دانلود رایگان مقاله بهره برداری مطلوب از سیستم برق با استفاده از انرژی باد

چکیده:

           نفوذ زیاد انرژی باد در سیستم های قدرت، باعث بروز برخی مسائل مانند رمپ کردن و عدم تناسب بین توان باد و توان درخواستی می شود. یکی از راه حل های ممکن برای این مسائل، مدیریت تقاضا (DSM) است. در این مقاله، توزیع اقتصادی پویا (DED) با استفاده از سطوح مختلف توان باد و استفاده از DSM پیشنهاد شده است تا مسائل مربوط به نفوذ بالای توان باد را حل کند. تأثیر استفاده از DSM بر هزینه عملیات همراه با تست‌های متفاوت مورد بحث قرار گرفته است. سیستم مدل کردن جبری (GAMS) با استفاده از BARON به عنوان حل کننده و الگوریتم ژنتیک (GA) با عملکرد ترکیبی برای حل مدل پیشنهادیDED مورد استفاده قرار می گیرد و مقایسه آن ها ارزیابی می شود. مدل پیشنهادی به یک سیستم از نسل شش واحدی برای آزمایش تاثیرگذاری مدل پیشنهادی اعمال می شود.

1. مقدمه

          در مصر، بیشتر برق از نیروگاه های توان تولید می شود که از گاز طبیعی استفاده می کنند. دولت تصمیم گرفت افزایش تولید از انرژی های تجدید پذیر را، مانند انرژی باد، تا سال 2020 به 20٪برساند. انرژی باد دارای مزایایی فراوان است که از جمله به تمیز بودن و کم هزینه بودن آن اشاره می‌شود، با این حال معایبی نیز دارد مثلا باد در طبیعت متناوب است و ممکن است در جایی قطع بشود. به عنوان یک نتیجه از نفوذ بالای باد، برخی از مسائل باید به طور گسترده مورد مطالعه قرار گیرد که به شرح زیر است:

• تمرکز جامع بر برنامه ریزی سیستم و پیش بینی بار.

• همبستگی نامناسب بین قدرت باد و بار (مسئله متعادل کننده قدرت).

• الزامات خدمات اضافی مانند نرخ های سریعترتغییر منابع.

• مسائل مربوط به کیفیت برق مانند تغییرات ولتاژ، نوسانات ولتاژ و هارمونیک.

         برای حل این مسائل، سیستم توان الکتریکی نیاز به انعطاف بیشتری دارد تا به نوسانات لحظه ای در هر دو نوع بار و تولید تجدید پذیر پاسخ دهد [1]. این مقاله بر دو مسئله از لیست فوق تمرکز دارد که مسئله متعادل سازی قدرت و مسئله نرخ تغییر سریع است.

           ذخیره سازی انرژی و مدیریت سمت تقاضا (DSM) یا پاسخ تقاضا (DR) منابع انعطاف پذیر رایج هستند که سازگاری با قدرت باد را نشان می دهند. همه آنها به عنوان منابع موثر برای ادغام قدرت باد شناخته شده اند؛ با این حال، تجربه در انجام این کار محدود است.

         ذخیره انرژی و DR در حال حاضر پاسخ منطقی سریعی در تغییریا قطع بار به دلیل ویژگی های انعطاف پذیر خود نشان می دهد. ذخیره انرژی و DR به طور کاملا گسترده در سیستم قدرت نصب نشده اند (به استثنای ذخیره سازی آبی پمپ) و نیازمند توجه بیشتر به اهمیت آنها در نصب به صورت گسترده در سیستم های قدرت هستند [2]. سیستم پیشنهاد شده در [3]، به عنوان یک مثال از استفاده از یک سیستم ذخیره سازی برای کاهش تغییرات باداست. در آن یک سیستم یکنواخت کردن انرژی باد که از یک الگوریتم بهینه سازی برای کاهش تغییرات انرژی باد استفاده می شود معرفی شده است. در [4] استراتژی توزیع پیشنهاد شده است که اجازه می دهد تا ظرفیت باتری تعیین شود تا طول عمر خدمات بر واحد هزینه حداکثر شود. علاوه بر این، نشان می دهد که چگونه می توان زمانبندی توان خروجی مزرعه باد کوتاه مدت را که میزان توان مطمئن و مشخصی تحویل می دهد به دست آورد.

         تحقیقات زیادی وجود دارد که DSM را برای اهداف مختلف مانند ارزیابی اقتصادی (DR) از طریق یک مدل ریاضی استفاده می کند [5]. هدف این است که ارزش منصفانه DR را در کاهش اثرات متناوب انرژی باد پیداشود. در [6]، DSM از طریق دو گزینه ی پیک بریده شده بار و تغییر تقاضا در یک مسئله واحد مورد استفاده قرار می گیرد،تا تاثیر نفوذ بالای باد بر عملکرد و صرفه جویی در هزینه استفاده از DRبررسی شود. یک شبکه روزانه از فرمول بندی پاکسازی بازار با توجه به DRدر [7]پیشنهاد شده است. نتیجه گیری می شود که این مدل می تواند انعطاف پذیری را در مشخصات بار وارد کند؛ وابستگی کمتر به تغییرات بالا و پایین سرویس ها توسط ژنراتورهای معمولی و افزایش نفوذ انرژی باد ایجاد می شود. در [8] یک مدل توزیع اقتصادی پویا (DED) با داشتن ژنراتور حرارتی و باد پیشنهاد شده است. در این مدل، متغیرهای تصادفی با توزیع نرمال برای خطاهای پیش بینی بار و سرعت باد در نظر گرفته شده اند. مدل DED اطلاعات ارزشمندی را برای عملکرد قابل اعتماد، ایمن و اقتصادی سیستم های قدرت فراهم می آورد. در [9]، از موتورهای زیست دیزلی برای جبران انرژی متناوب بادی و حل مسئله سرعت رمپ با انرژی باد استفاده می شود. در صورت نفوذ بالای باد برای کاهش هزینه های توزیع مجدد و لغو وقایع بار از ارزش در لحظه (RTP) استفاده شده است [10،11]. علاوه بر این، نتایج نشان می دهد که نگه داشتن  باد و RTP در بازار می تواند منجر به افزایش سود مازاد شود که موجب افزایش تقاضای توان برای پاسخگویی به دسترس پذیری منابع واقعی باد می شود. تقاضای توزیع و پیش بینی احتمالات انرژی باد برای افزایش بهره برداری از بازار توان با استفاده از نفوذ بالای قدرت باد [12] استفاده می شود. یک مدل بهینه سازی تصادفی برای برنامه ریزی روزانه در سیستم های قدرت، با DRساعتی برای مدیریت منابع انرژی تجدید پذیر، در [13] معرفی شده است. تجزیه و تحلیل تأثیرDSM با هدف ادغام منابع متناوب رو به رشد در پرتغال، در [14] مورد بحث قرار گرفته است.

          در این مقاله، راه حل برای برخی از مسائل مربوط به نفوذ بالا انرژی باد مانند مشکلات متعادل کننده بار و مشکلات رمپینگ مورد بحث قرار گرفته است، نشان دهنده اهمیت استفاده از DSM برای حل این مسائل و پیامدهای آن برای استفاده نکردن از آن است. مدل DED با استفاده ازنفوذ مختلف سطوح انرژی باد، اعمال می شود و تغییر بار با استفاده از DSM برای حل مسائل مربوط به نفوذ زیاد انرژی باد انجام می شود. مقایسه بین موارد مختلف با استفاده از DSM برای تغییر بارهای قابل تغییر و بدون استفاده از DSM نشان داده شده است. پروفیل های مختلف بار مانند بارهای تابستانی و زمستانی مورد توجه قرار گرفته اند و در نهایت سطح مشارکت مختلف از مصرف کنندگان و تاثیرات آنها بر نتایج نیز مورد توجه بوده است. GA با عملکرد ترکیبی و GAMS با استفاده از BARON به عنوان حل کننده به عنوان تکنیک های بهینه سازی برای حل مشکل DED با سناریوهای مختلف مورد استفاده قرار گرفته است. این نشان می دهد که هر دو تقریبا همان نتایج را ارائه می دهند، اما GAMS سریع تر از GA است، بنابراینGAMS برای حل مدل DED انتخاب خواهد شد.

         توضیحات کامل در مورد اعمال مدیریت اقتصادی پویا و رویکرد مدیریت تقاضا در بخش 2 معرفی شده است، مطالعه موردی بر اساس یک سیستم شامل شش ژنراتور حرارتی و یک مزرعه باد به طور کامل در بخش 3 شرح داده شده است، بحث در مورد نتایج در بخش 4 ارائه شده است و در نهایت در بخش 5 به نتیجه می رسد.

2. روش های مدل کردن

2.1 توزیع اقتصادی پویا

           عملکرد بهینه از شبکه های توان الکتریکی یک مشکل مهندسی چالش برانگیز در دنیای واقعی است. توزیع اقتصادی پویا (DED) دارای جایگاه برجسته ای در عملکرد و کنترل سیستم های توان است. هدف DED تعیین خروجی های بهینه توان واحد های تولید آنلاین، به منظور پاسخگویی به تقاضای بار درمحدودیت های عملیاتی مختلف در دوره های محدوداست. DED محدودیت های اضافی عملیاتی مانند مرزهای بالا و پایین در نرخ رمپینگ واحد را در نظر میگیرد. در واقع، واحدها پاسخگوی تغیرات لحظه ای یا شیبدار بار نیستند.

          در مسئله بهینه سازی پیشنهادیDED هزینه عملیات از طریق روز به همان اندازه که در معادله (1) داده شده است، کمینه می شودو در معرض محدودیت های مختلف که به شرح زیر است قرار دارد: تعادل بار همانطور که در معادله داده شده. (2) که در آن قدرت باد می تواند به عنوان هر مقدار بین صفر و حداکثر قدرت باد پیش بینی شده همانند معادله (3) استفاده شود. مقدار تلفات همانطور که در معادله داده شده است. (4)، حداقل و حداکثر ظرفیت تولیدهمانند معادله. (5) و محدودیت های بالا و پایین تغییرات در معادلات(6) و (7)  داده شده است. [15].

Abstract

         The high penetration of the wind energy in the power systems raises some issues such as ramping and mismatch between the wind power and power demand. One of the possible solutions to these issues is the demand side management (DSM). In this paper, dynamic economic dispatch (DED) incorporating different penetration levels of wind energy and utilizing the DSM is proposed to solve the issues related to high penetration of wind energy. The effect of utilizing the DSM on the operation cost with different test cases is discussed. The General Algebraic Modeling System (GAMS) using BARON as a solver and genetic algorithm (GA) with hybrid function are used to solve the proposed DED model and a comparison between them is assessed. The proposed model is applied to a six units’ generation system to test the effectiveness of the proposed model.

1. Introduction

          In Egypt most electricity is generated from electric power stations that use natural gas. The government decided to increase the generation from renewable energy, such as wind energy, to reach 20% at 2020. The wind energy has a lot of advantages which are clean and low running cost, however it has some disadvantages as the wind energy resources are intermittent in nature. As a consequence of high wind penetration, some issues must be widely studied which are as follows:

• Comprehensive focus on system planning and load forecasting.

• The inadequate correlation between the wind power and the load (power balancing issue).

• Ancillary services requirements such as faster ramp rates resources.

• Power quality issues such as voltage variations, voltage fluctuations and harmonics.

          To solve these issues the electrical power system needs to be more flexible to respond to the instantaneous fluctuations in both load and renewable generation [1]. This paper will focus on two issues from the above list which are power balancing issue and high ramp rates issue.

          Energy storage and demand side management (DSM) or demand response (DR) are common flexible resources that show compatibility with wind power. All of them have been known as effective resources to integrate wind power; however, the experience in doing that remains limited. Energy storage and DR present reasonably quick response in shifting or clipping the load because of their flexible characteristics. Energy storage and DR are quiet not extensively installed on the power system (with the exception of pumped hydro storage) and need additional consideration of their importance to widely install them in power systems [2]. As an example of utilizing a storage system to mitigate the wind variability, the system proposed in [3], in which a wind power smoothing system that uses an optimization algorithm to reduce the variability of wind energy, is introduced. In [4], a dispatch strategy is proposed which allows the battery capacity to be determined so as to maximize a defined service lifetime/unit cost index. Besides, it shows how to yield the short term wind farm output power schedule which meets the specified confidence level of power delivery commitment.

          There is a lot of research work that incorporate the DSM for different objectives such as the economic evaluation of (DR) through a mathematical model [5]. The objective is to find the fair value of the DR in mitigating the intermittent effects of the wind power. In [6], the DSM is utilized through two options which are peak clipping and demand shifting in a unit commitment problem to study the impact of high wind penetration on operation and cost savings from the use of DR. A day-ahead network constrained market clearing formulation considering DR is suggested in [7]. It is concluded that this model can introduce flexibility into the load profile; less dependence on ramp up/down services by the conventional generators and increases the penetration of wind energy. In [8], a dynamic economic dispatch (DED) model is proposed having both thermal and wind generators. In this model, normally distributed random variables have been considered for the wind speed and load forecast errors. The DED model gives valuable information for reliable, safe, and economic operation of power systems. In [9], bio-diesel engines are used for compensation of the intermittent wind energy and solving ramp rate issue with wind energy. Real-time pricing (RTP) in case of high wind penetration has been utilized to decrease the re-dispatch costs and cancel loss of load events [10,11]. Besides, the results conclude that hosting wind and RTP into a market can result in a big surplus gains which will push electricity demand to respond to actual wind resource availability. Demand dispatch and probabilistic wind power forecasting is used to enhance the operation of electricity markets incorporating a high penetration of wind power [12]. A stochastic optimization model for the day-ahead scheduling in power systems, with the hourly DR for managing the intermittency of renewable energy sources has been introduced in [13]. The analysis of the impact of DSM, with the aim of enabling the integration of the growing intermittent resources in Portugal, has been discussed in [14].

          In this paper, the solution for some of the issues related to the high penetration of wind energy such as load balancing difficulties and ramping problems has been discussed showing the importance of using DSM to solve these issues and the consequences for not using it. A DED model incorporating different penetration levels of wind energy is applied and the load shifting is implemented by using the DSM to solve the issues related to the high penetration of wind energy. The comparison between different cases has been demonstrated by using the DSM for shifting the shiftable loads and without using the DSM. Different load profiles such as summer and winter loads have been addressed and finally different participation levels from consumers and their effects on the results have also been addressed. GA with hybrid function and GAMS using BARON as a solver have been used as optimization techniques to solve the DED problem with different scenarios. It shows that both are almost giving nearly the same results, but GAMS is faster than GA, therefore the GAMS will be chosen for solving the DED model.

        Full description of the dynamic economic dispatch and demand side management approaches is introduced in Section 2, the case study based on a system consisting of six thermal generators and one wind farm is fully described in Section 3, the discussion of the results are presented in Section 4, and conclusions are finally drawn in Section 5. 

2. Modeling approaches

2.1. Dynamic economic dispatch (DED)

        Optimal operation of electric power system networks is a challenging real-world engineering problem. The dynamic economic dispatch (DED) occupies a prominent place in power system’s operation and control. The goal of DED is to determine the optimal power outputs of online generating units in order to meet the load demand satisfying various operational constraints over finite dispatch periods. The DED considers additional practical constraints such as upper and lower bounds on the units’ ramping-rates. In reality, units will not respond to steep or instantaneous load variations.

        In the proposed DED optimization problem, the cost of operation will be minimized through the day as given in Eq. (1) and subjected to the different constraints which are as follows: the load balance as given in Eq. (2) where the wind power can be utilized as any value between zero and the maximum forecasted wind power as in Eq. (3), loss value as given in Eq. (4), minimum and maximum generation capacities as shown in Eq. (5) and ramping up and down constraints as given in Eqs. (6) and (7) [15].

چکیده

1. مقدمه

2. روش های مدل کردن

2.1. توزیع اقتصادی پویا

2.2. مدیریت سمت تقاضا

3. موارد مطالعه شده

4. نتایج و بحث

5. نتایج

منابع

Abstract

1. Introduction

2. Modeling approaches

2.1. Dynamic economic dispatch (DED)

2.2. Demand side management (DSM)

3. Case studies

4. Results and discussions

5. Conclusions

References