ارائه یک مدل بهینه ریاضی چندهدفه برای شبکه های هوشمند انرژی با در نظر گرفتن برنامه های پاسخ گویی بار (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف: انرژی یکی از عوامل حیاتی برای توسعه اجتماعی و اقتصادی کشورهاست؛ به طوری که اغلب، میزان مصرف انرژی در یک کشور، نشان دهنده سطح رفاهی است که مردم آن کشور می توانند به دست آورند. با مصرف روزافزون انرژی در سال های اخیر و همچنین با توجه به اینکه در سیستم های تولید برق سنتی بیشترِ انرژی از طریق نیروگاه های بزرگ و به صورت متمرکز تأمین می شود، بعضی مسائل از جمله هزینه های تولید، آلودگی هوا، قابلیت اطمینان و کیفیت انرژی اهمیت چشمگیری پیدا می کنند و برای شبکه های تأمین انرژی سنتی، ممکن نیست که چنین نیازهای توسعه ای را برآورده کنند. بنابراین شبکه های هوشمند تأمین انرژی، به تدریج جایگزین شبکه های سنتی شدند. از طرفی، برای نیل به قیمت های مناسب و قابلیت اطمینان شبکه، برنامه های پاسخ گویی بار راه کاری است که می توان به کمک آن، الگوی مصرف انرژی الکتریکی را در زمان های پیک بار در شبکه هوشمند بهبود داد. این برنامه ها به دو دسته برنامه های قیمت محور و برنامه های تشویق محور دسته بندی می شوند. در این پژوهش از برنامه های قیمت محور مبتنی بر قیمت گذاری لحظه ای استفاده می شود. هدف از پژوهش حاضر، ارائه یک مدل ریاضی چندهدفه برای شبکه های هوشمند انرژی با در نظر گرفتن برنامه های پاسخ گویی بار است. روش: پارامترهای این پژوهش به دو دسته پارامترهای غیرقطعی و قطعی دسته بندی شدند. پارامترهای سرعت باد، تابش خورشید، تقاضای انرژی و قیمت برق منطقه با توجه به ماهیت آن ها، پارامترهای غیرقطعی در نظر گرفته شدند. با توجه به اینکه هر یک از پارامترهای غیرقطعی، از توزیع احتمالی خاصی پیروی می کنند، پس از شناسایی توزیع مربوطه، به سناریوسازی برای هر یک از این پارامترها اقدام شد. در نهایت مدل چندهدفه ریاضی که شامل اهداف حداقل سازی هزینه بهره برداری، حداقل سازی آلودگی و حداقل سازی پیک مصرف و محدودیت های مربوطه بود، طراحی شد. پس از جمع آوری داده ها و با استفاده از زبان برنامه نویسی گمز، به حل مدل اقدام شد. همچنین تأثیر برنامه های پاسخ گویی بار در بهبود توابع هدف نیز بررسی شد. یافته ها: نتایج حاصل از حل مدل نشان داد که شبکه های هوشمند انرژی و مشارکت طرف مصرف کننده در برنامه های پاسخ گویی بار، امکان کاهش هزینه های بهره برداری، کاهش انتشار آلودگی و کاهش پیک مصرف را میسر می سازد؛ به گونه ای که با افزایش مشارکت مصرف کنندگان در برنامه های پاسخ گویی بار، توابع هدف بهبود می یابند. طبق نتایج به دست آمده، با مشارکت ۲۰ درصدی مصرف کنندگان، میزان بهبود در اهداف ذکر شده، به ترتیب حدود ۱۵.۱۷ و ۱۳ درصد بود. نتیجه گیری: شبکه های هوشمند انرژی با استفاده از فناوری دیجیتال دوطرفه، امکان تبادل اطلاعات بین تولیدکننده و مصرف کننده را فراهم می آورند و انرژی را از تولیدکنندگان به مصرف کنندگان منتقل می کنند. همچنین از طریق کنترل وسایل مصرف کنندگان، در مصرف انرژی آن ها صرفه جویی می کنند و هزینه ها و مسائل زیست محیطی شبکه را کاهش می دهند. دولت ها می توانند از شبکه های هوشمند انرژی، به عنوان راه حلی برای مدیریت استقلال انرژی، کاهش گرمایش جهانی و انتشار آلودگی زیست محیطی استفاده کنند.Presenting a Multi-objective Mathematical Model for Smart Grids Considering Load Response Programs
Objective
The availability of energy is a vital aspect of a nation’s economic and social development, with energy consumption serving as a telling metric of the level of prosperity that can be achieved. However, the conventional systems of electricity production that rely on large, centralized power plants have become inadequate in recent years due to the high expenses of production, air pollution, and poor energy quality. In response to these challenges, smart grids have emerged and offer several advantages. Effective management of electricity demand is critical in the context of smart grids, and the implementation of demand-response techniques plays an instrumental role in achieving this objective. These programs enhance energy consumption patterns during peak load times, resulting in appropriate pricing and grid reliability. There are two distinct categories of load response programs: price-oriented and incentive-oriented. In the scope of this research, we focused on the former, which relies on real-time pricing. Our objective was to develop a multi-objective mathematical model that considers load response programs for smart energy grids.
Methods
The study employed a scenario-based approach and classified the parameters into two distinct categories: deterministic and non-deterministic. Wind speed, solar radiation, energy demand, and local electricity prices were marked as non-deterministic due to their nature. As each non-deterministic parameter adheres to a specific probability distribution, a scenario was created for each parameter based on its corresponding distribution. Subsequently, a mathematical multi-objective model was developed that aimed to minimize operating costs, reduce pollution emissions, and minimize peak load, along with the related constraints. After collecting the required data, the model was run using the GAMS programming language. In addition, the study evaluated the impact of load response programs on enhancing objective functions.
Results
The study findings demonstrate that the implementation of smart grids, accompanied by active consumer participation in load response programs, can result in a significant reduction in operating costs, pollution emissions, and peak load. Additionally, the study indicates that a higher level of consumer participation in load response programs can enhance the overall effectiveness of the programs. Specifically, the study shows that a 20% increase in consumer participation resulted in a 15%, 17%, and 13% improvement in operating costs, pollution emissions, and peak load reduction, respectively.
Conclusion
Smart grids represent a modern digital solution that streamlines the transfer of electricity between suppliers and consumers in the realm of energy transmission. This advanced system enables the regulation of home appliances, promoting energy conservation and cost-effectiveness, while simultaneously enhancing the reliability of the energy transmission network. Governments may opt to implement smart grids as a strategic solution to address complex issues such as energy independence, global warming, and pollution emissions.
تبلیغات
