مدیریت بهینه و تصادفی ریزشبکه مبتنی بر سیستم فازی- عصبی تطبیقی توسط کنترل توان خط تبادلی به‌وسیله تجهیزات D-FACTS

نویسندگان

دانشگاه صنعتی کرمانشاه - گروه برق

چکیده

در این مقاله، بر روی برنامه‌ریزی بهینه ریزشبکه مبتنی بر سیستم فازی- عصبی تطبیقی که در حضور بارهای الکتریکی و گرمایی، منابع انرژی تجدیدپذیر (باد و خورشید)، CHP، منابع انرژی مرسوم (میکروتوربین و بویلر)، سیستم‌های ذخیره انرژی (ذخایر الکتریکی و گرمایی) و تجهیزات D-FACTS است، تمرکز خواهد شد. تجهیزات D-FACTS بر روی خط ارتباطی بین ریزشبکه و خط اصلی نصب شده تا امکان تبادل توان افزایش یابد. در برنامه‌ریزی مطرح‌شده، سرعت باد، تابش خورشید و بارها به‌صورت تصادفی در نظر گرفته خواهند شد. مسئله مطرح‌شده به‌صورت خطی عدد صحیح مقید مدل شده و توابع هدف آن هزینه و آلودگی خواهد بود. نتایج نهایی نشان‌دهنده بهبود عملکرد ریزشبکه در حضور تجهیزات D-FACTS خواهد بود به‌طوری‌که هزینه به مقدار قابل‌توجهی کاهش خواهد یافت. همچنین، نشان داده خواهد شد که با استفاده از سیستم فازی- عصبی تطبیقی، با خطای بسیار پایین، زمان شبیه‌سازی به مقدار قابل‌توجهی کاهش خواهد یافت که در سیستم‌های مدیریتی با ابعاد بزرگ می‌تواند بسیار کاربردی باشد. مسئله تصادفی چندهدفه مطرح‌شده با استفاده از روش محدودیت اپسیلون ارتقایافته حل شده و تمامی نتایج با استفاده از نرم‌افزار GAMS24.1.3/CPLEX12.5.1 به دست آمده است.

کلیدواژه‌ها


عنوان مقاله [English]

Stochastic Optimal Energy Management of Microgrid Based on Adaptive Neuro-Fuzzy Inference System by Transmission Line Power Control with D-FACTS Equipment

نویسندگان [English]

  • M. Ahmadi Jirdehi
  • V. Sohrabi Tabar
  • R. Hemmati
Department of Electrical Engineering, Kermanshah University of Technology, Kermanshah, Iran
چکیده [English]

This paper focus on optimal scheduling of microgrid based on adaptive neuro-fuzzy inference system including thermal and electrical loads, renewable energy sources (solar and wind), CHP, conventional energy sources (boiler and micro turbine), energy storage systems (thermal and electrical storage), and D-FACTS devices. D-FACTS are included in the line between main network and microgrid to achieve more power transfer to the upstream grid. In the proposed planning, wind speed, solar radiation, and loads are modeled as uncertain parameters based on the stochastic approach. Problem is expressed as a linear, mixed integer, constrained, and multi objective optimization aiming at minimizing cost and pollution at the same time. Operation improvement is illustrated in final results by considering D-FACTS as cost is decreasedto a considerable amount. Also, will be shown that simulation time will be decreased to a noticeable amount that can be applicable in large scale management systems by using adaptive neuro-fuzzy inference system.The proposed multi objective and stochastic problem is solved using augmented Epsilon-constraint method. All results and calculations are calculated using GAMS24.1.3CPLEX12.5.1.

کلیدواژه‌ها [English]

  • D-FACTS devices
  • multi objective programming
  • microgrid
  • Adaptive Neuro-Fuzzy Inference System
  • stochastic management