Tối ưu lịch phát điện của lưới điện siêu nhỏ ứng dụng thuật toán tiến hóa sai lệch
Tóm tắt: 50
| 
PDF: 144 
##plugins.themes.academic_pro.article.main##
Author
Từ khóa:
Tóm tắt
Nghiên cứu này đề xuất hệ thống quản lý năng lượng (EMS) dựa trên thuật toán Tiến hóa Sai lệch (DE) để tối ưu hóa hiệu suất của lưới điện siêu nhỏ khi có nguồn năng lượng tái tạo. Hệ lưới điện siêu nhỏ bao gồm máy phát điện phân tán (DG), Pin năng lượng mặt trời (PV) và Pin lưu trữ (batt). Ngoài ra, hệ được kết nối với hệ thống (Utility) nhằm trao đổi công suất khi chi phí mua bán phù hợp. Hiệu suất của EMS được tối ưu hóa bằng cách giảm thiểu chi phí vận hành của lưới điện đồng thời tối đa lợi nhuận từ lưới siêu nhỏ khi trao đổi công suất với hệ thống. Kết quả thu được sẽ được phân tích kỹ lưỡng bằng MATLAB, bao gồm công suất phát của máy phát điện và lưu trữ dựa trên dữ liệu đầu vào trong một ngày. Qua đó cho thấy, thuật toán đề xuất DE vượt trội về chất lượng và tốc độ hội tụ.
Tài liệu tham khảo
-
[1] N. Tiwari and L. Srivastava, “Generation scheduling and micro-grid energy management using differential evolution algorithm”, in 2016 International Conference on Circuit, Power and Computing Technologies (ICCPCT), Mar. 2016, pp. 1–7, doi: 10.1109/ICCPCT.2016.7530218.
[2] A. S. Gazafroudi, K. Afshar, and N. Bigdeli, “Assessing the operating reserves and costs with considering customer choice and wind power uncertainty in pool-based power market”, Int. J. Electr. Power Energy Syst., vol. 67, pp. 202–215, 2015.
[3] A. Zakariazadeh, S. Jadid, and P. Siano, “Stochastic multi-objective operational planning of smart distribution systems considering demand response programs”, Electr. Power Syst. Res., vol. 111, pp. 156–168, 2014.
[4] D. T. Viet, V. Van Phuong, M. Q. Duong, and Q. T. Tran, “Models for Short-Term Wind Power Forecasting Based on Improved Artificial Neural Network Using Particle Swarm Optimization and Genetic Algorithms”, Energies, vol. 13, no. 11, p. 2873, 2020.
[5] A. Zakariazadeh, S. Jadid, and P. Siano, “Economic-environmental energy and reserve scheduling of smart distribution systems: A multiobjective mathematical programming approach”, Energy Convers. Manag., vol. 78, pp. 151–164, 2014.
[6] M. Motevasel and A. R. Seifi, “Expert energy management of a micro-grid considering wind energy uncertainty”, Energy Convers. Manag., vol. 83, pp. 58–72, 2014.
[7] G. R. Aghajani, H. A. Shayanfar, and H. Shayeghi, “Presenting a multi-objective generation scheduling model for pricing demand response rate in micro-grid energy management”, Energy Convers. Manag., vol. 106, pp. 308–321, 2015.
##plugins.themes.academic_pro.article.sidebar##
