مدیریت بهنگام (ریل تایم) انرژی و زمان‌بندی بار با یکپارچه‌سازی انرژی‌های تجدیدپذیر

مدیریت بهنگام (ریل تایم) انرژی و زمان‌بندی بار با یکپارچه‌سازی انرژی‌های تجدیدپذیر

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 38

تعداد کلمات : 10300

مجله : sustainability

انتشار : 2022

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
23 نوامبر 2022
دسته بندی
تعداد بازدیدها
1472 بازدید
58,000 تومان
دانلود اصل مقاله

عنوان فارسی مقاله:مدیریت بهنگام (ریل تایم) انرژی و زمان‌بندی بار با یکپارچه‌سازی انرژی‌های تجدیدپذیر در شبکه هوشمند

 چکیده

 با توسعه شبکه هوشمند، بازار برق مدرن دوباره قالب‌بندی می‌شود، جایی که مصرف‌کنندگان مسکونی می‌توانند فعالانه در برنامه پاسخ به تقاضا (DR) شرکت کنند تا تقاضا با تولید را متعادل کنند. با این حال، کمبود دانش کاربر یک مسئله چالش برانگیز در پاسخ به سیگنال های DR است. بنابراین، یک کنترل کننده مدیریت انرژی (EMC) پدید آمد که به طور خودکار به سیگنال DR پاسخ می دهد و مشکل مدیریت انرژی را حل می کند. در این یادداشت، در این کار، یک الگوریتم ترکیبی از تکامل دیفرانسیل پیشرفته (EDE) و الگوریتم ژنتیک (GA) به نام EDGE توسعه داده شده است. EMC بر اساس الگوریتم EDGE برنامه ریزی شده است تا به طور خودکار به سیگنال های DR پاسخ دهد تا مشکلات مدیریت انرژی را از طریق زمان بندی سه نوع بار خانگی حل کند: وقفه، بدون وقفه و هیبریدی. الگوریتم EDGE دارای ویژگی‌های حیاتی هر دو الگوریتم (GA و EDE) است که EMC را قادر می‌سازد تا یک برنامه زمان‌بندی بهینه از بار خانگی تولید کند تا هزینه انرژی، انتشار کربن، نسبت پیک به میانگین (PAR) و ناراحتی کاربر را کاهش دهد. برای اعتبار سنجی الگوریتم EDGE پیشنهادی، شبیه‌سازی‌ها در مقایسه با الگوریتم‌های موجود مانند بهینه‌سازی ازدحام ذرات باینری (BPSO) GA، بهینه‌سازی باد محور (WDO) و EDE انجام می‌شوند. نتایج نشان می‌دهد که الگوریتم EDGE پیشنهادی از الگوریتم‌های معیار در به حداقل رساندن هزینه انرژی، به حداقل رساندن انتشار کربن، کاهش PAR، و به حداکثر رساندن ناراحتی کاربر بهتر عمل می‌کند.

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Real-Time Energy Management and Load Scheduling with Renewable Energy Integration in Smart Grid

Abstract

 With the smart grid development, the modern electricity market is reformatted, where residential consumers can actively participate in the demand response (DR) program to balance demand with generation. However, lack of user knowledge is a challenging issue in responding to DR incentive signals. Thus, an Energy Management Controller (EMC) emerged that automatically respond to DR signal and solve energy management problem. On this note, in this work, a hybrid algorithm of Enhanced Differential Evolution (EDE) and Genetic Algorithm (GA) is developed, namely EDGE. The EMC is programmed based with EDGE algorithm to automatically respond to DR signals to solve energy management problems via scheduling three types of household load: interruptible, non-interruptible, and hybrid. The EDGE algorithm has critical features of both algorithms (GA and EDE), enabling the EMC to generate an optimal schedule of household load to reduce energy expense, carbon emission, Peak to Average Ratio (PAR), and user discomfort. To validate the proposed EDGE algorithm, simulations are conducted compared to the existing algorithms like Binary Particle Swarm Optimization (BPSO), GA, Wind Driven Optimization (WDO), and EDE. Results illustrate that the proposed EDGE algorithm outperforms benchmark algorithms in energy expense minimization, carbon emission minimization, PAR alleviation, and user discomfort maximization.