مدیریت سمت تقاضا در یک ریز‌شبکه هوشمند با حضور منابع تجدیدپذیر و بارهای پاسخ‌گو

در این مقاله خطای حاصل از پیش‌بینی سرعت باد و تابش خورشید به وسیله توابع چگالی احتمال مدل‌سازی شده و یک مدل برنامه‌ریزی احتمالاتی به‌منظور بهینه‌سازی عملکرد ریزشبکه هوشمند در کوتاه‌ مدت جهت حداقل‌سازی هزینه بهره‌برداری و آلایندگی با حضور منابع تجدیدپذیر پیشنهاد می‌شود. بطوریکه در آن استفاده از برنامه‌های پاسخگویی بار که توسط شرکت کنندگان خانگی، تجاری و صنعتی صورت می‌گیرد، جهت پوشش عدم قطعیت توان تولیدی حاصل از منابع تجدیدپذیر پیشنهاد می‌شود. جهت اجرای برنامه‌های پاسخگویی بار از روش پرداخت تشویقی به‌صورت بسته‌های پیشنهادی قیمت و میزان انرژی که به‌ وسیله فراهم‌کنندگان پاسخ‌گویی بار جمع‌آوری می‌شود، پیشنهاد گردیده است. نتایج شبیه‌‌سازی در سه حالت مختلف برای بهینه‌سازی هزینه بهره‌برداری و آلایندگی با مشارکت و عدم مشارکت بارهای پاسخ‌گو در نظر گرفته ‌شده است. برای حل مساله پیشنهادی روش چندهدفه حرکت ازدحام ذرات پیشنهاد شده است؛ بطوریکه سیستم مرتب‌سازی غیرخطی و مکانیزم فازی برای تعیین بهترین پاسخ با توجه به مجموعه پاسخ‌های حاصل از فضای پارتو توصیه می‌گردد. جهت راست‌آزمایی، مدل پیشنهادی بر روی یک ریزشبکه هوشمند نمونه بکار برده شده و نتایج عددی حاصل به‌طور واضح نشان دهنده تاثیر مدیریت سمت تقاضا در کاهش اثر عدم قطعیت حاصل از توان تولیدی و پیش‌بینی‌ شده توربین بادی و سلول خورشیدی می‌باشد.

Demand Side Management in a Smart MicroGrid in the Presence of Renewable Generation and Demand Response

In this study, a stochastic programming model is proposed to optimize the performance of a smart microgrid in a short term to minimize operating costs and emissions with renewable sources. In order to achieve an accurate model, the use of a probability density function to predict the wind speed and solar irradiance is proposed. On the other hand, in order to resolve the power produced from the wind and the solar renewable uncertainty of sources, the use of demand response programs with the participation of residential, commercial and industrial consumers is proposed. In this paper, we recommend the use of incentivebased payments as price offer packages in order to implement demand response programs. Results of the simulation are considered in three different cases for the optimization of operational costs and emissions with/without the involvement of demand response. The multiobjective particle swarm optimization method is utilized to solve this problem. In order to validate the proposed model, it is employed on a sample smart microgrid, and the obtained numerical results clearly indicate the impact of demand side management on reducing the effect of uncertainty induced by the predicted power generation using wind turbines and solar cells.