ارائه مدلی جدید برای مدیریت بهینه انرژی یک ریزشبکه مسکونی با هدف بهبود شاخص های تاب آوری و انعطاف پذیری

نوع مقاله : مقاله برق

نویسندگان

1 عضو هیات علمی دانشکده برق و کامپیوتر دانشگاه صنعتی جندی شاپور دزفول

2 دانشکده مهندسی برق و کامپیوتر دانشگاه صنعتی جندی شاپور دزفول

چکیده

در این پژوهش، مدل‌سازی مدیریت بهینه یک ریزشبکه مسکونی با هدف بهبود تاب‌آوری و انعطاف‌پذیری با در نظر گرفتن مسائل اقتصادی ارائه شده ‌است. بر این اساس، یک ریزشبکه مسکونی شامل یک نیروگاه خورشیدی کوچک همراه با ذخیره‌ساز انرژی در نظر گرفته شده است که در آن خانه‌ها دارای خودروی الکتریکی می‌باشند. این ریزشبکه به شبکه برق سراسری متصل است و دارای زیرساخت شبکه هوشمند است. قطعی شبکه‌ی برق سراسری سبب قطع بارهای الکتریکی و عدم تأمین تقاضای مصرف‌کنندگان و در نتیجه کاهش تاب‌آوری می‌شود. بنابراین، حفظ امنیت سیستم تأمین توان مشترکین در شرایط وقوع این‌گونه اغتشاشات ضروری است. به این منظور در این مقاله یک مدل جدید بهره‌برداری از ریزشبکه مبتنی‌بر نیروگاه خورشیدی و ذخیره‌سازهای انرژی پیشنهاد شده است. کارآیی مدل و بهره‌برداری پیشنهادی از طریق محاسبه عددی تاب‌آوری با استفاده از شاخص پیشنهادی در این مقاله ارزیابی می‌شود. علاوه ‌بر این، مدل پیشنهادی سبب بهبود انعطاف‌پذیری سیستم می‌شود. میزان این بهبود با استفاده از شاخص‌های کاربردی و دقیق خودمصرفی و بهره‌وری ذخیره‌سازی ارزیابی می‌شود. نتایج نشان می‌دهد که مدل پیشنهادی علاوه ‌‌بر تأمین اهداف اقتصادی، باعث می‌شود تاب‌آوری در ساعات کم‌مصرف و پرمصرف به‌ترتیب 7/4% و 75/9% بهبود ‌یابد. همچنین دو شاخص انعطاف‌پذیری شامل خودمصرفی و بهره‌وری ذخیره‌سازی به‌ترتیب 1/9% و 2/2% بهبود می‌یابد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Proposing a new model for optimal energy management of a residential microgrid with the aim of resiliency and flexibility indexes improvement

نویسندگان [English]

  • Ahmad Ghasemi 1
  • Golnam Karimi 2
1 Department of electrical and computer engineering, Jundi-Shapur university of technology, Dezful
2 Jundi-Shapur university of technology
چکیده [English]

In this research, an optimal energy management model of a residential microgrid with the aim of resiliency and flexibility improvement is presented. Accordingly, a residential microgrid consisting of a solar power plant with energy storage system is considered. Each of houses in the microgrid has an electric vehicle. The residential microgrid is connected to the main grid and has been equipped with smart grid infrastructures. The outage of the main grid causes load shedding that consequently reduces the resiliency. Keeping the security of supply during these distortions is necessary. Therefore, in this paper, a new model of microgrid operation based on solar power plant and energy storage system is proposed. The efficiency of the proposed model is evaluated through numerical calculation of resiliency using a new index proposed in this paper. In addition, the proposed model improves the system flexibility. The amount of this improvement is evaluated using practical and accurate indicators including self-consumption and storage efficiency. The results show that the proposed model improves the resiliency in off-peak and peak hours by 4.7% and 9.75% respectively. Moreover, two indexes of flexibility, including self-consumption and storage efficiency, improve by 9.1% and 2.2% respectively.

کلیدواژه‌ها [English]

  • Residential Microgrid
  • Electric Vehicle
  • Energy Storage
  • Photovoltaic
  • Resiliency
  • Flexibility
[1] P.H. Li and S. Pye, "Assessing the benefits of demand-side flexibility in residential and transport sectors from an integrated energy systems perspective", Applied Energy, Vol. 228, October 2018, pp. 965–979.
[2] سید قاسم میربابایی رکنی، مسعود رادمهر و علیرضا ذکریازاده، "مدل­سازی مدیریت منابع انرژی پراکنده در ریزشبکه با استفاده از روش توزیع شده "، نشریه مدل‌سازی در مهندسی، دوره 17، شماره 57، تابستان 1398، صفحه 241- 252.
[3] علیرضا­ ابراهیمی، عباس دیدبان نوکندی و رضا کی­پور، " استراتژی کنترلی نوین در سیستم­های انرژی ترکیبی بادی- خورشیدی برمبنای تعیین محدوده­های بهینه شارژ و دشارژ باتری­ها در بازه­های زمانی مختلف"، نشریه مدل‌سازی در مهندسی، دوره 16، شماره 55، زمستان 1397، صفحه 163- 173.
[4] محمد علیزاده، میثم جعفری نوکندی و یامین سلطان مرادی، "مدل­سازی و بهینه­سازی مصرف انرژی در خانه هوشمند با حضور ذخیره­ساز انرژی، سلول خورشیدی، خودروی برقی و پاسخ­گویی بار"، نشریه مدل­سازی در مهندسی، دوره 17، شماره 57، تابستان 1398، صفحه      215-226.
[5] L. Martirano, G. Parise, and et al, "Aggregation of users in a residential/commercial building managed by a building energy management system (BEMS)", IEEE Transactions on Industry Applications, Vol. 55, No. 1, January-February 2019, pp. 26-34.
[6] F. Pallonetto, S. Oxizidis, and et al, "The effect of time-of-use tariffs on the demand response flexibility of an all-electric smart-grid-ready dwelling", Energy and Buildings, Vol. 128, September 2016, pp. 56-67.
[7] D. Zhang, S. Li, and et al, "An optimal and learning-based demand response and home energy management system", IEEE Transactions on Smart Grid, Vol. 7, No. 4, July 2016, pp. 1790-1801.
[8] I. Sharma, J. Dong, and et al, "A modeling framework for optimal energy management of a residential building", Energy and Buildings, Vol. 130, October 2016, pp. 55-63.
[9] R. Yin, E.C. Kara, and et al, "Quantifying flexibility of commercial and residential loads for demand response using setpoint changes", Applied Energy, Vol. 177, September 2016, pp.149-164.
[10] E. Chatterji, and M. D. Bazilian, "Smart meter data to optimize combined roof-top solar and battery systems using a stochastic mixed integer programming model", IEEE Access, Vol. 8, July 2020, pp. 133843-133853.
[11] Y. Wang, C. Chen, and et al, "Research on resilience of power systems under natural disasters-a review", IEEE Transactions on Power Systems, Vol. 31, No. 2, March 2015, pp. 1604-1613.
[12] M. Panteli, and P. Mancarella, "The grid: Stronger, bigger, smarter?: Presenting a conceptual framework of power system resilience", IEEE Power and Energy Magazine, Vol. 13, No.3, May-June 2015, pp. 58-66.
[13] X. Liu, K. Hou, and et al, "A resilience assessment approach for power system from perspectives of system and component levels", Applied Energy, Vol. 118, June 2020, pp. 105837.
[14] H. Ghasemieh, B.R. Haverkort, and et al, "Energy resilience modelling for smart houses", IEEE Computer Society, Vol. 1, June 2015, pp. 275-286.
[15] F. Hafiz, B. Chen, and et al, "Utilizing demand response for distribution service restoration to achieve grid resiliency against natural disasters", IET Generation, Transmission & Distribution, Vol. 13, March 2019, pp. 2942-2950.
[16] R. Wu and G. Sansavini, "Integrating reliability and resilience to support the transition from passive distribution grids to islanding microgrids", Applied Energy, Vol. 272, August 2020, pp. 115254.
[17] A. Bampoulas, M. Saffari, and et al, "A fundamental unified framework to quantify and characterise energy flexibility of residential buildings with multiple electrical and thermal energy", Applied Energy, Vol. 282, January 2021, pp. 116096.
[18] M. Panteli, and P. Mancarella, "Modeling and evaluating the resilience of critical electrical power infrastructure to extreme weather events", IEEE Systems Journal,Vol. 11, No. 3, September 2015, pp. 1733-1742.
[19] M. Panteli, D. Trakas, and et al, "Boosting the power grid resilience to extreme weather events using defensive islanding", IEEE Transactions on Smart Grid, Vol. 7, No. 6, March 2016, pp. 4732-4742.
[20] J. Najafi, A. Peiravi, and et al, "Power distribution system improvement planning under hurricanes based on a new resilience index", IEEE Access, Vol. 39, May 2018, pp. 592-604.
[21] J. Confrey, A. H. Etemadi, and et al, "Energy Storage Systems Architecture Optimization for Grid Resilience with High Penetration of Distributed Photovoltaic Generation", IEEE Systems Journal, Vol. 14, No. 1, March 2020, pp. 1135-1146.
[22] H. Wang, T. Jin, "Prevention and Survivability for Power Distribution Resilience: A Multi-Criteria Renewables Expansion Model", IEEE Access, Vol. 8, May 2020, pp. 88422-88433.
[23] S. Poudel, A. Dubey, and et al, "Risk-Based Probabilistic Quantification of Power Distribution System Operational Resilience", IEEE Systems Journal, Vol. 14, No. 3, September 2020, pp. 3506-3517.
[24] T. Nguyen, S. Wang, and et al, "Electric Power Grid Resilience to Cyber Adversaries: State of the Art", IEEE Access, Vol. 8, May 2020, pp. 87592-87608.
[25] A. Nasri, A. Abdollahi, and et al, "Multi-stage and resilience-based distribution network expansion planning against hurricanes based on vulnerability and resiliency metrics", International Journal of Electrical Power & Energy Systems, Vol. 136, March 2022, pp.107640.
[26] A. Akrami, M. Doostizadeh, and et al, "Power system flexibility: an overview of emergence to evolution", Journal of Modern Power Systems and Clean Energy, Vol. 7, No. 5, September 2019, pp. 987-1007.
[27] S. Nan, G. Li, and et al, "Optimal residential community demand response scheduling in smart grid", Applied Energy, Vol. 210, January 2018, pp. 1280-1289.
[28] O. Erdinc, N.G . Paterakis, and et al, "Smart household operation considering bi-directional EV and ESS utilization by real-time pricing-based DR", IEEE Transactions on Smart Grid, Vol.6, No. 3, May 2015, pp.1281-1291.
[29] A. Akrami, M. Doostizadeh, and et al, "Power system flexibility: an overview of emergence to evolution", Journal of Modern Power Systems and Clean Energy, Vol. 7, No. 5, September 2019, pp. 987-1007.
[30] S.M. Mohseni-Bonab, A. Rabiee, and et al, "A two-point estimate method for uncertainty modeling in multi-objective optimal reactive power dispatch problem", International Journal of Electrical Power & Energy Systems, Vol. 75, February 2016, pp. 194-204.
[31] P. Huang, M. Lovati, and et al, "A coordinated control to improve performance for a building cluster with energy storage, electric vehicles, and energy sharing considered", Applied Energy, Vol. 268, June 2020, pp. 114983.