مدلسازی اقتصادی- زیست‌محیطی کاربرد ذخیره‌ساز در صنعت برق ایران با استفاده از الگوریتم pso چندهدفه

استفاده از ذخیره‌سازها موجب بهبود قدرت پاسخگویی به بار، افزایش قابلیت اطمینان شبکه و کاهش نیاز به احداث ظرفیت نیروگاهی جدید در صنعت برق می‌شود. با توجه به منافع اقتصادی زیست‌محیطی استفاده از ذخیره‌سازها در صنعت برق، هدف اصلی این تحقیق بررسی کاربرد ذخیره‌ساز برق در شبکه‌ برق با اهداف حداقل‌سازی تلفات، آلایندگی زیست‌محیطی و هزینه‌های سوخت سیستم است. در همین راستا سه سناریو تحت الگوریتم بهینه‌سازی ازدحام ذرات چندهدفه (mopso) طراحی شده است که در سناریو شماره 1 بار مصرفی شبکه صرفاً توسط دیزل ژنراتورها تامین می‌شود. در سناریو شماره 2، منابع تولید توان تجدیدپذیر بادی و خورشیدی به شبکه اضافه می‌شود و در سناریوی شماره 3 علاوه بر دیزل ژنراتور و توربین بادی و پنل‌های خورشیدی، ذخیره‌سازهای انرژی به شبکه افزوده شده و با الگوریتم mopso جایابی ذخیره‌سازها انجام شده است. نتایج حاصل از حل مدل نشان می‌دهد که کاراترین نتیجه برای اهداف طراحی شده با حل مدل تحت سناریوی شماره 3 قابل دستیابی است. بر این اساس، میزان تلفات شبکه، هزینه سوخت و آلایندگی در حرکت از سناریوی اول (حالت پایه) به سناریوی سوم به ترتیب 432 کیلووات، 7/13 هزار دلار و 75 کیلوگرم کاهش نشان می‌دهد. این نتایج و یافته‌ها می‌تواند به استفاده بهینه از ذخیره‌سازهای انرژی به منظور بهبود پایداری و امنیت شبکه، کاهش تلفات و آلایندگی در صنعت برق کشور کمک کند.

Economic-Environmental Modeling of Energy Storage Application in Electricity Industry: Using Multi-Objective PSO Algorithm

Implementing the energy storage improves power load response, and network reliability, as well as reduces the need to build new power capacity in the electricity Using the energy storage improves responsiveness power into load, increases network reliability, and reduces the need to build new power capacity in the electricity industry. Regarding the economic environmental benefits of using energy storage in the electricity industry, the main objective of this research is to investigate the application of electrical network’s energy storage with the aim of minimizing losses, environmental pollution, and system fuel costs. In this regard, three scenarios have been designed under the multiobjective particle swarm optimization (PSO) algorithm, which in scenario number 1, network consumption load is provided only by diesel generators. In scenario number 2, the renewable energy sources of wind and solar are added to the network, and in scenario number 3 further diesel generator and wind turbine and solar panels, energy storages are added to the network, and the PSO algorithm for optimal placement of the storage devices is performed. The results show that the most efficient result for the designed purposes can be achieved by solving the model under scenario number 3. Accordingly, the amount of network losses, fuel costs, and pollution in motion from the first scenario (base scenario) to the third scenario shows a decrease of 432 kW, 13.7 thousand dollars, and 75 kg, respectively. These results can help to optimum usage of energy storage devices in order to improve sustainability and network security, losses decreasing, and pollution decreasing in the electricity industry.