طراحی بهینۀ ریزشبکۀ چندحاملی با در نظر گرفتن قابلیت اطمینان

نفوذ بی‌سابقۀ تولیدات پراکنده در شبکۀ انرژی، توزیع شرایط را برای بهره‌وری انرژی توسط ریزشبکه‌ها مهیا کرده است. پیاده‌سازی یک ریزشبکه، مزایای زیادی مانند تعویق سرمایه‌گذاری، کاهش گازهای گلخانه‌ای، بهبود قابلیت اطمینان و کاهش تلفات شبکه را پیشنهاد می‌دهد. شبکۀ انرژی آینده شامل فرم‌های مختلف انرژی است که از طریق ترکیب منابع و ذخیره‌سازهای مختلف تحت مفهوم ریزشبکۀ چندحاملی حاصل می‌شوند. به‌منظور نمایش عملکرد موثر این ریزشبکه‌های چندحاملی، بهره‌برداری و طراحی بهینه ضروری است. این مقاله یک استراتژی ترکیبی را به‌منظور پیدا کردن مناسب‌ترین تجهیز از نظر ظرفیت و نوع به همراهی توزیع بهینۀ توان در یک ریزشبکۀ متصل به شبکه با در نظر گرفتن قابلیت اطمینان ارائه می‌کند. در اینجا، سطح مناسب قابلیت اطمینان در فرایند بهینه‌سازی به‌منظور تامین تقاضاهای چندگانه مورد ارزیابی قرار گرفته است. در مدل پیشنهادی برای ایجاد یک ریزشبکۀ جدید از تجهیزات مختلفی نظیر مولد تولید همزمان برق و حرارت، ترانسفورماتور، سیستم خورشیدی، و گرماساز به همراه ذخیره‌ساز انرژی الکتریکی و حرارتی با نرخ‌های خرابی‌ متفاوت از بین چندین نمونه استفاده شده است. روش برنامه‌ریزی غیرخطی عدد صحیحآمیخته در نرم‌افزار گمز و الگوریتم ژنتیک در نرم‌افزار متلب برای حل مسئلۀ بهینه‌سازی ترکیبی استفاده‌ شده است. علاوه بر آن، یک برنامۀ پاسخ‌گویی بار بر اساس قیمت محلی به‌منظور تغییر الگوی مصرف پیشنهاد شده است. نتایج شبیه‌سازی قابلیت سیستم را برای توسعۀ برنامه‌ریزی ریزشبکه نشان داده است.

Optimal Design of a Microgrid with Multiple Energies Considering Reliability

The unprecedented penetration of distributed generation in distribution networks provides utilities with a unique opportunity to manage the portions of networks by microgrids (MG). The implementation of an MG may offer many benefits such as capital investment deferral, a reduction of greenhouse gas emissions, an improvement in reliability, and a reduction in network losses. In order to draw the most effective performance from MG systems with multiple energies, appropriate designs and operations are essential. This paper represents a compound cooptimization strategy to find the best type and size of components as well as the associated optimum dispatch in a MG with multiple energies considering the reliability criterion. The mixedinteger nonlinear programming technique of GAMS and the genetic algorithm of MATLAB software have been utilized to solve the optimization problem. In addition, a novel timebased demand response program is modeled to prevent the energy usage at the peak. Numerical simulations have proved the effectiveness of the proposed expansion planning.