دانلود مقاله سیستم مدیریت انرژی جامعه برای ریزشبکه های هوشمند
ترجمه نشده

دانلود مقاله سیستم مدیریت انرژی جامعه برای ریزشبکه های هوشمند

عنوان فارسی مقاله: سیستم مدیریت انرژی جامعه برای ریزشبکه های هوشمند
عنوان انگلیسی مقاله: A community energy management system for smart microgrids
مجله/کنفرانس: تحقیق در مورد سیستم های قدرت الکتریکی - Electric Power Systems Research
رشته های تحصیلی مرتبط: مهندسی برق - مهندسی کامپیوتر - مهندسی فناوری اطلاعات
گرایش های تحصیلی مرتبط: مهندسی کنترل - رایانش ابری - اینترنت و شبکه های گسترده
کلمات کلیدی فارسی: ریزشبکه هوشمند - سیستم مدیریت انرژی جامعه - سیستم‌های فیزیکی-سایبری - محاسبات لبه - اینترنت اشیا - جوامع جابجا شده
کلمات کلیدی انگلیسی: Smart microgrid - Community energy management system - Cyber-physical systems - Edge computing - Internet of things - Displaced communities
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.epsr.2022.107959
نویسندگان: Nandor Verba - Jonathan Daniel Nixon - Elena Gaura - Leonardo Alves Dias - Alison Halford
دانشگاه: Centre for Computational Science and Mathematical Modelling, Coventry University, United Kingdom
صفحات مقاله انگلیسی: 15
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2022
ایمپکت فاکتور: 4.393 در سال 2020
شاخص H_index: 130 در سال 2022
شاخص SJR: 1.109 در سال 2020
شناسه ISSN: 0378-7796
شاخص Quartile (چارک): Q1 در سال 2020
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: بله
آیا این مقاله مدل مفهومی دارد: دارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: دارد
آیا این مقاله فرضیه دارد: ندارد
کد محصول: e16499
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
نوع رفرنس دهی: vancouver
فهرست مطالب (ترجمه)

چکیده

مقدمه

مدل ها

روش های کنترل انرژی

مطالعه موردی

نتایج و بحث

مطالعات بیشتر

نتیجه گیری

منابع

فهرست مطالب (انگلیسی)

Abstract

Introduction

Models

Energy control methods

Case study

Results and discussion

Further work

Conclusions

Funding

References

بخشی از مقاله (ترجمه ماشینی)

چکیده

     پروژه های انرژی ریزشبکه اجتماعی برای هدایت کربن زدایی و افزایش برابری سیستم های انرژی در میان جوامع آواره مورد نیاز است. با این حال، راه‌حل‌های ریزشبکه اغلب انعطاف‌ناپذیر هستند و فاقد عملکرد برای پاسخگویی به نیازهای انرژی جابجا شده جامعه و تضمین پایداری بلندمدت مداخلات هستند. این مقاله به بررسی استفاده از معماری‌های مقاوم‌سازی محاسباتی مه می‌پردازد که در زیرساخت‌های ریزشبکه اجتماعی مستقر شده‌اند تا مدیریت تقاضای انعطاف‌پذیر را برای بهبود ارائه خدمات و طول عمر فراهم کند. یک راه‌حل خدمات میکرو پیشنهاد شده است که اجزا را از هم جدا می‌کند و انعطاف‌پذیری و آزمایش‌پذیری را افزایش می‌دهد در حالی که امکان استقرار ابرهای لبه ترکیبی را فراهم می‌کند. این معماری برای یک ریزشبکه ارائه شده انرژی به دو مهدکودک و یک زمین بازی در اردوگاه پناهندگان Kigeme، رواندا، ترسیم و نشان داده شده است. برای اعمال اولویت‌های جامعه در سیستم مدیریت تقاضا، روش‌های الگوریتم ژنتیک اصلاح‌شده (GA) ترسیم شده و برای سناریوهای مورد استفاده مختلف آزمایش می‌شوند. سپس عملکرد روش‌های اصلاح‌شده GA با یک کنترل‌کننده محافظت از باتری از قبل موجود و یک مدل مدیر انرژی قطعی (فضای مشترک) جایگزین مقایسه می‌شود. یک روش GA فضای جستجوی اصلاح‌شده برای GA مورد نیاز بود تا هم از کنترل‌کننده باتری موجود و هم از روش قطعی پیشنهادی از نظر دستیابی به بالاترین عملکرد مفید تقریباً در هر مورد استفاده بهتر عمل کند. نتایج بیشتر نشان داد که چگونه می‌توان اولویت‌های ساده جامعه را تنظیم کرد و از آن برای اعمال کنترل بر روی سیستم در بازه‌های زمانی ۲۴ ساعته استفاده کرد که مطابق با زمینه تصمیم‌گیری محلی است.

توجه! این متن ترجمه ماشینی بوده و توسط مترجمین ای ترجمه، ترجمه نشده است.

بخشی از مقاله (انگلیسی)

Abstract

     Community micro-grid energy projects are needed to drive de-carbonisation and increase equity of energy systems among displaced communities. However, micro-grid solutions are often inflexible and lack functionality to respond to displaced community energy needs and ensure the long-term sustainability of interventions. This paper explores the use of fog-computing retrofit architectures deployed on community micro-grid infrastructures to enable flexible demand management to improve service delivery and longevity. A micro-services solution is proposed that decouples components increasing resilience and testability while allowing hybrid edge-cloud deployments. The architecture is outlined and demonstrated for a micro-grid providing energy to two nurseries and a playground in Kigeme refugee camp, Rwanda. To enact the community priorities within the demand management system, modified Genetic Algorithm (GA) methods are outlined and tested for different use-case scenarios. The performance of the modified GA methods are then compared with a pre-existing battery protect controller and an alternative deterministic (space-shared) energy manager model. A modified search space GA method was required for GA to outperform both the existing battery controller and proposed deterministic method in terms of achieving the highest utility function in almost every use-case. The results further showed how simple community priorities can be set and used to enact control on the system in 24h timeframes that are in line with the local decision-making context.

Introduction

     An estimated 89% of camp-based refugees have no access or limited access to electricity [1]. To improve energy access in refugee settlements, there is a growing emphasis on using photovoltaic-based micro-grids for humanitarian energy interventions [2]. There are also opportunities for community energy projects to be instrumental in driving de-carbonisation and increasing the equity of energy systems [3]. However, due to humanitarian short term funding cycles, resources and finances are typically limited in refugee camps and user needs in these infrastructure-less areas are subject to rapid change and are largely unknown (for example due to an influx of refugees, emergency needs and relocation schemes [4]). Conversely, refugees are residing in camps for protracted times, for example in Rwanda, the length of stay is 16 years or more [5]. Therefore, energy systems need to be flexible to allow for changes in control and facilitate how refugee communities can become active participants in managing a shared energy resource to ensure its sustainability [6].

Conclusions

     The deployment and use of community microgrids are playing an increasingly important role in electrification in remote and displaced settings. Yet, existing control solutions are often limited to focus primarily on costs rather than user needs and system longevity. Therefpre, the management of energy in these systems is crucial to maximising the benefits that these systems can offer and support communities in managing energy as a shared resource. The modified GA method employing search-space reduction techniques outlined in this paper was shown to provide significant advantages over other control methods. Whilst the proposed system architecture can be easily adapted to suit other community microgrids installations.