27
http://ieijqp.ir/browse.php?a_code=A-10-720-1&slc_lang=fa&sid=1
2017/02/192017/04/10
1396/1/21
2017/11/42018/05/12
1397/2/22
Elham
Parvinnia
Azad University- Shiraz branch
الهام
پروین نیا
eparvinnia@yahoo.com
0031947532846002559
0031947532846002559
Yes
دانشگاه آزاد شیراز
khosro
fardad
Azad University- Shiraz branch
خسرو
فرداد
khosro.fardad@gmail.com
0031947532846002560
0031947532846002560
No
دانشگاه آزاد شیراز
fa
اثر روش پرداخت در بازار برق ایران بر کارایی تولید در چاچوب مدلهای عامل محور
The effect of payment method in Iran's electricity market on production efficiency in the framework of multy-agent models, Case Study: Khorasan Power Plants
از بارزترین مشخصات بازار برق در کشور ما شیوه پرداخت به ازای پیشنهاد به برندگان بازار میباشد. این در حالی است که در اکثر کشورها از شیوه پرداخت یکنواخت جهت تسویه بازار استفاده میشود. در این مقاله به مقایسه تأثیر این دو شیوه بر بهرهوری و کارایی صنعت برق در بخش تولید پرداخته میشود. برای بررسی دقیقتر، مدل در سه ساعت کم باری، بارعادی، پیک و سالانه طراحی میگردد. بدین منظور با کمک روش Q-Learning که زیر مجموعه مدلهای عامل محور است مدل بازار برق ایران با تمام ویژگیهای آن و محدود به نیروگاههای برق خراسان با دو شیوه مختلف شبیه سازی شده و بهره وری در دو سناریو باهم مقایسه میگردد. نتایج بیانگرآن است که روش پرداخت یکنواخت منجر به استفاده از نیروگاههای با کارایی بالاتر جهت تامین برق میگردد. بنابراین در این روش قیمت تمام شده برق کمتر از روش پرداخت به ازای پیشنهاد خواهد بود.
The most prominent characteristics of the electricity market in our country are thepay as bid to market winners. However, in most countries, a uniform payment method is used to clearing the market.In this paper, the effect of these two methods on the productivity and efficiency of the power industry in the manufacturing sector is compared. For a closer look, the model is designed for three hours of low load, normal load, peak, and yearly. For this purpose, with the use of the Q-Learning method, which is a subset of multy-agent models, Iran's electricity market model with all its features and limited to Khorasan power plants is simulated in two different ways and efficiency is compared in two scenarios. The results indicate that a uniform payment method leads to the use of higher power plants to supply electricity. Therefore, in this way, the cost of electricity is lower than the pay as bid method.
Electricity Market, Payment Method, Performance, multy-agent Models
بازار برق, روش پرداخت, کارایی, مدلهای عامل محور
28
34
http://ieijqp.ir/browse.php?a_code=A-10-775-1&slc_lang=fa&sid=1
2017/02/192017/04/102017/08/6
1396/5/15
2017/11/42018/05/122018/08/4
1397/5/13
hamed
mortezazade
Ferdowsi University of Mashhad
حامد
مرتضی زاده
hamedhmh2@gmail.com
0031947532846002561
0031947532846002561
No
دانشگاه فردوسی مشهد
ali akbar
naji
Ferdowsi University of Mashhad
علی اکبر
ناجی
naji@um.ac.ir
0031947532846002562
0031947532846002562
Yes
دانشگاه فردوسی مشهد
masoud
homayounifar
Ferdowsi University of Mashhad
مسعود
همایونی فر
homayounifar@um.ac.ir
0031947532846002563
0031947532846002563
No
دانشگاه فردوسی مشهد
mostafa
rajabi mashhadi
Sadjad University of Technology
مصطفی
رجبی مشهدی
mrajabim@yahoo.com
0031947532846002564
0031947532846002564
No
دانشگاه صنعتی سجاد
fa
ارائه روشی خطی مبتنی بر مسیر به منظور بازیابی بار در شبکههای توزیع از طریق شکلگیری ریزشبکهها
A Linear Path-based Method to Load Restoration in Distribution Networks by Microgrids Formation
پدیدههای طبیعی و شرایط آب و هوایی سخت میتوانند منجر به وقوع خاموشیهای گسترده در شبکههای قدرت شوند. به منظور کاهش هزینههای اقتصادی و اجتماعی ناشی از وقوع خاموشیها، اکثر شرکتهای برق از دستورالعملها و رویههای عملیاتی از پیش تعیین شدهای جهت بازیابیِ سیستم استفاده مینمایند. با این حال، به دلیل اثرات شدید و ماهیت متفاوت چنین پدیدههایی روشهای سنتی بازیابی بار در شبکه توزیع نمیتوانند تامین انرژی الکتریکی مطلوب مصرفکنندگان را در این شرایط تضمین نمایند. از این رو در این مقاله مدلی مبتنی بر برنامهریزی خطی عدد صحیح به منظور بازیابی بارها در شبکه توزیع پس از وقوع چنین رخدادهایی، ارائه شده است. در این مدل با ارائه الگوریتمهایی مبتنی بر تئوری گراف، ویژگیهای توپولوژیکی شبکه توزیع همراه با دیگر ویژگیهای الکتریکی آن در قالب یک مساله خطی فرمولبندی شده است. تشکیل ریزشبکهها، تعیین محدوده سرویسدهی آنها و مدیریت بهینه تکنولوژیهایی مانند منابع تولید پراکنده و منابع پاسخگویی بار پس از وقوع رخداد نیز مورد توجه بوده است. در انتها نیز با انجام شبیهسازیهای متعدد، کارایی و کاربردپذیری مدل یکپارچه پیشنهادی مورد تجزیه و تحلیل قرار گرفته است.
Natural disasters and severe weather conditions can lead to extensive outages in power networks. In order to reduce the economic and social effects of blackouts, most electric utilities apply pre-determined instructions and procedures to recover the system and restore the loads. However, due to the high impacts and different nature of such incidents, traditional methods of load restoration in the distribution networks can not guarantee the desired performance of the system in these situations. Therefore, in this paper, a novel model based on mixed-integer linear programming is presented to load restoration in distribution networks after such disasters. In this model, by utilizing graph related theories, the topological features of the distribution network along with its electrical characteristics are formulated in the form of one linear optimization problem. The formation of microgrids, determination of their service areas, and the optimal management of different technologies such as distributed generation units and demand response resources have been also considered. Finally, by performing multiple simulations, the efficiency and applicability of the proposed integrated model have been verified.
Restoration, microgrid, distribution network, demand response
بازیابی, ریزشبکه, شبکههای توزیع, منابع پاسخگویی بار
35
44
http://ieijqp.ir/browse.php?a_code=A-10-756-1&slc_lang=fa&sid=1
2017/02/192017/04/102017/08/62017/09/7
1396/6/16
2017/11/42018/05/122018/08/42018/07/7
1397/4/16
MirSaeed
Mousavizadeh
Tarbiat modares university
میرسعید
موسوی زاده
saeed.mousavizadeh@modares.ac.ir
0031947532846002565
0031947532846002565
No
دانشگاه تربیت مدرس
Mahmoud reza
haghifam
Tarbiat modares university
محمودرضا
حقی فام
haghifam@modares.ac.ir
0031947532846002566
0031947532846002566
Yes
دانشگاه تربیت مدرس
mohammad hossein
shariatkhah
Tarbiat modares university
محمد حسین
شریعت خواه
m.shariatkhah@modares.ac.ir
0031947532846002567
0031947532846002567
No
دانشگاه تربیت مدرس
fa
بررسی احتمالاتی اثر حضور مبدل برق به گاز در مدیریت انرژی هابهای شبکهای
Stochastic evaluation of impact of power to gas unit presence on energy hubs network management
ایده هاب های انرژی باعث ایجاد فرصت های جدیدی در حوزه مدیریت انرژی شده است. از سوی دیگر حضور گسترده منابع انرژی تجدیدپذیر باعث چالشی بزرگ در مباحث مدیریت و برنامه ریزی انرژی شده است. خروجی احتمالاتی و تصادفی این منابع در مناطقی که سهم این منابع در الگوی تامین انرژی چشمگیر باشد، باعث پیچیده شدن برنامه ریزی تامین تقاضای انرژی می گردد. ذخیره کننده های انرژی به عنوان راه حلی برای این موضوع بیان می شوند. یکی از این ذخیره کننده های انرژی الکتریکی، سیستم مبدل برق به گاز است که امکان ذخیره برق در شبکه گاز طبیعی را فراهم می آورد. این مقاله به بهینه سازی احتمالی هاب های شبکه ای در حضور سیستم مبدل برق به گاز و منابع تجدید پذیرو با هدف اقتصادی پرداخته است. در این مقاله مبدل برق به گاز با امکان تزریق مستقیم هیدروژن به شبکه و وجود تانک هیدروژنی مدل شده است. این مقاله نشان می دهد که حضور مبدل برق به گاز می تواند میزان هزینه انرژی شبکه هاب ها و میزان قطع منابع تجدید پذیر را به صورت قابل ملاحظه ای کاهش دهد.
Energy hub concept has provided new opportunities in energy management scope. Additionally, largely implementation of renewable energy resources has posed strict challenges in energy systems coordination issue. Probabilistic outputs of renewable energy sources make the energy provision coordination so complicated, in the regions where their penetration is high. Energy storage system can be proposed as a solution for mentioned problem. Power to gas units as an electrical energy storage can store the electrical energy in natural gas grid. This paper has focused on stochastic optimization of renewable based networked hubs in the presence of power to gas unit with economical target. Power to gas unit’s direct hydrogen injection and hydrogen tank facilities have been considered in this paper, as well. This paper demonstrates that, power to gas unit can participate positively in network cost and renewable energy curtailment reduction, considerably.
Energy hub, energy management, stochastic coordination, power to gas, renewable sources.
هاب انرژی, مدیریت انرژی, برنامه ریزی احتمالی, مبدل برق به گاز,منابع تجدید پذیر
45
53
http://ieijqp.ir/browse.php?a_code=A-10-369-8&slc_lang=fa&sid=1
2017/02/192017/04/102017/08/62017/09/72017/10/9
1396/7/17
2017/11/42018/05/122018/08/42018/07/72018/05/26
1397/3/5
Mir Jalal
Vahid-Pakdel
University of Tabriz
میرجلال
وحید پاکدل
m.j.vahidpakdel94@ms.tabrizu.ac.ir
0031947532846002568
0031947532846002568
No
دانشگاه تبریز
Ebrahim
Babaei
University of Tabriz
ابراهیم
بابائی
e-babaei@tabrizu.ac.ir
0031947532846002569
0031947532846002569
Yes
دانشگاه تبریز
Behnam
Mohammadi-Ivatloo
University of Tabriz
بهنام
محمدی ایواتلو
bmohammadi@tabrizu.ac.ir
0031947532846002570
0031947532846002570
No
دانشگاه تبریز
fa
طراحی ریزشبکههای چندگانه مبتنی بر سناریو با نفوذ بالای منابع تجدیدپذیر و در نظرگرفتن عدم قطعیت سمت تقاضا و تولید
Optimal Planning of Microgrids with Considering Load and Renewable Power Generation Uncertainty
این مقاله یک روش جدید مبتنی بر سناریو برای طراحی بهینه ریزشبکههای چندگانه با درنظرگرفتن عدم قطعیت در بار و تولید منابع تولیدپراکنده تجدید پذیر ارایه میکند. روش پیشنهادی برای تعیین ظرفیت، نوع، تعداد و مکان بهینه منابع تولیدپراکنده تجدیدپذیر و کنترلپذیر همراه با جایابی سوئیچ جهت خوشه بندی شبکه توزیع سنتی به مجموعه ای از ریزشبکه های به هم پیوسته با ساختاری اقتصادی و قابل اطمینان به کارگرفته شده است. هدف مساله پیشنهادی کاهش کلیه هزینههای طراحی شامل هزینه های سرمایهگذاری و بهرهبرداری، هزینه تلفات، هزینه آلودگی هوا و هزینه انرژی تامین نشده می باشد. عدم قطعیت پارامترهای ورودی مساله توسط روش تولید سناریو درنظرگرفته شده و همچنین برای کاهش حجم محاسباتی و افزایش سرعت اجرای برنامه از تکنیک کاهش سناریو بهره برده شده است. الگوریتم بهینهسازی فاخته برای بهینهسازی تابع هدف استفاده شده است. همچنین، تاثیر ضرایب بهینهسازی بر روی مساله طراحی و مقاوم بودن الگوریتم پیشنهادی توسط آنالیز حساسیت مورد بررسی قرار گرفته است. کارایی و عملکرد روش پیشنهادی بر روی شبکه استاندارد 33 باسه مورد اجرا قرار گرفته و نتایج بدست آمده نشان میدهد روش پیشنهادی ابزاری کارامد و موثر برای طراحی ریزشبکهها تحت عدم قطعیت میباشد.
This paper presents a novel approach for optimal planning of the multi microgrids (MMGs) under uncertainties in load and renewable power generation. The proposed approach is applied for optimally determining the size, type, number, and site of renewable and dispatchable distribution generation (DG) with optimal allocation of switch for clustering distribution systems into a number of microgrids to economical and reliable structure. The optimization aim is to minimize the totally microgrid planning cost including investment cost, operation and maintenance cost, power losses cost, the pollutants emission cost and the cost of energy not supply (ENS). The system uncertainties are considered using a set of scenarios and a scenario reduction method is applied to enhance a tradeoff between the accuracy of the solution and the computational burden. Cuckoo optimization algorithm (COA) is implemented to minimize the objective function as an optimization algorithm. Also, the effect of optimization coefficients on the planning problem and the robustness of the proposed algorithm are investigated using sensitivity analysis. The efficiency of the proposed method are validated on 33-bus distribution system and the obtained results show that the proposed framework can be considered as an efficient tool for planning of multi microgrids under uncertainty.
Microgrids, Planning, Uncertainty, Reliability, COA
ریزشبکه, طراحی شبکه توزیع, قابلیت اطمینان, منابع تولید پراکنده, عدم قطعیت, برنامه ریزی سناریو محور
54
67
http://ieijqp.ir/browse.php?a_code=A-10-837-1&slc_lang=fa&sid=1
2017/02/192017/04/102017/08/62017/09/72017/10/92017/10/15
1396/7/23
2017/11/42018/05/122018/08/42018/07/72018/05/262018/08/4
1397/5/13
Farhad
Samadi Gazijahani
Azarbaijan Shahid Madani University
فرهاد
صمدی قاضی جهانی
f.samadi@azaruniv.ac.ir
0031947532846002571
0031947532846002571
No
دانشگاه شهید مدنی آدربایجان
Javad
Salehi
Azarbaijan Shahid Madani University
جواد
صالحی
j.salehi@azaruniv.ac.ir
0031947532846002572
0031947532846002572
Yes
دانشگاه شهید مدنی آدربایجان
Navid
Taghizadegan Kalantari
Azarbaijan Shahid Madani University
نوید
تقی زادگان کلانتری
n.taghizadegan@azaruniv.ac.ir
0031947532846002573
0031947532846002573
No
دانشگاه شهید مدنی آدربایجان
fa
ارائهی یک مدل دوسطحی برای برنامهریزی تجمیعگر خودروهای الکتریکی در فضای رقابتی با در نظر گرفتن عدم قطعیتها
Investigation of a bi-level model for the scheduling of electric vehicles in a competitive environment considering uncertainties.
با افزایش تعداد خودروهای الکتریکی در شبکه قدرت لازم است تعامل آنها با شبکه بهگونهای مدیریت شود تا ضمن کمینه شدن هزینههای خودروداران، سود عوامل خدمترسان به آنها نیز بیشینه شود. از این رو، در این مقاله یک مسئلهی تصمیمگیری احتمالاتی دوسطحی برای مشارکت تجمیعگر خودروهای الکتریکی در بازار رقابتی با در نظر گرفتن منابع مختلف عدم قطعیت ارائه شده است. منابع عدم قطعیت برای مشارکت تجمیعگر در بازار شامل قیمتهای بازار روز آینده و تعادل، قیمتهای پیشنهادی از سوی رقبا و نیز بار شارژ و دشارژ خودروهای الکتریکی است که با استفاده از سریهای زمانی مدلسازی شده است. در برنامهی دوسطحی پیشنهادی، هدف سطح اول بیشینه کردن سود تجمیعگر در تعامل با شبکه و خودروداران و هدف سطح دوم آن کمینه کردن هزینههای پرداختی خودروداران است. از آنجایی که تابع هدف سطح اول و دوم در تضاد با یکدیگر هستند، با استفاده از شرایط بهینگی KKT و تئوری دوگان مسئلهی دوسطحی پیشنهادی به یک مسئلهی تکسطحی خطی تبدیل شده است. در نهایت، برنامهی پیشنهادی در یک سیستم نمونه اجرا شده و نتایج نشان میدهد که با بکارگیری این مدل تجمیعگر میتواند با ارائهی سیگنال قیمت شارژ و دشارژ بهینه ضمن حفظ مشتریان خود در بازار رقابتی، بیشترین سود را نیز کسب نماید.
By increasing the number of electric vehicles (EVs) in the power system, it is necessary to manage their interaction with the grid such that to minimize the costs of the owners as well as to maximize the profit of their serving entities. Therefore, in this paper, a stochastic bi-level decision making problem for the participation of EV aggregator in a competitive environment is presented, with considering various sources of uncertainty. The sources of uncertainty for the participation of aggregators in the electricity market include day-ahead (DA) and balancing market prices as well as rivals' suggested prices and charging and discharging EVs demand that are modeled with time series. In the proposed bi-level program, the goal of the first level is to maximize the aggregator's profit in interaction with the network, and the goal of the second level is to minimize the payments of the owners. Since the objective function of the first and second levels are in contradiction with each other, with using KKT optimization conditions and the duality theory, the proposed two-level problem has become a linear single-level problem. Finally, the proposed program is implemented in typical test system and the results show that by using this model for the aggregator's decision making, it can offer proper charge and discharge price signals to the EV owners to attract the them in a competitive market and also to maximize its profit.
Electric vehicles, Aggregator, Bi-level probabilistic scheduling, Electric energy market, Uncertainty.
خودروهای الکتریکی, تجمیعگر, برنامهریزی احتمالاتی دوسطحی, بازار انرژی الکتریکی, عدم قطعیت.
68
83
http://ieijqp.ir/browse.php?a_code=A-10-879-1&slc_lang=fa&sid=1
2017/02/192017/04/102017/08/62017/09/72017/10/92017/10/152018/01/1
1396/10/11
2017/11/42018/05/122018/08/42018/07/72018/05/262018/08/42018/07/11
1397/4/20
MOSTAFA
VAHEDIPOUR DAHRAIE
مصطفی
واحدی پور دهرائی
vahedipour_m@birjand.ac.ir
2669716636
0031947532846002574
Yes
دانشگاه بیرجند
هما
رشیدی زاده کرمانی
rashidi_homa@birjand.ac.ir
2993856261
0031947532846002575
No
دانشگاه بیرجند
حمیدرضا
نجفی
h.r.najafi@birjand.ac.ir
0031947532846002576
0031947532846002576
No
دانشگاه بیرجند
fa
پیشبینی قیمت تسویه بازار برای خوشه های زمانی رقابت پذیری بازار با استفاده از شبکه عصبی بهبود یافته با الگوریتم ژنتیک: مطالعه بازار برق ایران
Market clearing price prediction using improved neural network with genetic algorithm in Iranian day ahead market for competitiveness clustering’s
با قانونزدایی بازار و شکلگیری بازار روز بعد انرژی، در هرروز تولیدکنندگان انرژی اقدام به ارائه پیشنهاد قیمت خود برای هر واحد به تفکیک ساعت، در حداکثر 10 پله به مدیریتشبکه میکنند و مدیریتشبکه با تعیین میزان تقاضا در روزبعد، قیمتتسویه بازار برای روز آتی را به همراه برندگان بازار اعلام میکند و بر اساس قیمت پیشنهادی تولیدکنندگان با آنها تسویه میکند. از این رو پیشبینی قیمت تسویه بازار برای شرکت کنندگان در بازار حائز اهمیت مییاشد و پیشبینی دقیق آن تاثیر بسزایی بر روی سود آنها خواهد داشت. نظر به رفتار فصلی قیمت تسویهبازار، در این مقاله از الگوریتم K-Means به منظور خوشه بندی فضای رقابتی بازار ایران استفاده شده است که مطابق با نتایج آن، رقابت در بازار برق ایران شامل سه خوشه رقابت بالا (فصول سرد سال)، رقابت کم (فصول گرم سال) و خوشه گذار میباشد، در نهایت با به کارگیری الگوریتم ژنتیک جهت انجام فرایند آموزش شبکهعصبی، قیمت تسویه بازار برای هر خوشه رقابتی به صورت مجزا پیشبینی شده است که مطابق با نتایج حاصله، مدل ارائه شده قابلیت پیشبینی قیمت تسویه بازار در روز بعد با دقت 95 درصد را دارد.
In The deregulation in power market is lead to competition among market participant to increase efficiency. In electricity market generation is the best candidate for iterance in competition to improve productivity and efficiency in resource allocation and offer lowest price by highest quality will be yielded. In the pool-based electricity market, every Genco submits a bidding price in ten step offer to the Independent System Operator (ISO) for every hour of the next day. The ISO uses the bidding price and forecasting demand to determine the MCP. The resulting spot price series exhibit strong seasonality at the annual, weekly and daily levels, as well as mean reversion, very high volatility and abrupt, short-lived and generally unanticipated extreme price changes known as spikes or jumps. So in this article we cluster time horizon in three cluster then we applied improved neural network by genetic algorithm for all clusters. In compare of normal neural network, results of our model are more better by 95% Accuracy.
neural network, genetic algorithm, competitive times Clustering, market clearing price prediction.
شبکه عصبی, الگوریتم ژنتیک, خوشه بندی رقابتی بازار برق, پیشبینی قیمت تسویه بازار
84
92
http://ieijqp.ir/browse.php?a_code=A-10-891-1&slc_lang=fa&sid=1
2017/02/192017/04/102017/08/62017/09/72017/10/92017/10/152018/01/12018/01/17
1396/10/27
2017/11/42018/05/122018/08/42018/07/72018/05/262018/08/42018/07/112018/05/12
1397/2/22
bakhtiar
ostadi
Tarbiat Modares University
بختیار
استادی
Bostadi@modares.ac.ir
0031947532846002577
0031947532846002577
Yes
تربیت مدرس
omid
motamedi
Tarbiat Modares University
امید
معتمدی
Omid.motamedi@modares.ac.ir
0031947532846002578
0031947532846002578
No
تربیت مدرس
ali
Husseinzadeh Kashan
Tarbiat Modares University
علی
حسین زاده کاشان
a.kashan@modares.ac.ir
0031947532846002579
0031947532846002579
No
تربیت مدرس
Mohamad Reza
Amin Naseri
Tarbiat Modares University
محمد رضا
امین ناصری
amin_nas@modares.ac.ir
0031947532846002580
0031947532846002580
No
تربیت مدرس
fa
توزیع بهینه توان راکتیو با استفاده از الگوریتم آموزش و یادگیری در حضور عدم قطعیت ناشی از توربینهای بادی
Optimal reactive power dispatch using teaching learning based optimization algorithm in the presence of wind turbine uncertainty
توزیع بهینه توان راکتیو با کاهش تلفات در شبکه نقشی اساسی را در بهرهبرداری اقتصادی از شبکه بر عهده دارد. در این مقاله الگوریتم آموزش و یادگیری برای توزیع بهینه توان راکتیو و کنترل ولتاژ در حضور توربینهای بادی ارائه میشود. این الگوریتم از انواع الگوریتمهای تکاملی مبتنی بر جمعیت بوده که توانایی بالایی در حل مسائل غیرخطی دارد. این مسأله در قالب یک مسأله غیرخطی عدد صحیح آمیخته مدلسازی میشود و در آن هم متغیرهای پیوسته و هم متغیرهای گسسته مدل میشوند. جواب بهینه مسأله شامل مجموعه ولتاژ ژنراتورها، گام تپ چنجرترانسفورماتورها و وضعیت جبرانسازهای راکتیو جهت کمینهسازی میزان تلفات در شبکه است. در روش پیشنهادی، با حضور عدم قطعیت سرعت باد، با بهرهگیری از اطلاعات واقعی سرعت باد، از پخش بار به روش تخمین دو نقطهای جهت مدلسازی عدم قطعیت استفاده میشود. روش پیشنهادی در سیستم استاندارد 57 باس IEEE پیادهسازی شده است. جهت اثبات کارایی الگوریتم آموزش و یادگیری نیز این الگوریتم با دو الگوریتم تجمع ذرات و تکامل تفاضلی مقایسه شده است. نتایج نشان از کارایی روش پیشنهادی در کاهش تلفات و همچنین ارضای قیود مسأله است.
Optimal reactive power dispatch plays an important role in economic operation of network by reducing the loss. In this paper, the teaching learning based optimization algorithm is used to optimal reactive power dispatch and voltage control. This algorithm is an evolutionary and population based algorithm which has a great capability to solve the nonlinear problems. This problem is formulated as a mixed integer nonlinear problem including both continues and discrete variables. Optimal solution of problem contains set of generators voltage, tap changers and compensative reactive components. In the proposed approach, using real wind speed data and considering the wind uncertainty, the two points estimate power flow is used to model the uncertainties. The proposed method has been implemented on 57-bus IEEE test case. A comparing has been done between the teaching learning based optimization algorithm and particle swarm optimization and differential evolution algorithms in order to verify the efficiency of the proposed algorithm. The results demonstrate the efficiency of the proposed method in reducing losses and handling the constraints.
Teaching learning based optimization algorithm algorithm, two points estimate probabilistic power flow, wind turbine
الگوریتم آموزش و یادگیری, پخش بار احتمالی تخمین دو نقطهای, توربینهای بادی
93
101
http://ieijqp.ir/browse.php?a_code=A-10-464-2&slc_lang=fa&sid=1
2017/02/192017/04/102017/08/62017/09/72017/10/92017/10/152018/01/12018/01/172018/01/24
1396/11/4
2017/11/42018/05/122018/08/42018/07/72018/05/262018/08/42018/07/112018/05/122018/07/4
1397/4/13
Arsalan
Najafi
Islamic Azad University of Sepidan
ارسلان
نجفی
arsalan.najafi@gmail.com
2372591673
0031947532846002581
Yes
دانشگاه آزاد اسلامی واحد سپیدان
Hamid
Falaghi
University of Birjand
حمید
فلقی
falaghi@birjand.ac.ir
0031947532846002582
0031947532846002582
No
دانشگاه بیرجند
fa
بهینهسازی چند هدفه برای تامین تقاضای برق با استفاده از زمانبندی منابع تجدیدپذیر و منابع معمول
Multi-objective optimization of schedule to meet the demand for electricity using renewable sources and conventional sources
به علت افزایش تقاضای برق، کاهش منابع سوختهای فسیلی و کاهش خروج دیاکسید کربن بکارگیری از منابع انرژیهای تجدیدپذیر یکی از استراتژیهای مهم دنیای پیشرفته صنعتی میباشد. در این تحقیق برای تامین تقاضای برق یک شهر با استفاده از منابع تجدیدپذیر مانند صفحههای فتوولتائیک و توربینهای بادی که قابلیت ذخیره سازی انرژی در باتری را دارند و منابع حرارتی معمول که نقش یک منبع جایگزین را ایفا میکنند استفاده میگردد. حداکثر مقدار انرژی که صفحههای خورشیدی و توربینهای بادی میتوانند در طول هر ساعت از شبانهروز تولید کنند به ترتیب به توابعی بستگی دارند که خود به میزان تابش خورشید و سرعت وزش باد برای هر ساعت وابسته است. یک قابلیت اطمینانی در مورد انرژی تولیدی هر منبع برای هر ساعت قابل تخمین میباشد. هدف حداقل کردن هزینه و حداکثر کردن قابلیت اطمینان میباشد. یک مدل برنامهریزی غیرخطی دو هدفه برای مساله مورد نظر تعریف میگردد. از آنجایی که اهداف در تناقض هستند دستیابی به یک حل بهینه منفرد که هر دو هدف را بهینه کند امکانپذیر نمیباشد لذا از الگوریتم فراابتکاری ژنتیک دو هدفه بر مبنای مرتب سازی نامغلوب برای نمایش خروجی الگوریتم در نظر گرفته شده است.
Due to the increment of power demand, diminishing resources of fossil fuels and reduction of carbon dioxide out, the use of renewable energy resources is one of the important strategies in the developed countries. In this study, we use to meet electricity demand from renewable resources by as photovoltaic, batteries and wind turbines at times of peak production. The maximum amount of energy that solar panels and wind turbines can provide during any hour of the day is a function the amount of solar radiation and wind speed per hour. The aim is to minimize the cost of utilizing resources and maximize reliability. A non-linear programming model is proposed for the considered problem. Since the objectives are in conflict, for achieving a single optimal solution is not possible, therefore, NSGAII algorithm proposed for solving the problem
Scheduling, Renewable energy, Multi-objective optimization, Reliability, Non-dominated sorting, genetic algorithm (NSGAII)
زمانبندی, انرژی تجدیدپذیر, بهینه سازی چند هدفه, قابلیت اطمینان, مرتب سازی نامغلوب, الگوریتم ژنتیک دوهدفه
102
113
http://ieijqp.ir/browse.php?a_code=A-10-907-1&slc_lang=fa&sid=1
2017/02/192017/04/102017/08/62017/09/72017/10/92017/10/152018/01/12018/01/172018/01/242018/04/8
1397/1/19
2017/11/42018/05/122018/08/42018/07/72018/05/262018/08/42018/07/112018/05/122018/07/42018/07/4
1397/4/13
Navid
Khalilpour Tilami
نوید
خلیل پور تیلمی
nkht69@gmail.com
0031947532846002583
0031947532846002583
No
دانشگاه علوم و فنون مازندران
Javad
Rezaeian
جواد
رضائیان
j.rezaeian@ustmb.ac.ir
0031947532846002584
0031947532846002584
Yes
دانشگاه علوم و فنون مازندران
Iraj
Mahdavi
ایرج
مهدوی
irajarash@ustmb.ac.ir
0031947532846002585
0031947532846002585
No
دانشگاه علوم و فنون مازندران