文摘

可再生能源发电机的杂交与现有的系统在一个特定的建设起着至关重要的作用在解决电能系统的许多重要问题,如可靠性、成本效益和生态的选择。在这个角度看,修改能源系统提出了现有的构建与集成可再生能源使用多准则决策分析(MCDA)。为了实现可持续能源解决方案,混合动力电源配置可用的位置进行分析,以确保可靠性使用荷马软件工具。其中,最好的配置被使用是最好的最糟糕的方法(宝马)基于MCDA方法。研究了技术、经济和环境的角度实现可持续发展目标(西班牙)如负担得起的、可靠的、可持续的、现代能源。大厦的调查结果表明,最好的最优混合的配置提出了具体的位置是Gird-PV-Wind-based系统位置基于关键techno-economic-environmental标准的西班牙。

1。介绍

在快速增长和最多的国家,如印度,它是重要的阳光中的能量转换,风、海浪、潮流、下降水、地热、生物质能(可再生能源)为电能1- - - - - -3]。根据国际能源机构(IEA)可再生能源产量将超过煤炭和成为世界上最大的由2030年代初的电力来源。然而,在一些偏远地区,建立单一电站的主要缺点是没有更可靠的提供电力的连续(4]。因此,在过去的几十年里,研究人员集中在改善混合性能的可再生能源(人力资源)在世界各地5,6]。人力资源链接两个或两个以上的连续生产的可再生能源电力,必须克服单一能源系统的极限(7,8]。更可靠,它具有更好的效率和最小的发电成本西班牙(即。SDG7)。在印度,2020年能源政策审查表明,实施一个新的框架采用一种混合的方式从point-of-interconnection预测到一个安全的,负担得起,强劲的经济增长和可持续的能源系统(9]。人力资源的正确选择发电小时的最大数量的一个特定的位置。

缺乏关注优化设计和适当的大小,这些能源系统超大或可靠性较低,这也增加了系统的成本。荷马是一个高效的优化软件工具,广泛用于人力资源。它给大范围的优化机制,它是用户友好的,快速处理(10]。混合的可行性研究的可再生能源,如风能,地热能和太阳能系统与常规能源系统在教育建筑进行测试和分析不同的软件工具(11]。研制了一种新方法来识别不同的配置问题和分配系统的技术经济效益最大化为所有设想用例和场景(12]。,其他的研究已经确定了最方便人力资源选择公共图书馆建筑、酒店建筑、和其他地方通过评估提出了地区潜在的能源使用荷马和类似的评估工具13- - - - - -18]。与能源时,在一个系统中能源使绩效评估和决策复杂,需要彻底的技术、经济和环境分析。但是荷马满足只有一个目标,比如识别网络总成本的能源,不能计划多目标问题,如技术、经济和环境的影响。单一标准不捕获和测量系统的整体性能(19]。

需要分析的不同方面的能源,如技术、金融/货币,和其他外部因素,整合资源,以确定最优配置的能源。MCDA已经成为更受欢迎和可以提供一个系统的和一致的方法来处理多种性能在两个定量和定性标准格式(20.- - - - - -24]。这种技术被开发来选择最好的选择使用不同的参数标准。MCDA的目的是协助决策者面对等多个标准问题在连续空间。多重准则设计问题的解决方案通常需要一系列的数学规划模型,以揭示隐式定义的解决方案(25]。成对比较(通过一个专家或专家团队)是用来证明这两个标准的相对性能之间(最好和最差)和剩余的标准。maxi-min问题是预测和解决在确定权重的各种标准。权重选择的各种标准是通过一个等价的过程在Best-Worst MCDA方法(26,27]。

仍然存在缺乏专门的人力资源工作,事实上,通过选择最佳的混合能源之间的配置在一个特定的地方通过考虑各种参数,如经济、技术和环境因素。因此,考虑所有这些基本要求,提出了工作的目的是专注于最优配置规划和大小不同的组件中使用的人力资源通过多准则决策分析28印度]在研究区南部地区(Karaikudi Tamilnadu),帮助决策者和识别可持续人力资源配置,包括使用宝马MCDA方法多准则指标。

2。案例研究区域:ACGCET校园

研究网站10.091°N和78.797°91°E。校园有一个最大允许能源需求的210 KVA Tamilnadu生成和分配有限公司(TANGEDCO)。ACGCET校园的电力分销网络包括一个电网线(电),太阳能光伏发电系统、风能和柴油发电机,分布板,自动功率因数校正板、断路器、电缆、和负载。ACGCET校园EB发票包括能源成本(CE)每月约2857美元,惩罚包括需求费用每月大约943美元和低功率因数补偿每月大约100美元,每月总成本是4000美元(约48000美元/年)。在这种情况下,减少现有能源的能源成本是除了可靠性和环保要求。图1显示了一个完整的能量分布示意图系统研究的位置。

来满足能源需求在不同的地点如校园商业和工业负荷、不同能源及其混合。在这个位置,提出研究能源配置,即。,grid only, grid-diesel generator, grid-wind, grid-photovoltaic, grid-wind-diesel generator, grid-photovoltaic-wind, grid-photovoltaic-diesel generator, and grid-photovoltaic-wind-diesel generator are taken for analysis, and best configuration is identified to meet energy demand and manage the distribution network of ACGCET campus with reliability, minimize-cost, and emission free.

使用配电网络的负载和负载持续时间曲线位置,可以看出最优规划和决策分析现有电网中扮演着至关重要的角色,导致识别最好的合适的混合电源配置ACGCET校园可再生或不可再生来源更加可靠和环境友好的能源选择。单一标准优化(COE)是使用荷马仿真软件工具进行。第二,优化使用多个标准,决策问题是使用MCDA方法使用宝马等三个标准和七个subcriteria(1)技术:光伏产能因素,可再生分数;(2)经济:初始成本、能源成本、投资回报率,投资回收期;(3)环境:发射。

2.1。优化通过科

他提出系统建模使用荷马(混合优化多种能源资源)编程工具来得到最好的他通过COE配置。它的各种组合进行仿真他考虑各种敏感参数,如技术、经济和环境标准。它配备了集成电源转换器(直流/直流转换器和AC / DC逆变器),和分布式和其他能源关键数据模型需要他。

2.2。考虑资源和负载评估

四种常见的资源及其组合使用在这个提议研究:Grid-Solar PV-Wind-Diesel发电机通过荷马的工具。其他重要preassessment为期一天的电力负荷数据概要研究网站。使用这些数据,在荷马工具进行敏感分析。平均总荷载和峰值需求指出24小时,大约是45.85千瓦,98.42千瓦,分别。图2显示了ACGCET校园的日常加载配置文件。地理和季节性差异被发现和他造型中允许建议系统负荷需求响应这种变化。图3说明3个月和6月预计达到的最大需求,然后在2月达到最低负荷需求,在5月和11月。因此,它是明智的设计HREM高峰负荷使用校园整体负载概要和每年负载概要从荷马获得仿真工具,和大约178 KVA。最高的最大负载观察日常负载概要文件是98千瓦,而平均负荷是45千瓦在特定的时期。它也指出,每天对能源的需求约为1043千瓦时/天。

气象数据从研究位置提取使用国家可再生能源实验室(NREL)校园网络源使用纬度和经度(10.091°N和78.797°E)。在这项研究中,地球表面的太阳能接收稍微几乎全年,在夏季比冬季相对较长的晴天;关于它的变化从20.2°C到38.8°C。可用的太阳能收集数据库基于气象数据,和数字4和5显示平均太阳辐射水平和风速的ACGCET每年校园,分别。太阳能照射范围从4.45到6.42千瓦时/ m²/天。同样,平均风速在这个位置是13 km / h。

2.3。后负荷调度策略

在校园现有的电网模型,各种能源被认为是,包括可再生能源和化石燃料发电机(柴油发电机、网格)。在操作条件下,发电机组件必须被控制,这可以通过使用校园能量分配策略。基本要求是满足负载功率需求的测试网站,尽管产生更少的能量从一个网格/可再生/其他发电机。后负荷(FL)策略是优化HREM配置时参与这项工作。它保证总是满足负载的需求。在这种方法中,当太阳能光伏发电机产生的电力低于所需的负载要求,如果有助于控制DG的操作以满足能源需求不足的ACGCET校园。

3所示。提出了能源系统模型

提出的能源系统模型在八个不同的工作模式,如网格模式,grid-diesel发电机模式,grid-wind模式,grid-photovoltaic-diesel模式,grid-wind-diesel发电机模式,grid-photovoltaic-wind模式,grid-photovoltaic-wind模式,grid-photovoltaic-wind模式柴油发电机,grids-photovoltaic-wind-diesel发电机模式。他投射到荷马模型仿真工具是在图所示6。荷马模拟系统的每个组件如电网、太阳能光伏、风能、水电、柴油发电机、电池、AC / DC转换器,电解氢箱,变压器之间的值。在这项研究中,涉及的主要组件:网格,光伏阵列,风车,DG和这些组件,电源逆变器,控制器和一个他。它测试技术和分布式发电系统的金融期权。优化的反应显示了列表配置根据技术规范提供的设备和其他强制参数作为输入,并在表中1。估计投资成本、运营和维护(运营管理)和组件还包括重置成本的能力。估计成本,参照现有的市场价格。

此外,对于敏感分析,其他敏感性参数包括风速(米/秒),柴油价格(美元/ L),名义折现率(%),按比例缩小的平均太阳辐射(千瓦时/ m²/天)利率。气象数据显示,太阳能和平均风速的范围被认为是在5 - 7千瓦时/ m²/天,2 - 4米/秒,分别在拟议的位置,和名义折现率预计将波动在5% - -15%之间,在印度的柴油价格0.75 - 1.2美元/ L。最后,荷马自动显示顶部的最佳配置。

COE的荷马计算不同的混合配置使用下列方程(1)和(2)。

他配置的优化进行了建模根据数据和组件。在优化过程中,可能要检查8配置;然后,八他配置比较单一标准,像COE最低。确定并提出了不同的可用他配置表2。八个可行的他的月平均发电配置如图7。

4所示。优化结果

不同的标准和能源生产的优化结果对所有配置使用荷马仿真提出了表3和4。可以看出,短时间光伏和风力最低人大,操作成本和COE可再生分数最高的0.22相比其他配置。

技术参数的分析,经济和环境指标,或排放参数似乎基本结论的最佳配置他的学习网站。荷马工具只局限于单一优化目标的目的(COE),但它是必要的调查研究现有配电网络位置与多准则参数等技术、经济、和环境因素除了人大和COE,它可以通过MCDA技术。

4.1。多准则决策分析

的MCDA决策理论的分析是一个非常重要的分支,在决策明确测试多个相互冲突的标准。在这个研究中,各种可持续指标被应用于集成可再生能源技术(29日,30.]。估计的成功取决于每个准则的有效性指标可能对应于一个挑战和满足目标。图8说明了框架的工作MCDA模型在这个案例研究中。

4.2。最坏的方法

最坏的方法是一种新的多准则决策科学理论。MCDA问题与解决问题的空间有两类:离散和连续。在这个框架中,品种的替代测试有关的数量标准选择最简单的选择。目标是选择最好的和最差的(例:最喜欢或最重要的/最喜欢或最不重要)标准最初是由决策者(31日,32]。表5展示了宝马的特性,它使用一个有组织的过程来创建成对评估导致一致的结果(33- - - - - -35]。宝马的步骤:(1)识别决策标准的集合(2)找出最好的和最差的配置(3)最好确定偏好标准对所有其他条件使用一个从1到9的数字,显示在表5(4)确定偏好的标准相对于坏的使用数量从1和9所示表6(5)找到最优权重使用方程(3)- (6)。

图9显示了重量(w1 w2, w3, w4 w5,将支w7,和w8)各种混合配置使用辆宝马车,与风力发电的光伏系统配置的最佳体重最高0.3321通过宝马MCDA方法。

5。结果与讨论

只有一个标准(COE)的结果为所有配置最初用于分析和识别最好的混合使用荷马工具配置。在本节中,多准则结果追究八个不同HREM配置使用MCDA技术基于光伏产能因素,可再生分数,和经济指标。这些包括初始成本、能源成本、投资回报、复苏时期,西班牙7或排放参数和环境指标。建模主要目标的人力资源来满足负载需求。基于权重的不同配置,研究校园的整体负载G-PV-wind好服务的人力资源配置。它揭示了现有电力系统需要现代化由于能源效率低下,服务成本高。最后,由分析,人力资源的配置G-PV-wind建议在西班牙7基于技术、经济和环境标准和满足平均能量需求和校园的峰值需求。

5.1。环境影响

所有可行的混合配置的环境影响考虑六种不同的发射参数相比,包括有限公司₂、有限公司、UHC点,₂,NO2,提出了表7。在所有配置,系统较低的排放似乎是可持续的(36,37]。根据排放和环境分析的结果,G-PV-W配置建议实现可持续发展目标。与其他配置相比,公斤/年排放评级大大低于约12%。

6。结论

本文提出了多准则决策分析的优化设计可再生能源集成的大学校园位于印度南部的状态。最好的混合配置已确定在建筑能源需求的最小成本。在这项研究针对单一标准,COE的考虑,荷马等多准则参数的应用和技术、经济和环境方面BWM-MCDA方法等三个主要和七个subcriteria光伏产能因素,可再生分数,初始成本,能源成本,投资回报率,投资回收期,排放应用。大厦的结果分析表明,光伏和风力配置连接到网络(G-PV-wind)低COE的0.091美元/千瓦时和高最佳体重的0.3321在所有配置考虑所有标准参数。结果表明,G-PV-W是最适合这个位置的电气系统配置。此外,高可再生分数G-PV-wind系统,它确保了最大能量提供给负载和教育建筑的满足高峰需求ACGCET校园通过考虑可持续发展目标的关键特性如负担得起的、可靠的、可持续的能源。结果证实,在G-PV-wind配置₂没有显著减少排放,有限公司₂排放主要是控制从76291,每年87817公斤,这代表了28减排30%从其他配置。

数据可用性

(仿真软件中使用的输入数据)用于支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。