文摘
高速增长的人口和发展产业,一方面,要求能源大大增加。增长的化石燃料发电,另一方面,具有较高的环境影响。因此,可再生能源的主要兴趣是近年来清洁资源。这些资源也可以在长期的经济情况下。然而,他们的间歇特性是一个主要的缺点。整合这些资源的网格可以增加他们的优势和解决他们的主要缺点。在目前的工作,提出了一种新的编程方法对能源管理和优化操作费用在短时间微型智能电网"(毫克)。考虑毫克包含各种可再生资源。应该考虑一些不确定因素与电网可再生资源的集成,从而影响系统性能。本文主要研究了不确定参数预测值等绿色能源,燃料电池的最大容量(FCs),能源存储(ess)、最大容量输电线路,每小时负荷,实现更高的效率。 This paper utilized fuzzy idea for presentation of mentioned uncertain parameters in the MG. Moreover, this work employed a 3-stage optimization algorithm for obtaining the best programming for the MG by considering the uncertain parameters. This paper also used a practical test system to validate the proposed method through minimizing the total cost. Additionally, a sensitivity analysis is performed to study the effects of oscillations of all components in the MG and their associated uncertainties over the obtained results.
1。介绍
电气网络,重组和管制提供了一个适当的条件从集中式网络的分布式网络。集中式发电导致一些问题包括功率效率,安全问题,和更高的电能损失,这样的网络传播包括更高的费用开发/分销网络主要的山脉和低密度区域远离主要领域(1]。这些陈述问题以及增加对利用RES(可再生能源)改善DGs(分布式代)引起的。这些DGs允许分散能源生产(2]。许多靓像微型涡轮,FCs,出世,光伏电池板,可以使用ess DGs。同样,一个毫克分布式代和负载的集合。毫克的日常操作包括获得最低的支出调度分布式代最小化整个运营支出满足要求的权力包括技术在不同的限制,环境,和操作的。微型智能电网"应该断开本身从主网格和运作形式的自治领域高性能和低排放污染(3]。一毫克,在短时间的情况下可以操作的形式唯一generator-load实体与电力市场和交换权力。
调度的分布式发电以最佳的方式是一个重要的问题被研究人员广泛讨论。在这个工作中,两个主要的组织被认为是各种调度方法包括传统和fuzzy-based方法。在传统的方法中,调度模型的因素应该是适当和准确。然而,这在实际情况主要考虑是不正确的,和他们的价值观选择的专家。很明显,专家的知识或不充分准确的预测结果。模糊概念计划供应的解释测量不确定参数的实际随机事件和强劲的设备处理不精确的数据。作者在4]建议的决策思想模糊系统,使用许多调查人员来解决模糊调度问题(4- - - - - -7]。接下来,许多传统和fuzzy-based用于最佳编程的方法给出了分布式代。
作者在8)提出了一个混合整数线性规划(MILP)方法对最佳编程MG包含绿色资源的自主状态。赵et al。9)提出了一个混合整数二次规划方法获得最好的编程每周MG的绿色能源,在失去了活跃的能量分布系统和约束被认为。在考虑网络的8,9),一些绿色资源包括出世,光伏系统,电池,和FCs被认为是,但这些论文没有研究不确定性。在[10),采用非概率信息鸿沟的方法来处理不确定性问题提出虚拟能源中心(阿明费)系统。作者提出了一种分层的能源管理系统(11总金融利润最大化。他们应用该方法在多个家庭能源中心附近的网格,可以刮胡子的顶峰上网格。一个集成采用天然气网络研究[12)考虑新的灵活的能源资源。他们建议多目标2段随机单位承诺,在P2G技术用于增加风力发电在电力系统调度。此外,他们使用的需求反应计划来降低总运营成本将负载从高峰时期,非高峰时间。在[13),智能交互能源框架。他们旨在提高整个系统的财务利润。他们还提出了一个全面的模拟研究,描述了建议的方法的效率高。提出了一种多目标优化算法(14)优化考虑系统从技术、经济和环境方面。他们通过调度执行这种优化电动汽车充电/放电。他们可以降低能源成本,电池退化,排放,和网格利用率约为88.2,67.0,34.0和90.0%,分别。此外,电力系统包含一个自然基于燃气系统和风力涡轮机研究[15),三个解决方案提出解决相关问题的气体系统的局限性和不确定性风能。他们提出了一个可由主体访问IGDT-based健壮受安全机制约束的单位承诺的影响模型和描述新兴灵活的资源的减量总运营成本,以及风能预测的不确定性。标出et al。16)提出了一种随机方法在一个毫克包含绿色能源,ess,氢气储罐。在此引用,场景树模型是用于插入不确定性的表示方法。此外,Deissenroth et al。3)提出了一种非线性方法,获得最佳的编程毫克,在风力发电和环境的不确定性问题是说。,他们提出了一个确定的概率,概率主意毫克是能够满足要求的电力自给自足的方式称为自给自足(PSS)的概率。提出一个混合整数线性规划方法(17)获得最佳年度调度一个自治MG包含出世,光伏系统,ess, diesel-based代单位。在[16),短期的最佳编程毫克。他们认为各种限制的单位承诺等分布式发电斜坡率约束和min-up min-down时期,以及不确定的参数。作者在18)采用滚动地平线的方法获得最优操作可再生毫克。他们主要的目的是保持平衡的补充,加载和喂养的水泵保护水舱的数量在一个预先确定的最低的支出范围。此外,作者在19)利用TS(禁忌搜索)优化方法获得最优分配系统操作的存储系统。他们认为的不确定性电动车(电动汽车)。同时,作者在19利用模糊集概念不确定性建模。作者在20.)采用模糊机会约束规划(CCP)程序MG在日前的生产单位的平台。这个MG包含分布式代,出世,负载,负载的不确定性。他们提出的形式访问风能梯形模糊集的模糊优化方法。建议在21)获得的最佳操作网络包含出世,光伏系统,水电,供暖代单位。这个引用利用模糊集考虑风速的不确定性,辐照,访问水。然后,最佳答案是通过GA(遗传算法)。Faddel et al。22)也使用了一种优化的模糊方法考虑停车场运营商的收入最大化和模糊集是用来考虑不确定的参数,如利率的市场,电池状态,出发的时间。此外,Rezvani et al。23)旨在时间表包含光伏系统MG的电力资源,FCs, ess,出世,微型燃气轮机。他们使用了多目标(MO)优化方法找到最好的编程MG的整个运营支出和减少排放污染降至最低可能的数量,决策是由模糊的方法。
根据审查论文,模糊方法,以及随机的,是有益的应用上的不确定性出来。这两种方法有很多功能和优点。根据(24),对于一个正态分布的不确定性,随机方法会有用,但是在一般的情况下,随机调度主要是不能简单地解决。此外,模糊方法是有用的即使不确定性是在不考虑单峰分布类型。一般来说,模糊调度问题的解决方案是简单而随机的。此外,Inuiguchi [25)表示,对于独立的不确定参数,只是一个低数量的决策变量将非零模糊调度问题的最佳答案。然而,在随机的情况下的问题,很多都是零的最佳答案。对的既定优势模糊的想法,我们利用模糊调度方法求解考虑编程问题。我们建议的基本新方法可以给出如下:(一)风能/太阳能生产的考虑不确定性,要求权力由模糊集概念建模。(b)绿色能源补贴和平衡惩罚被认为是在这里。(c)本文还认为不确定性最大充电/放电容量的ess以及生成的FCs的力量(这是因为振荡的温度和排气)通过模糊集的概念。(d)提出了模糊方法可以提高了使用智能算法优化自由参数。(e)现在工作视为有界分布与电力市场交换权力。这条线可以帮助MG出售剩余产生电力的电力市场,降低电网负荷的概率通过采购数量的减少所需的电力的电力市场价格乘以。(f)这里,各种不确定参数是模糊不等式的形式实现的,和模糊MILP方法建议安排毫克。同时,较低的一种有效的方法来优化模糊系统使用的并发症。
剩下的工作在以下形式:结构部分2提出的系统模型。然后,各种不确定性参数的模糊集概念模型中插入部分3。部分4提供结果和分析。再往下,节5讨论了在一些变量重要性高的敏感性因素。最后,第六节总结了整个论文的。
2。系统的建模
本文认为是MG包括出世,光伏系统,FCs, ess。图1描述了本文的系统。在此系统中,绿色电源前出世和光伏系统等提供的负载。同时,重力在短时间被认为是条件,其连接是通过一个有界分布线。一旦生成的力量,这些绿色能源不足以满足要求的权力,插入ess和FCs补偿电力短缺。此外,过度的力量毫克可以卖给电力市场的形式虚拟电厂(VPP)。支出的接收功率从主网格和销售收入的权力是对指定每小时电力市场的关税以及各种计划的主要网格和MG的主人。这项工作认为毫克每小时更新的方式。然而,要求权力,绿色电源的输出功率,电力市场的关税是固定的时期。
2.1。绿色能源
风能和太阳能辐射是两个最广泛使用绿色能源发电来源。出世的发电依赖于风速及其权力配置文件。,光伏系统的发电依赖于装机容量和太阳辐射。绿色电源的输出功率不能准确估计,,总是存在一个数量的错误预测价值生成的权力,这是应用程序中最重要的一个挑战这样的资源。这个预测误差相比,光伏系统的低概率的出世,因为利用历史信息。因此,实现一个有效的和精确的模型,风能和太阳能辐射的不确定因素必须考虑。本文认为风能和太阳能辐射预计数小时的第二天他们被认为是固定在每个时期。出世的生产能力和光伏系统在一段时间内(t)必须满足以下限制:
在这里,是输出电力的出世和表示出世的最大输出功率预测。同样,和指出光伏系统的输出和最大预测输出t。同时,T表示时间的设置。本文利用梯形模糊集模型预测输出能力的不确定性,提出了在第四节。此外,一些太阳能发电技术存在如太阳热能,可说的使用模型。同样,这些太阳能工厂使用电力生产的太阳能,所以辐射的不确定因素导致这些植物的不确定性。在方程(2),就太阳能发电装置的输出,和其他技术应该以类似的方式建模。
尽管许多绿色能源的优势,他们有很高的安装费用。各种补贴由政府计划业主等技术的鼓励,为了激励金融家投资这一领域。饲料在关税(合适的)是一个著名的其中一个补贴。合适的是,事实上,一定权力向投资者支付的价格的绿色能源为每个生成的动力装置。这适合风能和太阳能辐射被认为是一个负面因素在出世和光伏系统的运营支出。
本文忽略了动态绿色能源便利化的局限性。
2.2。ESS系统
为此MGs,能源存储系统有很高的重要性在绿色能源和负荷预测误差的补偿和减少负载不匹配。如果这些资源的实际输出功率高于预测的值,存储系统将被起诉,他们将存储电源。这节省电力能源短缺时期将出院。充电和放电的存储系统是高度依赖的能力。因此,提出了存储系统的生产约束 在这表示的条件存储系统在每个时期(t)。同时,和分别表示的最小和最大容量存储系统。这项工作的最小容量是设置为0。最大容量主要是一个固定值,但由于电池寿命的增长,最大能力可能会减少,它不能被精确地指定。因此,最大容量的形式给出了模糊集与模糊限制相比要小得多的绿色能源。此外,充电/放电的速度是有界在以下形式:
在这些方程,和分别表示放电功率和充电一个;和表明ESS放电和充电的最大速率,分别。同时,X和Y被认为在这里避免充电和放电一致。此外,马克斯充放电范围的存储系统t依靠其状态存储在前期(t1),如下8]: 在哪里和分别表示ESS充电和放电的表演。此外,一个存储系统的平衡关系和初始化条件可以给出如下: 在这表示初始节省电能的存储系统。
2.3。FC系统
一个足球俱乐部将化学能直接转换为电能利用氢和氧和低排放。FCs的输出功率必须小于其最大力量由制造商定义的边界。这种限制可以表示为
在这个公式,表示FC和输出功率是俱乐部的最大能力。由于FC性能依赖于一些参数如温度和它的生命周期,不能精确表示俱乐部的最大能力。因此,FC输出功率的上限是一个模糊数的形式定义的。这项工作认为FCs的电力生产前相比,绿色能源和ess的电力生产。
2.4。电网连接
摘要MG和上层之间的连接被认为是网格通过与有界分布线能力。如上所述,额外的力量毫克可以卖给电力市场,及其需要功率可以从电力市场提供。此外,MG接收/出售/购买的市场价格有权力/电力市场。这个连接的局限性提出了线 在这和分别是,购买和出售电力,电力市场t时期。同时,表示这条线的最大热容。电价是视为常数已知值在每一个时期。这里,毫克可以执行自己的计划,在收到电力市场和最大利润最小化的整个电力生产支出。
2.5。加载
一个活跃的负载是这里没有弹性。平均每小时负荷也有一个常数值。不确定性是没有参与的基本场景加载,虽然和分析而在接下来的部分。实现分布式代可能无法满足所有要求的权力。在这样的条件下,更多的前负荷将美联储。生产关系权力平衡与力量用于每一个时期都可以给 在哪里表示MG和减少电力的显示使用电力t。
3所示。建议的模型
毫克的最优规划问题没有给出的不确定参数的形式MILP模型: 年代。t: in equations (1)- (14)。
在这些方程,表示时间的长度(被认为是)1小时; ,和表明出世的生产费用和光伏系统和FCs;和和费用和利润分配与电池放电和充电。同时,和分别是,购买和出售电力的关税/电力市场的时期吗t。所以,风能和太阳辐照的因素和在关系(15)可以代替 在哪里和分别是MG的恒定的补贴,每个生成的力量,但是和光伏系统接收。
如前所述,一个毫克包含各种不确定的参数,必须说的建模过程。让一个清爽的混合整数线性规划问题表达以下形式: 酸处理
中存在的模糊数向量或矩阵 ,将模糊整数线性规划问题。各种方法都提出了这样的问题(模糊MILP)。对部分2的不确定性,绿色能源发电,电池最大容量,FC输出电力,和分销网络的最大值出现在方程的最大许用值(1)- (5)和方程(7)- (9),分别。所以,模糊MILP问题表示为 酸处理 在这是模糊的问题。脆不平等的差异与模糊图捕获2一个实例。在图2(一)最大许用值(用b)代表一个脆脆因素结果的不平等。在图2(b)的精确值b不能指定参数。因此,可行集代表一个模糊集,从图可以看出2(c),我们可以把一个梯形模糊集提到MF(隶属函数)。所有梯形模糊集(类似于图2(c))是可分的两个区域包括一个(脆 )和一个模糊区域(在哪里低于一个),如图2(c)使用和r的因素。例如,在WT输出电能的准确预测,最大限制WT输出电力 ,如果无法预测准确的输出功率,这个限制可以分为两个清晰和模糊区域(用和 ,分别)。的下限也将是相似的。
提出了许多方法在文学fuzzy-based线性优化问题解决(4- - - - - -7]。根据提出的建设模型方程(18)- (21),就模糊值,建议的方法(7)是采用求解考虑模糊的问题。fuzzy-based优化问题(4- - - - - -6)解决更多的模糊变量如模糊向量的值和和矩阵和 。本文提到的参数已经被一种智能优化算法,在下一节中介绍。这更多的模糊参数的结果是非常复杂的方法,基本解决了模型方程(18)- (21)。
建议方法的基础(7是贝尔曼的广义形式和德(1970),在模糊决策(D)介绍了一种模糊集生成模糊限制的十字路口 。在这里,米表示的数的局限性和模糊目标(G)。这些限制和假设G使用梯形MFs(分类 ,使用MF的模糊决策也将分类如下:
在这里,一个最佳的决定提出了一个解决方案x可以最小化 。为主,梯形MFs必须以获得最优的决定。的会员资格限制结构的描述和图2。获得的MFG之后,两个最优问题应该得到解决极端点的成本函数: 在这
同时,和分别表示,成本函数的最大值和最小值点。然后,最小化最优解决方案获得使用以下公式: 酸处理
在这里,代表一个次要参数,是全面描述7]。
所以,获得最佳编程的过程。因为所有的脆部分不平等限制被认为在第一个优化,制定了如下: 酸处理
根据方程(4)- (6),(8)- (10)和(14),我们可以写 在这T表示的间隔。最大可能的为每一个量的不平等限制2nd优化被认为和优化提出了 酸处理
根据方程(4)- (6),(8)- (10)- (14),我们可以写
最终,获得最好的解决方案是使用以下公式: 酸处理
根据方程(4)- (6),(8)- (10)和(14),我们可以写
3.1。提出了优化算法
的主要目的优化问题类似于鲸鱼集体运动来实现一个共同的目标。因此,他们的运动建模算法是一种适当的方法来优化问题26]。本文中的算法研究,基于鲸的行为模式,叫做抹香鲸群优化(SWSO)算法。每组的鲸鱼由50个成员,其中一个鲸鱼选择作为一个组织的领导者,和另一个成员应该跟随他。所有组的领导人也在联系在一起,如图所示3。基于最近的鲸鱼到目标,集团的领导人被选中。时的分组鲸鱼的运动,有可能改变小组的领导人和主要组。
实现SWSO算法的步骤如下:步骤1。抹香鲸是随机产生的数量每组(SW)和西南的范围 。步骤2。健身是根据每个精子的位置选择SW的人口。步骤3。每个粒子的当前位置与之前最好的所有粒子的位置和他们的必要更换n粒子,粒子的最佳位置选择: 步骤4。每个粒子的当前位置与最好的先前的所有粒子的位置和位置n粒子,粒子的最佳位置选择: 第5步。每个粒子的当前位置与之前最好的所有粒子的位置和必要的位置n粒子,粒子的最佳位置选择: 步骤6。为每个粒子n人口、速度矢量计算使用以下方程: h_best就是最好的答案来自g_best之间的比较,选择最小的。步骤7。每个粒子的新位置n人口计算从以下方程: 步骤8。如果达到收敛,它停止;否则,它将返回到步骤2。
在方程(58惯性),体重为代表 。同时,是和训练因素,分别是等于2。收敛的程度成正比并在此基础上定义。在人口的演变过程中,线性趋势从0.4下降到0.9。最初,高值更合适来达到最好的答案。另一方面,小的值提高收敛速度和收敛获得更好的结果。这种下降的趋势是使用以下方程定义:
两组(n= 2)被假定为这个研究计划的算法。
通过使用不同的数学函数,研究可以分析该算法的性能。摘要jinc函数,提出了对该算法的性能进行评估。jinc函数傅里叶变换有一种样品。对于大的值Xjinc (t)做了阻尼,移位cos。具体地说,它是定义如下:
jinc函数的三维结构是描绘在图4。可以看到,这个函数有许多当地的分,也只有一个全球观点。这个函数是嵌入算法,然后,全球最大值点。在表1,10的实现独立运行的结果列出程序中使用该算法和优化jinc函数的假设f(x)= 1。
通过检查结果表中给出1,它可以表示,最好的答案由jinc函数是0.99998。最好的平均值F(x,y)在10迭代是0。99976年,取得了平均0.1393秒。0.99875是最高的偏差。获得的值为每个迭代绘制在图1。两个独立的组SWSO算法的收敛是描绘在图5。
为了抵消的问题overcongestion行(密度管理),SWSO算法。
4所示。测试系统
这部分论文的实施建议的方法在一个实际的测试系统8]。首先,案例研究是实现优化调度的信息。后,MG的各种因素的影响在案例研究计算和分析。
4.1。案例研究报告
这里一个毫克是案例研究位于布达佩斯技术在早些时候表示8]。认为微型智能电网"包含不同的元素,包括出世,光伏系统,燃料电池,电池,负载。最大可发生的权力WTs和光伏系统,分别为400千瓦和150千瓦。此外,电池和FC能力被认为是200千瓦时,80千瓦时。电池的放电和充电率50千瓦/小时和200千瓦/小时,分别。表2列出了风能、太阳照射,平均每小时电力市场关税,和权力要求的某一天8]。考虑MG与主电网通过分销网络30千瓦的最大容量。被视为其他参数
此外,表3提供各种支出因素的价值。在这个表中,它被认为是:
电池的充放电性能都是100%。
4.2。获得结果的基本情况
各种因素被认为获得计算结果。结果考虑规定的假设得到的场景,描绘的人物6和7。在这些结果中,电价的买卖都是相同的。这个场景被认为是基本的场景。这个场景中获得的全部支出1317美元,和θ是0.487。根据结果,电价前9比其余的间隔时间间隔较低。所以,想购买电力的电力市场前9小时,增长利润通过电力销售以下间隔。电力价格在最近的四次间隔一天是伟大的。相反,光伏系统的发电= 0在这一时期,用电是相对较高。因此,MG应该满足要求权力通过购买电力市场的力量。因为FC单元是一个高成本资源与其他资源相比毫克,只有本单位生产电力的最新九天的时间间隔,一旦权力高价格和降低绿色能源的发电来源。
从图可以看出6,MG不能总要求在21小时,当麦克斯代毫克是279.8千瓦,而总要求功率是290千瓦。
4.3。对各种因素敏感性分析
这部分论文代表了各种参数的敏感性分析MG调查的影响各种因素的变化在最佳编程。提出了考虑因素如下:(一)模糊性参数(r)(b)程序MG运营商的绿色能源补贴(c)电池和FCs的能力(d)连接的最大容量MG和主电网之间的界线
表4代表了灵敏度分析的结果。此外,这些结果在以下部分进行了分析。
4.4。模糊参数的影响经济增长
模糊变量可用于模型不确定性的增长。MF的增长变化的模糊参数来描绘在图8。最优调度的毫克可以影响的不确定性水平。调查的不确定性增长效应,认为所有的模糊变量( )在这里是乘以m .,米有一个真正的积极价值。此外,根据图8脆地区( )必须替换 。表4提供不同数量的结果3米如例1到3。基于这三种结果的情况下,它可以声称的增长米的范围内(0.1,10)(不确定性)的增长结果在以下:(1)生成的权力由WTs和光伏系统减少,分别降至8.6%和11.5。换句话说,经济增长的不确定性,绿色电源的可靠性将会减少,和MG将被迫购买其权力资源与MG更高的成本,造成进一步的费用。(2)生成的FC的力量增长高达33%,导致增长的运营支出。(3)电力采购从主电网提高38.5%左右,和卖给电网减少到44.2%。换句话说,MG将更加依赖主网格。除此之外,不同的购买和销售能力提高575%左右,导致较低的利润毫克。(4)所有陈述事件导致的整个运营支出增长13.5%毫克。
模糊参数的影响增长的运营支出毫克描绘在图9。在这个过程的每一阶段,只是一个模糊变量乘以m在此图中,紫色曲线符合一个场景,每一个模糊变量乘以米参数。根据这个数字,WT输出的模糊参数重要性最高运营支出的增长通过模糊参数的增长。因此,提高风速预测设备的最好方法是降低运营支出,在这里。这个图表明,运营支出几乎恒定值一次米低于2。因此,这对MG所有者范围是不可取的。值得注意的是,当只有一个模糊参数的增加,总费用变化有较低的值,而总费用较高的变化当所有模糊参数增加。
4.5。毫克的支持政策变化的影响
支持绿色能源的趋势毫克为各种网络是不同的。现在工作认为存在一个常数补贴(每千瓦时)绿色能源的电力生产。如上所述,插入公式的关系(28),(37)和(47通过替代的因素) 与 。
表3提供各种政策的效果在MG编程情况下4 - 7。根据情况下4 - 6的结果,消除风能和太阳能补贴导致减少约85.5千瓦时和133.4千瓦时,分别将光伏系统的力量和出世。同时,案例4描述了63%的编程能力是获得出世,而大约19%的日常要求光伏系统所使用的权力。因此,风力发电补贴的影响消除的运营支出MG高于太阳能补贴取消。,消除风电补贴已经高度重视增长的运营支出以防6毫克到53%。除了提到的原因,增长的运营支出增加一些其他原因如7.3%买了电力市场的电力和生成增量7.4% FC的力量。所有的绿色能源补贴取消,以防7。结果对于这种情况已经接近6。有增加11%病例7例相比6因为太阳能补贴的取消。
最佳的日常编程案例7毫克是在数据捕获10和11。例4相比,生成的FC和电池的力量增长和减少活动,分别。
4.6。变化对ESS和FC能力的影响
在这里,4例被认为是研究ESS和FC能力的影响。而8例表4FC和电池的能力增长50%,以防9和10例。在这两种情况下,运行费用降低约1.3%,虽然有些小差异存在。此外,50% FC容量的增加会导致增加其生成的电力高达20%,减少购买权力从主电网27%左右,和增加电力卖给电网20%左右。ESS能力结果6中也增长50%和7%的增长ESS和俱乐部活动,分别。相比9和10,FC容量增长导致较低的购买能力和更多的销售能力和网格。
图12描述了获得更高的FC和电池容量的结果。根据这个图,当FC容量增加超过100千瓦,电池容量保持在一个固定的数量(200千瓦),总MG利润不增强。除此之外,当电池容量提高了超过250千瓦,FC能力仍在一个固定的数量(80千瓦),没有改善的MG利润。因此,一旦MG的其他因素固定,FC和电池容量增长超过100千瓦和250千瓦没有相当大的影响。
4.7。配电线路能力变化的影响
这种能力的增长导致更高的操作灵活性降低MG的费用。结果3表提供了各种能力3。根据这些结果,这种能力的增长从5千瓦到60千瓦,电池的活动减少了34%左右。同时,交换的增加导致经济增长的力量MG与主电网650%左右。此外,增加了配电线路容量可以减少营运开支的敏感性分布的能力。这个事实显示在图13。根据这个图,操作费用是恒定容量超过155千瓦。因此,最好的价值分布容量155千瓦,其他因素被认为是常数。
4.8。模糊建模的负载
从实际方面,我们无法预测的数量每小时要求精确。因此,这些值可以在模糊集的形式。通过这种方式,限制(14)必须替换成模糊限制。针对这方面,我们利用2不平等条件(从图可以看出14)。在这个图中,常见的地区表示模糊性负载附近的“一个”。
因此,方程(14)是由2代替不平等限制如下:
同样,局限性提出了方程(36),(45)和(55)可以改写在所有3优化问题。同时,认为
数据15和16说明结果。在图13,要求每个周期计算的力量通过减法ess的总控力量和权力卖给电网从生产大国的总和绿色能源和FC单元,从电网购买电力和放电ess的力量。
要求权力基础场景在7小时是195千瓦,而要求平等的时间步的力量是在图190.23千瓦16。这种低价值背后的原因是这个问题的目的是获得满足负载的减少支出。因此,调度试图最大化生产最便宜的能源发电,减少变量,增加了费用。要求权力的最高费用增长的重要性。因此,项目被认为是试图减少要求的权力(因为要求权力可以转换为 在模糊形式)。同时,利用控制减负荷。这个参数也可以控制增长的绿色电源以及其他模糊变量。获得最优数量的这个参数可以改变负载0.4767 。量要求权力的基本情况及其获得数量的关于负载模糊性7th时间间隔是对比图17。可以看到,整个运营支出减少1183美元,这是由于每小时要求的功率降低模糊的场景。
4.9。额外的测试用例
在本节中,一个新的测试用例已经被认为是显示建议的方法的效率。提到的测试用例由200千瓦的燃料电池,120千瓦储蓄系统容量为480千瓦时,和360千瓦风力发电27]。在这个测试用例,确定微型电网价格申请提高市场一天15至38小时。
提到的测试用例是测试在9月25日,2015年,每小时生成和消费提出了微型智能电网"组件图的结果18。在这个图中,光伏和风能的不平衡功率补偿与电池存储和需求反应。
更多分析,评估的最大利润。结果展示在表5。这个表所示,该方法与其它模型相比,可以得到更好的结果。因此,建议的方法的优越性是证实了基于最大利润通过该模型与其他方法进行比较。
5。结论
在目前的工作,提出了一种新颖的方法来优化调度各种电源在一个微型智能电网"。这是旨在最小化总营运成本,同时保留安慰偏好的家庭。一个毫克是包含出世,光伏系统,一个俱乐部,和电池,它连接到主电网通过输电线路与有限的能力。本文还说各种不确定的参数,比如太阳能辐照和风能,约束FC和存储系统的能源生产能力连接的线,在负载和不确定性。这些不确定参数实现的模糊概念。通过应用模糊概念,不平等的限制主要模型代替模糊MFs考虑模糊控制因素(r)。这种控制参数表示的模糊性级别限制。建议的方法是实际测试系统上实现评价的效率。然后,得到最优的结果和分析。此外,影响营运成本的各种因素进行了研究。
根据结果,高不确定性可能导致运营总成本的增长。同时,网络运营商的各种支持过程的影响研究的最优调度毫克。根据获得的结果,利用配电线路广泛依赖于各种程序。此外,俱乐部的各种能力和存储系统进行了研究,并确定了最优的能力。研究了输电线路的变化的影响。然后,最好的的这种能力是基于结果的决定。
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者宣称没有利益冲突。