solution to objectives of supply side energy management by integrating enhanced demand response strategy

Supply-side energy management (ssem) aims to improve efficiency in operations and strategic planning. both the cost of generating electricity and the amount of emissions from that generation are minimized in ssem. it is required to formulate an optimization problem with these two competing goals in order to come up with a compromise. resolving problems with network reliability caused by peak demand on the electricity system is another goal of ssem. the ultimate goal of this study is to reduce energy use during peak hours while also cutting down on power losses, generation costs, and pollution from power plants. in this paper all goals of the smart grid system are satisfied and addressed optimally through the use of optimal generator scheduling and an improved demand response technique. to formulate this problem standard ieee 30-bus system is considered as test boat. the suggested system employs the cuckoo search method and its most recent variant, adaptive cuckoo search, to solve a stochastic non-linear optimization problem. the adaptive cuckoo search approach, when combined with the proposed demand side management strategy, reduces fuel costs by 7.84%, emission dispatch by 16.35%, power losses by 10.31%, and peak hour demand by 15.6%.

راه حل اهداف مدیریت انرژی سمت عرضه با ادغام استراتژی پاسخگویی به تقاضای افزایش یافته

هدف مدیریت انرژی سمت عرضه (ssem) بهبود کارایی در عملیات و برنامه ریزی استراتژیک است. هم هزینه تولید برق و هم میزان انتشار گازهای گلخانه ای از آن تولید در ssem به حداقل می رسد. برای دستیابی به مصالحه، لازم است یک مسئله بهینه سازی با این دو هدف رقیب فرموله شود. حل مشکلات مربوط به قابلیت اطمینان شبکه ناشی از پیک تقاضا در سیستم برق یکی دیگر از اهداف ssem است. هدف نهایی این مطالعه کاهش مصرف انرژی در ساعات اوج مصرف و همچنین کاهش تلفات برق، هزینه‌های تولید و آلودگی ناشی از نیروگاه‌ها است. در این مقاله تمام اهداف سیستم شبکه هوشمند با استفاده از زمان‌بندی بهینه ژنراتور و تکنیک پاسخ تقاضای بهبودیافته برآورده شده و به طور بهینه مورد توجه قرار گرفته‌اند. برای تدوین این مشکل، سیستم استاندارد ieee 30 باس به عنوان قایق آزمایشی در نظر گرفته می شود. سیستم پیشنهادی از روش جستجوی فاخته و جدیدترین نوع آن، جستجوی تطبیقی فاخته، برای حل یک مسئله بهینه‌سازی غیرخطی تصادفی استفاده می‌کند. رویکرد جستجوی تطبیقی فاخته، هنگامی که با استراتژی مدیریت سمت تقاضای پیشنهادی ترکیب می‌شود، هزینه‌های سوخت را تا 7.84 درصد، انتشار گازهای گلخانه‌ای را تا 16.35 درصد، تلفات برق را تا 10.31 درصد، و تقاضای ساعت پیک را تا 15.6 درصد کاهش می‌دهد.