چکیده
نفوذ زیاد انرژی باد در سیستم های قدرت، باعث بروز برخی مسائل مانند رمپ کردن و عدم تناسب بین توان باد و توان درخواستی می شود. یکی از راه حل های ممکن برای این مسائل، مدیریت تقاضا (DSM) است. در این مقاله، توزیع اقتصادی پویا (DED) با استفاده از سطوح مختلف توان باد و استفاده از DSM پیشنهاد شده است تا مسائل مربوط به نفوذ بالای توان باد را حل کند. تأثیر استفاده از DSM بر هزینه عملیات همراه با تستهای متفاوت مورد بحث قرار گرفته است. سیستم مدل کردن جبری (GAMS) با استفاده از BARON به عنوان حل کننده و الگوریتم ژنتیک (GA) با عملکرد ترکیبی برای حل مدل پیشنهادیDED مورد استفاده قرار می گیرد و مقایسه آن ها ارزیابی می شود. مدل پیشنهادی به یک سیستم از نسل شش واحدی برای آزمایش تاثیرگذاری مدل پیشنهادی اعمال می شود.
مقدمه
در مصر، بیشتر برق از نیروگاه های توان تولید می شود که از گاز طبیعی استفاده می کنند. دولت تصمیم گرفت افزایش تولید از انرژی های تجدید پذیر را، مانند انرژی باد، تا سال 2020 به 20٪برساند. انرژی باد دارای مزایایی فراوان است که از جمله به تمیز بودن و کم هزینه بودن آن اشاره میشود، با این حال معایبی نیز دارد مثلا باد در طبیعت متناوب است و ممکن است در جایی قطع بشود. به عنوان یک نتیجه از نفوذ بالای باد، برخی از مسائل باید به طور گسترده مورد مطالعه قرار گیرد که به شرح زیر است:
• تمرکز جامع بر برنامه ریزی سیستم و پیش بینی بار.
• همبستگی نامناسب بین قدرت باد و بار (مسئله متعادل کننده قدرت).
• الزامات خدمات اضافی مانند نرخ های سریعترتغییر منابع.
• مسائل مربوط به کیفیت برق مانند تغییرات ولتاژ، نوسانات ولتاژ و هارمونیک.
برای حل این مسائل، سیستم توان الکتریکی نیاز به انعطاف بیشتری دارد تا به نوسانات لحظه ای در هر دو نوع بار و تولید تجدید پذیر پاسخ دهد [1]. این مقاله بر دو مسئله از لیست فوق تمرکز دارد که مسئله متعادل سازی قدرت و مسئله نرخ تغییر سریع است.
روش های مدل کردن
توزیع اقتصادی پویا
عملکرد بهینه از شبکه های توان الکتریکی یک مشکل مهندسی چالش برانگیز در دنیای واقعی است. توزیع اقتصادی پویا (DED) دارای جایگاه برجسته ای در عملکرد و کنترل سیستم های توان است. هدف DED تعیین خروجی های بهینه توان واحد های تولید آنلاین، به منظور پاسخگویی به تقاضای بار درمحدودیت های عملیاتی مختلف در دوره های محدوداست. DED محدودیت های اضافی عملیاتی مانند مرزهای بالا و پایین در نرخ رمپینگ واحد را در نظر میگیرد. در واقع، واحدها پاسخگوی تغیرات لحظه ای یا شیبدار بار نیستند.
موارد مطالعه شده
مطالعات موردی به طور گسترده ای در یک سیستم شامل 6 ژنراتور حرارتی و یک مزرعه باد انجام می شود. جزئیات ژنراتور برای سیستم تست شش واحد در جدول 1 آمده است [17]. شکل 2 داده هایت وان مزرعه باد را در یک روز به عنوان 10٪ازکلتولید (1 p.u.) نشان می دهد. در مطالعه موردی، دو سطح نفوذ 10٪و 20٪مورد مطالعه قرارگرفته است. برایDSM، سه سطح مختلف مشارکت در نظر گرفته شده شامل 5٪، 10٪و 15٪سطح مشارکت است. سطح مشارکت اطلاعات مربوط به درصد مورد انتظارشرکت کنندگان دربرنامهDSM را فراهم می کند، بنابراین 15٪به این معنی است که 15٪کل باردربرنامهDSM شرکت می کنند.
نتایج و بحث
تعدادی از سناریوها مانند تغییر سطح مشارکت مصرف کنندگان و سطح نفوذ باد برای پروفیل های مختلف بارگیری در فصل زمستان و تابستان با استفاده از DSMاعمال می شود تا برخی از مسائل مربوط به نفوذ بالا انرژی های باد به طور خاص رمپ که در زمان کاهش بارو افزایش باد و یا بالعکس رخ می دهد و یا عدم انطباق بین قدرت باد بالا و پیک بار را حل کند.
سناریوهای مختلفی مورد توجه بوده است. جداول 2-5 خروجی راه حل هایDED را در موارد مختلف ارائه می دهد. نرم افزار GAMS با استفاده از BARON به عنوان الگوریتم حل کننده و ژنتیکی با عملکرد ترکیبی (fmincon) برای حل مشکل DEDمورد استفاده قرار می گیرد. نتایج نشان میدهد که استفاده از GA با fmincon نتایج تقریبا معمولی مانند GAMSرا ارائه می دهد اما برای نتیجه بهینه نیاز به تکرار دارد و همچنین زمان بیشتری را نسبت به استفاده از GAMS اتخاذ می کند. به عنوان مثال، در صورت بارگیری تابستان با DSMو سطح مشارکت 15٪،زمان انجامGAMS 5 ثانیه است، در حالی که GAبا عملکرد ترکیبی 15 دقیقه برای هر تکرار طول می کشد و در بعضی موارد بیش از یک تکرار برای رسیدن به مقدار بهینه لازم است (پردازنده هسته i5 و RAM 4 مگابایت است).
نتایج
پیوستن نفوذ بالا انرژی باد به سیستم قدرت با مشکلاتی، مانند همبستگی بدبینانه بین پروفیل انرژی باد و بار، و مسئله رمپینگ مواجه است. بر این اساس، این مشکلات می تواند تا حد زیادی با قصد افزایش نفوذ انرژی باد مخالفت کند. در همین حال، به منظور افزایش نفوذ انرژی باد، سیستم توان نیاز به انعطاف پذیری دارد تا بتواند این نفوذ را بالا ببرد.
استفاده ازDSM از طریق یک مشکل DEDبه عنوان یک منبع انعطاف پذیر برای حل مسائل ناشی از نفوذ زیاد انرژی باد مورد مطالعه قرار گرفته است. آزمایشات جامع بر روی سیستم شش ژنراتور به عنوان یک سیستم تست برای تأیید اهمیت استفاده از DSM انجام شده است. علاوه بر این، تأثیر سطوح مختلف نفوذ انرژی باد، به طور گسترده مورد بحث و بررسی قرار گرفته و نتایج نشان می دهد که مسئله رمپینگ و عدم انطباق انرژی تاثیر زیادی در افزایش نفوذ باد دارند. نتایج به دست آمده نشان می دهد که ترکیبDSM انعطاف پذیری بیشتری از طریق تغییر بار بارهای قابل تغییر از زمان اوج تا زمان پائین ترین مقدار در سیستم توان اضافه می کند که منجر به مشخصات باری می شود که نزدیک به مشخصات انرژی باد است و انرژی باد، افزایش درصد استفاده از انرژی باد و کاهش کل هزینه عملیات را نتیجه می دهد.
لازم به ذکر است که سطوح مشارکت مختلف نیز برای هر سطح نفوذ انرژی باد مورد مطالعه قرار گرفته است. نتایج به دست آمده نشان می دهد که اثرات خوب افزایش سطح مشارکت باعث کاهش هزینه کل عملیات، افزایش درصد بهره برداری از انرژی باد و کاهش اثرات مربوط به نفوذ زیاد انرژی باد می شود. نتایج همچنین نشان می دهد که نفوذ زیاد انرژی باد هزینه عملیات را کاهش می دهد.
در این مقاله، برنامه DSMفقط بارهای مسکونی را هدف قرار می دهد، بنابراین در بعضی موارد، انعطاف پذیری اضافه شده به سیستم به اندازه کافی بالا نیست تا همه مسائل مربوط به استفاده از انرژی باد را حل کند، بنابراین از ترکیب سایر بخش های بار مانند صنعتی و تجاری انتظار می رود که انعطاف پذیری بیشتری نسبت به سیستم توان داشته باشند.
GAMS با استفاده از BARONبه عنوان یک حل کننده و GA با عملکرد ترکیبی برای حل مشکل DED برای سناریوهای مختلف استفاده می شود و نتایج نشان می دهد که هر دو آنها نتایج مشابهی دارند، اما GAMS سریعتر است و نیازی به تکرار مانند GA ندارد.
این مقاله ISI در سال 2017 در نشریه الزویر و در مجله مهندسی عین شمس، توسط گروه برق و ماشین منتشر شده و در سایت ای ترجمه جهت دانلود ارائه شده است. در صورت نیاز به دانلود رایگان اصل مقاله انگلیسی و ترجمه آن می توانید به پست دانلود ترجمه مقاله بهره برداری از سیستم برق همراه با مدیریت تقاضا در سایت ای ترجمه مراجعه نمایید.