بهینه‌سازی سیستم هیبرید بادی - خورشیدی - باتری جدا از شبکه با در نظر گرفتن قابلیت اطمینان با استفاده از الگوریتم بهینه‌سازی ملخ

انرژی‌های تجدیدپذیر در سال‌های اخیر به دلیل محدودیت و احتمال اتمام منابع سوخت‌های فسیلی و مسائل زیست محیطی مرتبط به شدت توسعه یافته است. مهمترین چالش در این نوع سیستم‌ها، دستیابی به اندازه بهینه برای داشتن یک سیستم مقرون به صرفه بر اساس ذخیره انرژی خورشیدی و بادی است. در این مقاله بهینه‌سازی سیستم هیبرید بادی-خورشیدی با سیستم ذخیره باتری برای تامین یک بار مشخص ساعتی با هدف حداقل‌سازی هزینه‌های سالیانه سیستم و احتمال تلفات عرضه توان مورد توجه قرار گرفته است. هزینه‌های سالیانه سیستم شامل هزینه‌های سرمایه‌گذاری اولیه، هزینه نگهداری و هزینه تعویض تجهیزات می‌باشد. هدف بهینه‌سازی، تعیین بهینه تعداد پنل‌های خورشیدی، توربین‌های بادی، تعداد باتری‌ها، ارتفاع برج بادی و زاویه پنل خورشیدی نسبت به تابش خورشید است. به این منظور الگوریتم جدید بهینه‌سازی ملخ مورد استفاده قرار گرفته است. همچنین در این مطالعه، اثر تغییرات راندمان اینورتر، تغییرات تقاضای بار و اثر تغییرات ماکزیمم احتمال تلفات عرضه توان بر طراحی سیستم مورد ارزیابی قرار گرفته است. نتایج شبیه‌سازی نشان می‌دهد که کاهش راندمان، افزایش بار و حداکثر قابلیت اطمینان در سیستم در قالب کاهش احتمال تلفات عرضه توان موجب افزایش هزینه‌های سالیانه انرژی سیستم می‌گردد. به‌علاوه، نتایج حاصله موید برتری روش بهینه‌سازی ملخ نسبت به روش اجتماع ذرات در دست‌یابی به تابع هدف بهتر و هزینه کمتر می‌باشد.

optimal design of a hybrid solar–wind–battery system using the grasshopper optimization algorithm for minimization of the loss of power supply probability

renewable energy has been developed in recent years due to the limited sources of fossil fuels, their possibility of depletion, and the related environmental issues. the main challenges of these type of systems is reaching to the optimum size in order to have an affordable system based on storing the solar and wind energy. in this paper, optimization of a solarwind hybrid system is presented with a saving battery system for supplying a specific hourly load annually to minimize annual system expenses and the probability of loss of power supply probability (lpsp). annual expenses of the system include initial investment, maintenance, and replacement costs. the purpose of optimization is to determine the numbers of solar panels, wind turbines, batteries, the height of the wind tower, and the angle of the solar panel toward solar radiation. for this issue, a new method named grasshopper optimization algorithm (goa) is employed. also, the effects of changes in inverter efficiency, load demand, and of maximum probability of lpsp on system designing are evaluated. simulation results show that the efficiency reduction, load increase, and increasing the load and maximum reliability in the system in the form of reducing of lpsp lead to an increase in annual energy costs of systems. furthermore, the results indicate the superiority of the goa method toward particle swarm optimization (pso) in reaching better target function and less cost.