عنوان

مدیریت یکپارچه انرژی الکتریکی یک ریزشبکه ساختمان مسکونی با استفاده از کنترل پیشبین مبتنی بر مدل با در نظر گرفتن عدم قطعیت ها

Number

پ۲۷۳۴۳

.Language of Text, Soundtrack etc

per

Title Proper

مدیریت یکپارچه انرژی الکتریکی یک ریزشبکه ساختمان مسکونی با استفاده از کنترل پیشبین مبتنی بر مدل با در نظر گرفتن عدم قطعیت ها

First Statement of Responsibility

سینا رودنیل

Name of Publisher, Distributor, etc.

مهندسی برق و کامپیوتر

Date of Publication, Distribution, etc.

۱۴۰۱

Specific Material Designation and Extent of Item

۷۱ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

برق قدرت، گرایش سیستمهای قدرت

Date of degree

۱۴۰۱/۰۶/۱۹

Text of Note

مدیریت سمت تقاضای انرژی الکتریکی یک عامل مهم در مدیریت انرژی ریزشبکه ها برای ایجاد تعادل بینتولید انرژی و تقاضای انرژی الکتریکی در شبکه های هوشمند است. عالوه بر آن، برنامههای پاسخگویی بهتقاضا نقش کلیدی در استفاده از انرژی الکتریکی مسکونی ایفا میکنند که به بهبود مدیریت بار، قابلیتاطمینان شبکه انرژی الکتریکی، کاهش تقاضای انرژی در ساعات اوج مصرف و به حداقل رساندن مصرفانرژی در مواجهه با افزایش قیمت انرژی کمک میکند. در این پژوهش راهحلی، بر اساس کنترل پیشبینمبتنی بر مدل با الگوریتم بهینهسازی ازدحام ذرات برای مدیریت یکپارچه ریزشبکه مسکونی، همراه با کاهشبار در ساعات پیشبینی شدهی اوج مصرف، به عنوان برنامه پاسخ به تقاضا پیشنهاد شده است. این راهحل بهطور خاص، شامل مسائل استهالک سیستمهای ذخیرهسازی انرژی، هزینه انرژی الکتریکی، تولید انرژیتجدیدپذیر و سایر محدودیتهای عملیاتی است. استراتژی پیشنهادی میتواند سود اقتصادی ریزشبکه راافزایش دهد، در حالی که مصرف برق را در طول روز کاهش و استهالک سیستمهای ذخیرهسازی انرژی راکمتر میکند . به منظور مشاهده عملکرد راهحل پیشنهادی، ریزشبکه مسکونی در سه شرایط مختلفشبیه سازی شده است. در مورد اول، از پنلهای فوولتائیک در یک روز آفتابی به عنوان منبع تجدیدپذیر درریزشبکه استفاده شده است که از ساعتهای آغازین صبح تا غروب آفتاب انرژی الکتریکی تولید میکند و درمیانههای روز بیشترین میزان تولیدی را دارد. در مورد دوم، از پنلهای فوولتائیک در یک روز ابری به عنوانمنبع تجدیدپذیر در ریزشبکه استفاده شده است که مشخصه ای شبیه به مورد اول دارد با این تفاوت که بهدلیل هوای ابری دامنه انرژی تولیدی کمتر است و دارای نوساناتی میباشد. در مورد سوم، از توربین بادی بهعنوان منبع تجدیدپذیر در ریزشبکه استفاده شده است که متناسب با سرعت باد انرژی الکتریکی تولید میکندو هر لحظه در نوسان است و نوسانات بیشتری نسبت به دو حالت قبلی دارد. در هر سه مورد شبیهسازیعملکرد ریزشبکه در حالت مرسوم با عملکرد آن در حالت استفاده از کنترل کننده پیشبین مبتنی بر مدلکه برای بهینهسازی از الگوریتم بهینهسازی ازدحام ذرات استفاده میکند، مقایسه شده است. نتایجنشاندهندهی این است که استفاده از الگوریتم بهینهسازی ازدحام ذرات و مشخص کردن محدودیتهایعملیاتی، منجر به استفاده بهینه از مقدار انرژی تولیدی توسط شبکه اصلی، کاهش بار، خرید کمتر انرژی ازشبکه و فروش مقدار انرژی مازاد به شبکه می شود. از طرف دیگر، استفاده از کنترل پیشبین، مقدار خطا رایعنی اختالف خروجی با مرجع مشخص شده با استفاده از مقادیر بهینه محاسبه شده، کاهش میدهد. درنتیجه، نتایج به افزایش مزایای اقتصادی به دلیل استفاده بهینه از شبکه و خرید و فروش مناسب انرژیالکتریکی، منجر میشود. همچنین، انحراف کم وضعیت شارژ باتریهای سیستم ذخیرهسازی از مقدار مرجعباعث کاهش استهالک سیستم های ذخیره سازی انرژی الکتریکی میشود. از سه سیستم تعرفه گذاری تعرفهزمان واقعی، قیمتگذاری سه تعرفهای و نرخ ثابت برای قیمت گذاری انرژی الکتریکی استفاده شده است کهدر قسمت های پایانی هر شبیه سازی نتایج خرید و فروش انرژی الکتریکی متناسب با هر سیستم تعرفهگذاریبررسی شده است که سیستم تعرفهگذاری زمان واقعی به دلیل قیمتگذاری متناسب با تقاضای انرژیالکتریکی و بهینهسازی تابع هدف بر اساس این قیمتها ، نتایج اقتصادیتر دارد.

Text of Note

Demand side management of electrical energy is an important factor to achieve energymanagement in microgrid to balance energy production and demand in smart grids. Inaddition, demand response programs play a key role in residential electric energy use,helping to improve load management, electric power grid reliability, reducing energydemand during peak hours, and minimizing energy consumption in the face of risingenergy prices. In this research, a solution based on model predictive control (MPC) withparticle swarm optimization (PSO) algorithm is proposed for the integrated managementof residential microgrid along with load reduction during predicted peak consumptionhours as a demand response program. In particular, this solution includes issues ofdegradation of energy storage systems, cost of electrical energy, renewable energygeneration and other operational constraints. The proposed strategy can increase theeconomic profit of the microgrid, while reducing the electricity consumption during theday and the degradation of the energy storage systems. In this research, in order toobserve the performance of the proposed solution, the residential microgrid has beensimulated in three different conditions. In the first case, photovoltaic have been used ona sunny day as a renewable source in the microgrid, which produces electrical energyfrom the early hours of the morning until sunset, and has the maximum production ratein the middle of the day. In the second case, photovoltaic have been used as a renewablesource in the microgrid on a cloudy day, which has a characteristic similar to the firstcase, except that due to cloudy weather, the range of energy production is lower andfluctuates. In the third case, a wind turbine has been used as a renewable source in themicrogrid, which produces electrical energy according to the wind speed and fluctuatesevery moment. In all three cases, the simulation of the performance of the microgrid inthe conventional mode has been compared with its performance in the mode of usingMPC controller with PSO algorithm for optimization. The results show that the use ofPSO algorithm and the determination of operational limits lead to the optimal use of theamount of energy produced by the main grid, renewable energy, load reduction, lessenergy purchase from the grid and the sale of excess energy to the grid. On the otherhand, the use of predictive control reduces the error value, i.e. the difference of the outputwith the specified reference using the calculated optimal values. As a result, the resultslead to an increase in economic benefits due to the optimal use of the network and properbuying and selling of electrical energy. Also, the low deviation of the charging state ofthe storage system batteries from the reference value reduces the degradation of electricenergy storage systems. Three pricing systems, real-time tariff, three-tariff pricing andfixed rate have been used for pricing electric energy, and in the final parts of eachsimulation, the results of buying and selling electric energy have been studied accordingto each pricing system, and the real-time pricing system is due to pricing according toelectric energy demand and optimizing the objective function based on these prices havemore economic results.

Variant Title

Integrated Electric Energy Management of a Residential Building Microgrid Using Model Based Predictive Control Considering the Uncertainties

Entry Element

رودنیل،‏

Part of Name Other than Entry Element

‏سینا ‏

Relator Code

تهيه کننده

Entry Element

قاسم زاده،‏

Entry Element

زارع، ‏

Part of Name Other than Entry Element

‏‏سعید

Part of Name Other than Entry Element

‏کاظم

Part of Name Other than Entry Element

امیر امین زاده قوی فکر،

Dates

استاد راهنما

Dates

استاد راهنما

Dates

استاد مشاور

Entry Element

تبریز‏