برنامه ریزی غیر متمرکز برای مدیریت هم زمان انرژی و انعطاف پذیری در جوامع انرژی محلی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
با روند رو به رشد الکتریکی سازی سامانه های گرمایشی و حمل ونقل، نیاز به تأمین انعطاف پذیری در شبکه های توزیع بیش از پیش اهمیت یافته است. در این مقاله، یک چارچوب برنامه ریزی غیرمتمرکز برای مدیریت هم زمان انرژی و ارائه خدمات انعطاف پذیری در جوامع انرژی محلی ارائه می شود. هدف اصلی این برنامه ریزی، کاهش هزینه های مصرف انرژی در سطح مشترکین است، در حالی که امکان پاسخ گویی به نیازهای بهره بردار شبکه توزیع از طریق ارائه خدمات انعطاف پذیری فراهم می شود. در مدل پیشنهادی، هر عضو جامعه انرژی — مانند یک ساختمان مجهز به سامانه فتوولتاییک و سامانه ذخیره ساز انرژی — به صورت مستقل و با هدف بیشینه سازی منافع خود تصمیم گیری می کند. هماهنگی میان اعضای جامعه انرژی از طریق الگوریتم ADMM که یک روش بهینه سازی غیرمتمرکز مبتنی بر تبادل تکراری اطلاعات صورت می گیرد. برای لحاظ کردن عدم قطعیت های موجود در پیش بینی تولید انرژی خورشیدی و بار مصرفی، الگوریتم برنامه ریزی با افق متحرک به کار گرفته شده است. کارایی چارچوب پیشنهادی با استفاده از داده های واقعی مربوط به یک سایت نمایشی مورد ارزیابی قرار گرفته و نتایج حاصل نشان می دهد که این روش می تواند ضمن کاهش هزینه های انرژی و توان اوج مصرفی، درآمد حاصل از فروش انعطاف پذیری را افزایش داده و قابلیت اطمینان عملکرد سیستم را بهبود بخشد.Decentralized planning for simultaneous energy and flexibility management in local energy communities
With the growing trend of electrification in heating systems and transportation, the need to provide flexibility in distribution networks has become increasingly important. In this paper, a decentralized planning framework is proposed for the simultaneous management of energy and the provision of flexibility services in local energy communities. The main objective of this planning approach is to reduce energy consumption costs at the prosumer level while enabling responsiveness to the needs of the distribution system operator through the provision of flexibility services.
In the proposed model, each member of the energy community — such as a building equipped with a photovoltaic system and an energy storage system — makes decisions independently with the aim of maximizing its own benefit. Coordination among community members is achieved through the ADMM algorithm, a decentralized optimization method based on iterative information exchange. To account for uncertainties in solar energy production and load forecasting, a rolling horizon scheduling algorithm is employed.
The effectiveness of the proposed framework is evaluated using real data from a demonstration site. The results show that this approach can reduce energy costs and peak demand, increase revenues from flexibility provision, and enhance the reliability of system operation.
تبلیغات
