طراحی بهینه و مدیریت توان دو سطحی یک سیستم هیبرید انرژی مبتنی‌بر تولید همزمان برق و گرما
محورهای موضوعی : مهندسی برق قدرت
احمد روحانی
1
,
محمود جورابیان
2
,
سید سعیداله مرتضوی
3
1 - - گروه مهندسی برق، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران
2 - گروه مهندسی برق، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران
3 - گروه مهندسی برق، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران
کلید واژه: انرژی تجدیدپذیر, تولید همزمان برق و گرما, سیستم هیبرید انرژی, مدیریت توان,
چکیده مقاله :
امروزه حضور گسترده منابع تولید تجدیدپذیر در کنار منابع تولید تجدید ناپذیر به همراه ذخیره سازهای انرژی بعنوان یک سیستم هیبرید انرژی بسیاری از مشکلات واحد تولید و ذخیره سازی انرژی را در سیستمهای قدرت حل نموده است. مدیریت بهینه توان جهت افزایش قابلیت اطمینان و تأمین پیوسته بار یکی از چالشهای اساسی این سیستمها میباشد. لذا با توجه به وجود سیستمهای اصلی و پشتیبان، استفاده از یک استراتژی مدیریت توان بهینه و متناسب با ساختار سیستم ضروری میباشد. در این مقاله علاوه بر طراحی و بهینه سازی ابعاد سیستم، یک استراتژی مدیریت توان متناسب با ساختار سیستم هیبرید انرژی پیشنهادی با اهداف مختلفی از جمله تأمین بار الکتریکی و حرارتی، بهینهسازی ابعاد سیستم، کاهش هزینههای ساخت، تولید و بهرهبرداری و افزایش ضریب نفوذ منابع تجدیدپذیر به منظور کاهش آلایندگیهای زیست محیطی ارائه شده است. بدین منظور مدل ریاضی اجزای سیستم و فرمولبندی توان الکتریکی و حرارتی انجام شده و تابع هزینه چند هدفه با قیود متعدد فنی و اقتصادی به کمک روش بهینهسازی هوشمند ازدحام ذرات کمینه شده است. کارایی استراتژی مدیریت انرژی طراحی شده با استفاده از اطلاعات آب و هوایی شهر شیراز مورد تجزیه و تحلیل قرار گرفته و عملکرد مناسب سیستم را در تأمین پیوسته بار الکتریکی و حرارتی در سناریوهای مختلف نشان داده شده است. همانطور که مشاهده میشود مقدار هزینه‌ها برای سیستم حرارتی و پیل سوختی به ۱۲۰۰۰۰۰ دلار کاهش یافته است.
Today, the widespread presence of renewable production sources alongside non-renewable production sources along with energy storage devices as a hybrid energy system has solved many problems of energy production and storage units in power systems. Optimum power management to increase reliability and continuous supply of load is one of the basic challenges of these systems. Therefore, according to the existence of the main and backup systems, it is necessary to use an optimal power management strategy that fits the system structure. In this article, in addition to designing and optimizing the dimensions of the system, a power management strategy suitable for the structure of the hybrid energy system is proposed with various goals, such as providing electric and thermal load, optimizing the dimensions of the system, reducing the costs of construction, production and operation and increasing the penetration rate of renewable resources is presented in order to reduce environmental pollution. For this purpose, the mathematical model of the system components and the formulation of electric and thermal power have been done, and the multi-objective cost function with several technical and economic constraints has been minimized with the help of particle swarm optimization. The efficiency of the designed energy management strategy has been analyzed using the weather information of Shiraz city, and the appropriate performance of the system has been shown in the continuous supply of electrical and thermal load in different scenarios. As can be seen, the amount of costs for the heating system and fuel cell has decreased to $1200,000.
[1] A. L. Bukar and C. W. Tan, “A review on stand-alone photovoltaic-wind energy system with fuel cell: System optimization and energy management strategy,” 2019. doi: 10.1016/j.jclepro.2019.02.228.
[2] Y. Huang et al., “A review of power management strategies and component sizing methods for hybrid vehicles,” 2018. doi: 10.1016/j.rser.2018.07.020.
[3] C. Gamarra and J. M. Guerrero, “Computational optimization techniques applied to microgrids planning: A review,” 2015. doi: 10.1016/j.rser.2015.04.025.
[4] M. F. Zia, E. Elbouchikhi, and M. Benbouzid, “Microgrids energy management systems: A critical review on methods, solutions, and prospects,” 2018. doi: 10.1016/j.apenergy.2018.04.103.
[5] R. Xiong, H. Chen, C. Wang, and F. Sun, “Towards a smarter hybrid energy storage system based on battery and ultracapacitor - A critical review on topology and energy management,” J Clean Prod, vol. 202, 2018, doi: 10.1016/j.jclepro.2018.08.134.
[6] Z. Luo, Z. Wu, Z. Li, H. Y. Cai, B. J. Li, and W. Gu, “A two-stage optimization and control for CCHP microgrid energy management,” Appl Therm Eng, vol. 125, 2017, doi: 10.1016/j.applthermaleng.2017.05.188.
[7] A. Omu, R. Choudhary, and A. Boies, “Distributed energy resource system optimisation using mixed integer linear programming,” Energy Policy, vol. 61, 2013, doi: 10.1016/j.enpol.2013.05.009.
[8] D. Yang, C. Jiang, G. Cai, D. Yang, and X. Liu, “Interval method based optimal planning of multi-energy microgrid with uncertain renewable generation and demand,” Appl Energy, vol. 277, 2020, doi: 10.1016/j.apenergy.2020.115491.
[9] Y. Xiang, J. Liu, and Y. Liu, “Robust Energy Management of Microgrid with Uncertain Renewable Generation and Load,” IEEE Trans Smart Grid, vol. 7, no. 2, 2016, doi: 10.1109/TSG.2014.2385801.
[10] L. Bai, F. Li, H. Cui, T. Jiang, H. Sun, and J. Zhu, “Interval optimization based operating strategy for gas-electricity integrated energy systems considering demand response and wind uncertainty,” Appl Energy, vol. 167, 2016, doi: 10.1016/j.apenergy.2015.10.119.
[11] P. H. Jiao, J. J. Chen, K. Peng, Y. L. Zhao, and K. F. Xin, “Multi-objective mean-semi-entropy model for optimal standalone micro-grid planning with uncertain renewable energy resources,” Energy, vol. 191, 2020, doi: 10.1016/j.energy.2019.116497.
[12] F. Nazari-Heris, B. Mohammadi-ivatloo, and D. Nazarpour, “Network constrained economic dispatch of renewable energy and CHP based microgrids,” International Journal of Electrical Power and Energy Systems, vol. 110, 2019, doi: 10.1016/j.ijepes.2019.02.037.
[13] Z. Li and Y. Xu, “Optimal coordinated energy dispatch of a multi-energy microgrid in grid-connected and islanded modes,” Appl Energy, vol. 210, 2018, doi: 10.1016/j.apenergy.2017.08.197.
[14] E. D. Mehleri, H. Sarimveis, N. C. Markatos, and L. G. Papageorgiou, “Optimal design and operation of distributed energy systems: Application to Greek residential sector,” Renew Energy, vol. 51, 2013, doi: 10.1016/j.renene.2012.09.009.
[15] D. Zhang, S. Evangelisti, P. Lettieri, and L. G. Papageorgiou, “Optimal design of CHP-based microgrids: Multiobjective optimisation and life cycle assessment,” Energy, vol. 85, 2015, doi: 10.1016/j.energy.2015.03.036.
[16] B. Kroposki, P. K. Sen, and K. Malmedal, “Optimum sizing and placement of distributed and renewable energy sources in electric power distribution systems,” IEEE Trans Ind Appl, vol. 49, no. 6, 2013, doi: 10.1109/TIA.2013.2262661.
[17] M. S. Alam and D. W. Gao, “Modeling and analysis of a wind/PV/fuel cell hybrid power system in HOMER,” in ICIEA 2007: 2007 Second IEEE Conference on Industrial Electronics and Applications, 2007. doi: 10.1109/ICIEA.2007.4318677.
[18] L. Wang and C. Singh, “PSO-based hybrid generating system design incorporating reliability evaluation and generation/load forecasting,” in 2007 IEEE Lausanne POWERTECH, Proceedings, 2007. doi: 10.1109/PCT.2007.4538519.
[19] A. Arezooye Araghi, A. Ahmarinejad, M. Alizadeh, and M. Babaei, “Optimizing Energy and Ancillary Services Markets in Transmission and Distribution Networks Through a Two-Stage Optimal Framework Considering Flexible Loads, Electric Vehicles, and Storage Systems,” Technovations of Electrical Engineering in Green Energy System, vol. 2, no. 4, pp. 38–64, 2024, doi: 10.30486/teeges.2023.1986699.1074.
[20] M. Abedini, R. Eskandari, J. Ebrahimi, M. H. Zeinali, and A. Alahyari, “Optimal Placement of Power Switches on Malayer Practical Feeder to Improve System Reliability Using Hybrid Particle Swarm Optimization with Sinusoidal and Cosine Acceleration Coefficients,” Computational Intelligence in Electrical Engineering, vol. 11, no. 2, pp. 73–86, 2020.
[21] J. Ebrahimi and M. Abasi, “Design of a Power Management Strategy in Smart Distribution Networks with Wind Turbines and EV Charging Stations to Reduce Loss, Improve Voltage Profile, and Increase Hosting Capacity of the Network,” Journal of Green Energy Research and Innovation, vol. 1, no. 1, pp. 1–15, Mar. 2024, doi: 10.61186/jgeri.1.1.1.
[22] S. Darvish Kermani, M. Fayazi, J. Barati, and M. Joorabian, “Percentage of Islanding and Peninsulating Detection in Large Microgrids with Renewable Energy Resources with Multiple Connection Points to Different Grids,” Journal of Green Energy Research and Innovation, vol. 1, no. 2, pp. 1–14, Jun. 2024, doi: 10.61186/jgeri.1.2.1.
[23] H. Makvandi, M. Abasi, M. Joorabian, S. Soltani, J. Ebrahimi, and Z. Sabzian Molaee, “Design of New Intelligent Islanding Detection Scheme in Multi-Machine Power Systems to Prevent Wide-Area Blackouts,” in 2022 12th Smart Grid Conference, SGC 2022, 2022. doi: 10.1109/SGC58052.2022.9998906.
[24] J. Ebrahimi, M. Abedini, and M. M. Rezaei, “Optimal scheduling of distributed generations in microgrids for reducing system peak load based on load shifting,” Sustainable Energy, Grids and Networks, vol. 23, 2020, doi: 10.1016/j.segan.2020.100368.
[25] J. Lagorse, M. G. Simões, A. Miraoui, and P. Costerg, “Energy cost analysis of a solar-hydrogen hybrid energy system for stand-alone applications,” Int J Hydrogen Energy, vol. 33, no. 12, 2008, doi: 10.1016/j.ijhydene.2008.03.054.
[26] J. Ebrahimi, M. Abedini, M. M. Rezaei, and M. Nasri, “Optimum design of a multi-form energy in the presence of electric vehicle charging station and renewable resources considering uncertainty,” Sustainable Energy, Grids and Networks, vol. 23, 2020, doi: 10.1016/j.segan.2020.100375.
[27] D. B. Nelson, M. H. Nehrir, and C. Wang, “Unit sizing and cost analysis of stand-alone hybrid wind/PV/fuel cell power generation systems,” Renew Energy, vol. 31, no. 10, 2006, doi: 10.1016/j.renene.2005.08.031.
[28] C. Wang and M. H. Nehrir, “Power management of a stand-alone wind/photovoltaic/fuel cell energy system,” IEEE Transactions on Energy Conversion, vol. 23, no. 3, 2008, doi: 10.1109/TEC.2007.914200.
[29] W. D. Kellogg, M. H. Nehrir, G. Venkataramanan, and V. Gerez, “Generation unit sizing and cost analysis for stand-alone wind, photovoltaic, and hybrid wind/PV systems,” IEEE Transactions on Energy Conversion, vol. 13, no. 1, 1998, doi: 10.1109/60.658206.
[30] S. Bensmail, D. Rekioua, and H. Azzi, “Study of hybrid photovoltaic/fuel cell system for stand-alone applications,” Int J Hydrogen Energy, vol. 40, no. 39, 2015, doi: 10.1016/j.ijhydene.2015.04.013.
[31] Nasa, “Surface meteorology and Solar Energy,” Solar Energy, 2011.
[32] F. Giraud and Z. M. Salameh, “Steady-state performance of a grid-connected rooftop hybrid wind - Photovoltaic power system with battery storage,” IEEE Transactions on Energy Conversion, vol. 16, no. 1, 2001, doi: 10.1109/60.911395.
Technovations of Electrical Engineering in Green Energy System |
|
Research Article (2025) 4(3):24-43
Optimal Design and Two-Level Power Management of a Hybrid Energy System Based on The Simultaneous Production of Electricity and Heat
Ahmad Rouhani1, PhD Student, Mahmood Joorabian1, Professor, Seyed Saeidollah Mortazavi1, Professor
1 Department of Electrical Engineering, Faculty of Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran
Abstract:
Today, the widespread presence of renewable production sources alongside non-renewable production sources along with energy storage devices as a hybrid energy system has solved many problems of energy production and storage units in power systems. Optimum power management to increase reliability and continuous supply of load is one of the basic challenges of these systems. Therefore, according to the existence of the main and backup systems, it is necessary to use an optimal power management strategy that fits the system structure. In this article, in addition to designing and optimizing the dimensions of the system, a power management strategy suitable for the structure of the hybrid energy system is proposed with various goals, such as providing electric and thermal load, optimizing the dimensions of the system, reducing the costs of construction, production and operation and increasing the penetration rate of renewable resources is presented in order to reduce environmental pollution. For this purpose, the mathematical model of the system components and the formulation of electric and thermal power have been done, and the multi-objective cost function with several technical and economic constraints has been minimized with the help of particle swarm optimization. The efficiency of the designed energy management strategy has been analyzed using the weather information of Shiraz city, and the appropriate performance of the system has been shown in the continuous supply of electrical and thermal load in different scenarios. As can be seen, the amount of costs for the heating system and fuel cell has decreased to $1200,000.
Keywords: Combined heat and power, Energy storage system, Hybrid energy system, Power management, Renewable energy
Received: 23 June 2024
Revised: 4 August 2024
Accepted: 23 August 2024
Corresponding Author: Dr. Mahmood Joorabian, mjoorabian@scu.ac.ir
DOI: http://dx.doi.org/10.30486/TEEGES.2025.1127081
| فناوری‌های نوین مهندسی برق در سیستم انرژی سبز |
..مقاله پژوهشی...
طراحی بهینه و مدیریت توان دو سطحی یک سیستم هیبرید انرژی مبتنی‌بر تولید همزمان برق و گرما
احمد روحانی1، دانشجوی دکتری، محمود جورابیان1، استاد ، سید سعید اله مرتضوی1، استاد
1- گروه مهندسی برق، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران
چكيده: امروزه حضور گسترده منابع تولید تجدیدپذیر در کنار منابع تولید تجدید ناپذیر به همراه ذخیره سازهای انرژی بعنوان یک سیستم هیبرید انرژی بسیاری از مشکلات واحد تولید و ذخیره سازی انرژی را در سیستمهای قدرت حل نموده است. مدیریت بهینه توان جهت افزایش قابلیت اطمینان و تأمین پیوسته بار یکی از چالشهای اساسی این سیستمها میباشد. لذا با توجه به وجود سیستمهای اصلی و پشتیبان، استفاده از یک استراتژی مدیریت توان بهینه و متناسب با ساختار سیستم ضروری میباشد. در این مقاله علاوه بر طراحی و بهینه سازی ابعاد سیستم، یک استراتژی مدیریت توان متناسب با ساختار سیستم هیبرید انرژی پیشنهادی با اهداف مختلفی از جمله تأمین بار الکتریکی و حرارتی، بهینهسازی ابعاد سیستم، کاهش هزینههای ساخت، تولید و بهرهبرداری و افزایش ضریب نفوذ منابع تجدیدپذیر به منظور کاهش آلایندگیهای زیست محیطی ارائه شده است. بدین منظور مدل ریاضی اجزای سیستم و فرمولبندی توان الکتریکی و حرارتی انجام شده و تابع هزینه چند هدفه با قیود متعدد فنی و اقتصادی به کمک روش بهینهسازی هوشمند ازدحام ذرات کمینه شده است. کارایی استراتژی مدیریت انرژی طراحی شده با استفاده از اطلاعات آب و هوایی شهر شیراز مورد تجزیه و تحلیل قرار گرفته و عملکرد مناسب سیستم را در تأمین پیوسته بار الکتریکی و حرارتی در سناریوهای مختلف نشان داده شده است. همانطور که مشاهده میشود مقدار هزینه‌ها برای سیستم حرارتی و پیل سوختی به ۱۲۰۰۰۰۰ دلار کاهش یافته است.
واژه هاي كليدي: انرژی تجدیدپذیر، تولید همزمان برق و گرما، سیستم هیبرید انرژی، مدیریت توان
تاریخ ارسال مقاله: 0۳/0۴/140۳
تاریخ بازنگری مقاله: 14/0۵/140۳
تاریخ پذیرش مقاله: 0۲/0۶/140۳
نویسندهی مسئول: دکتر محمود جورابیان، mjoorabian@scu.ac.ir
DOI: http://dx.doi.org/10.30486/TEEGES.2025.1127081
1- مقدمه
1-1- انگیزه و ضرورت انجام پژوهش
از محورهای اساسی در سیاست گذاری های کلان تولید و مصرف انرژی الکتریکی بر مبنای تامین انرژی محلی با هدف کاهش هزینۀ، افزایش راندمان و همچنین انتشار کمتر آلایندهها میباشد. بکارگیری منابع تجدید پذیر در کنار منابع سوخت فسیلی در یک سیستم منفصل از شبکه در کشورهای در حال توسعه بیش از پیش مورد توجه قرار گرفته است. از طرفی حضور منابع تولید همزمان برق و گرما (CHP)1 در کنار این تولیدات ترکیبی در جهت تامین بار حرارتی2 باعث افزایش راندمان این سیستمهای نوظهور شده است. طراحی ابعاد و مدیریت توان این سیستمها در جهت رسیدن به بهینه ترین حالت از نظر فنی و اقتصادی همچنان بعنوان یک چالش اساسی مورد توجه محققان این حوزه میباشد. در دههی اخیر مطالعات و پژوهشهای بسیار زیادی پیرامون این مسئله انجام شده است که در ادامه به نقد و بررسی آنها پرداخته شده است.
1-2- مروری بر پژوهشهای پیشین
مسئله طراحی ریزشبکههای مبتنی بر انرژیهای تجدید پذیر و مدیریت بهینه انرژی در دو دهه اخیر به شدت مورد توجه محققان صنعت برق قرار گرفته است و مراجع جامعی در این زمینهها منتشر شده است. مباحث مربوط به بهینه سازی سیستم، استراتژی مدیریت انرژی در ریزشبکههای مستقل از شبکه و انواع روشهای ابتکاری برنامهریزی با تمرکز بر امکان‌سنجی اقتصادی به طور جامع در مراجع [1-3] به بحث و بررسی گذاشته شده است. سیستمهای مدیریت انرژی در میکروگریدها در [4] از نظر روشها، راه حلها و چشم اندازها مورد بررسی قرار گرفته است و همچنین بررسی ساختار و روشهای مدیریت انرژی سیستم های هیبرید ذخیره ساز انرژی در [5] ارائه شده است. در کنار این مطالعات جامع، پژوهشهای موردی در مراجع مختلف معتبر منتشر شده است. بهینه سازی و کنترل دو مرحلهای شامل توزیع اقتصادی و تنظیم زمان واقعی در جهت مدیریت انرژی در سیستم های ترکیبی سرمایش، گرمایش و توان در مرجع [6] مطرح شده است. در مرجع [7]، مدل MILP برای طراحی (انتخاب فنوری، تعیین اندازه، مکان واحد، و ساختار شبکۀ توزیع) یک سیستم انرژی پراکنده با هدف کمینه سازی سرمایه گذاری و بهره برداری ارائه شده است. در مرجع [8] مدل برنامهریزی مبتنی بر روش فاصله‌ای برای ریزشبکههای انرژی چندگانه ارائه شده است. در این مرجع تجهیز لازم برای نصب، ظرفیت بهینۀ تجیهز، مکان بهینۀ تجهیز و عملکرد بهینۀ انواع انرژی تعیین میگردد طوری که در آن معادلات پخش توان الکتریکی و پخش توان حرارتی در مدل پیشنهادی گنجانده شده است. در یک مطالعه جامع مسئله بهرهبرداری مبتنی بر بهینهسازی فاصله‌ای با در نظر گرفتن پاسخ تقاضا در یک ریزشبکه ترکیبی گازی – الکتریکی مطرح شده است [9]. در مرجع [10]، مدل نیمه‌آنتروپی میانگین چندهدفه برای یک ریزشبکۀ خوداتکای دارای سیستم ترکیبی فوتوولتائی-بادی-باتری-دیزل ژنراتور جهت رسیدن به اهداف سود بیشینه و ریسک کمینه ارائه میشود. در مرجع [11]، یک مدل بهینه سازی MINLP برای حل توزیع اقتصادی یک سیستم هیبریدی حاوی واحدهای CHP، ژنراتورهای متداول برق، واحدهای فقط حرارتی، توربین‌های بادی، سیستم فوتوولتائی و سیستم ذخیرهسازی باتری تحت عدم قطعیت با هداف یافتن پاسخ بهینه توزیع اقتصادی ارائه شده است. در مرجع [12]، استراتژی مدیریت بهینه انرژی در یک سیستم هیبریدی شامل واحدهای تولیدی کنترل‌پذیر (پیل سوختی، بویلر الکتریکی، تولید همزمان سرمایش، گرمایش و برق و چیلرهای الکتریکی)، واحدهای تولیدی کنترل‌ناپذیر (توربین بادی و پیل فوتوولتائی) و تجهیزات ذخیرهسازی انرژی (ذخیرهسازی باتری، مخزن ذخیرهسازی حرارت و مخزن ذخیرهسازی یخ) در هر دو حالت متصل به شبکه و جزیرهای ارائه شده است. طرح بهرهبرداری بهینۀ انرژی سیستمهای هیبریدی با در نظر گرفتن مدل ریاضی بارهای محلی، داده‌های آب و هوایی محلی، ساختار تعرفۀ بهرهبرداری، مشخصات فناوری‌های مورد استفاده به عنوان منابع پراکنده (شامل مشخصات فنی و مالی) و نیز جنبه‌های جغرافیایی در [13] ارائه شده است. در مرجع [14]، طراحی بهینه منابع تولید پراکنده درون یک ریزشبکه هیبریدی مبتنی بر CHP با هدف کاهش هزینه و مزایای زیست محیطی انجام شده است. در مرجع [15]، الگوریتم تعیین اندازه و مکان بهینۀ منابع انرژی پراکنده و تجدیدپذیر در سیستمهای توزیع توان الکتریکی ارائه شده است و در مرجع [16]، یک روش مقاوم و مبتنی بر سناریوی مدیریت انرژی با در نظر گرفتن بدترین مقدار تولید تجدیدپذیر و بار با اهداف اقتصادی ارائه شده است.
1-3- چالش اصلی و خلأهای علمی
با توجه به مرور مراجعه انجام شده در این حوزه مشاهده میشود که مسئله بهینه سازی ابعاد سیستم به همراه استراتژی مدیریت توان در ریزشبکه های هیبریدی به منظور تآمین همزمان بارهای حرارتی و الکتریکی به دلیل پیچدگیهای ایجاد شده در حل مسئله با در نظر گرفتن تابع هزینه چند هدفه و قیود مختلف تا کنون انجام نشده و بعنوان یک چالش همچنان مطرح میباشد. چالش‌ها و خلأهای موجود به شرح زیر هستند:
· حل مسائل قبلی به صورت محدود و تک هدفه
· در نظر نگرفتن قیود سخت
· تک مرحله ای بودن برنامه‌ریزی‌های قبلی
1-4- سهم مشارکت و نوآوری
سهم اصلی و نوآوری این مقاله ارائه یک الگوریتم جامع دو سطحی جهت طراحی بهینه و مدیریت توان یک سیستم هیبرید انرژی مبتنی بر تولید همزمان برق و گرما میباشد. در این طرح در گام اول هدف بهینه کردن مقدار توان الکتریکی پنلهای فتوولتائیک3 و توربین بادی4، توان حرارتی و ظرفیت بویلر، ظرفیت ذخیرسازها5، توان حرارتی و الکتریکی CHP و همچنین توان مصرف کنندههای حرارتی و الکتریکی میباشد. در گام دوم این مسئله بحث مدیریت بهینه توان با کمینه کردن تابع هدفی مبتنی بر هزینه کل سیستم شامل هزینههای نصب، راه اندازی، بهرهبرداری، تعمیر و نگهداری میباشد. قیود در نظر گرفته شده برای حل این تابع هدف، تامین توان حرارتی و الکتریکی، قابلیت اطمینان بر مبنای کاهش احتمال از دست رفتن بار، ضریب نفوذ پذیری انرژیهای تجدیدپذیر و میزان شارژ ذخیره‌سازهای حرارتی و الکتریکی میباشند. روش حل مسئله در نظر گرفته در این مقاله براساس بهینهسازی در فضای جستجوی الگوریتم ازدحام ذرات6 و به صورت چند هدفه7 با روش فرمول نویسی برنامه نویسی خطی عدد صحیح مختلط8 میباشد. نوآوری‌ها به صورت خلاصه به شرح زیر هستند:
· حل مسئله برنامهریزی دومرحله‌ای مدیریت ذخیره‌سازهای حرارتی-الکتریکی
· مدلسازی مسئله به صورت چندهدفه با قیود سخت
· استفاده از ترکیب الگوریتم ازدحام ذرات برای مرحله اول و الگوریتم خطی برای مرحله دوم
· اجرا بر روی نمونه عملی شهر شیراز
1-5- سازمان دهی مقاله
در این مقاله پس از معرفی ساختار سیستم هیبرید انرژی و مدلسازی اجزا به بررسی مدل ریاضی طراحی بهینه سیستم هیبرید انرژی پرداخته میشود. در بخش چهارم به بررسی استراتژی کنترل و مدیریت انرژی پرداخته شده است. در بخش پنجم به عملکرد سیستم هیبرید انرژی متشکل از پنل های خورشیدی و توربین‌های بادی با ذخیرهسازی باتری و ترکیب پیل سوختی9 با الکترولیزور در طی یک روز کاری سیستم پرداخته شده است. در نهایت نتایج سیستم در بخش ششم و نتیجه گیری نهایی در بخش هفتم آورده شده است.
2- ساختار سیستم هیبرید انرژی و مدلسازی اجزا
2-1- ساختار سیستم هیبرید انرژی مورد نظر
شکل (1) سیستم هیبرید انرژی مورد مطالعه را نشان میدهد. در این سیستم CHP-FC، WT و PV به عنوان منابع اصلی در نظر گرفته میشوند. در حالی که از ترکیب FC و الکترولیزور به همراه باتری به عنوان سیستم پشتیبان و ذخیرهکننده استفاده میشود. از آنجا که منابع انرژی اصلی و ذخیرهساز همگی سازگار با محیط زیست میباشد این سیستم تولید انرژی، کاملاً با محیط زیست سازگار است. هنگامی که انرژی بادی یا خورشیدی مازاد بر تقاضای بار موجود باشد، الکترولیزور روشن شده و شروع به تولید هیدروژن میکند. هیدروژن تولید شده در تانک ذخیرهسازی نگهداری میشود. در صورتی که ظرفیت تانک ذخیرهسازی هیدروژن تکمیل باشد، توان اضافی به Dump load تحویل داده میشود. در مواقعی که توان تولیدی کاهش مییابد، FC با هیدروژن ذخیره شده در تانک ذخیرهسازی و در موارد خالی بودن این تانک به کمک هیدروژن ذخیره شده در تانک پشتیبان توان مورد نیاز سیستم را تأمین خواهد کرد. در این سیستم از باتری نیز جهت ذخیرهسازی انرژی استفاده میشود. در این سیستم، منابع مختلف انرژی به باس DC متصل شده و به وسیله یک اینورتر DC/AC بار را تأمین میکند. سیستم قابل گسترش بوده و منابع انرژی قابل دسترس دیگری را با توجه به شرایط منطقه مورد نظر میتوان به سیستم اضافه کرد.
شکل (1): بلوک دیاگرام سیستم هیبرید انرژی PV/WG/CHP
2-2- مشخصات و مدل ریاضی اجزاء سیستم
به منظور طراحی سیستم بهینه با مدیریت انرژی و نیز مشاهده عملکرد سیستم در شرایط مختلف، وجود اطلاعات کافی از ساختار هر یک از اجزاء ضروری است. سیستم مورد نظر متشکل از توربین بادی، پنل فتوولتائیک، پیل سوختی، الکترولیزور و باتری میباشد. در این بخش هر یک از این اجزاء بررسی میشوند.
2-2-1- توربین بادی
توربین بادی با تبدیل انرژی جنبشی باد به انرژی مکانیکی و سپس با انتقال این انرژی به ژنراتور، الکتریسیته تولید میکند. توان خروجی توربین بادی از معادله (1) بدست میآید [17,18].
PWG=0.5 Cp (λ, θ) ρ AV3w (1)
متغیرهای تعریفی این مقاله در جدول (1) قابل مشاهده هستند.
جدول (1): متغیرهای تعریفی مسئله
هزینه کل سالانه |
| ||||
ضریب عملکرد توربین بادی | Cp | ||||
توان مکانیکی خروجی توربین | PWG | ||||
زاویه چرخش | θ | ||||
سرعت ماکزیمم | λ | ||||
چگالی هوا | ρ (kg/m3) | ||||
سطح در بر گیرنده پرههای توربین | A (m2) | ||||
سرعت باد | VW | ||||
سطح PV | Spv (m2) | ||||
بازده PV | ηPV | ||||
توان اکتیو پنل های خورشیدی | PPV | ||||
توان اکتیو بار | PLoad | ||||
توان اکتیو ذخیره ساز | PESS | ||||
ضریب بازیابی سرمایه |
| ||||
هزینه سرمایه اولیه |
| ||||
هزینه تعویض |
| ||||
هزینه تعمیر و نگهداری تجهیزات |
| ||||
هزینه عملیات سالانه |
| ||||
نرخ بهره واقعی | r | ||||
کل زمان عمر پروژه تعداد سالهای بهره برداری HES | L | ||||
تعداد دستگاه ها | k | ||||
نوع فناوری های DG | N | ||||
شماره نصب شده دستگاه k |
| ||||
نرخ تخفیف | d | ||||
شاخص جایگزینی دستگاه k (یک یا صفر) |
| ||||
هزینه تعمیر و نگهداری ثابت دستگاه برای هر واحد k |
| ||||
هزینه مصرف سوخت |
| ||||
هزینه جبران کمبود برق |
| ||||
هزینه جبران زیست محیطی |
| ||||
| |||||
توان بار الکتریکی |
| ||||
کل توان حرارتی در دسترس برای تحویل به بار الکتریکی |
| ||||
توان بار حرارتی |
| ||||
توان ذخیره کننده حرارتی |
| ||||
کمینه توان الکتریکی قابل تولید توسط تجهیز K |
| ||||
بیشینه توان الکتریکی قابل تولید توسط تجهیز K |
| ||||
توان الکتریکی تولید شده در هر لحظه توسط تجهیز K |
| ||||
کمینه توان حرارتی قابل تولید توسط تجهیز K |
| ||||
بیشینه توان حرارتی قابل تولید توسط تجهیز K |
| ||||
توان حرارتی تولید شده در هر لحظه توسط تجهیز K |
| ||||
وضعیت شارژ ذخیره کننده الکتریکی در لحظه t |
| ||||
وضعیت شارژ ذخیره کننده الکتریکی در پایان دوره زمانی |
| ||||
کمینه مقدار وضعیت شارژ ذخیره کننده الکتریکی |
| ||||
بیشینه مقدار وضعیت شارژ ذخیره کننده الکتریکی |
| ||||
وضعیت شارژ ذخیره کننده حرارتی در لحظه t |
| ||||
وضعیت شارژ ذخیره کننده حرارتی در پایان دوره زمانی |
| ||||
کمینه مقدار وضعیت شارژ ذخیره کننده حرارتی |
| ||||
بیشینه مقدار وضعیت شارژ ذخیره کننده حرارتی |
| ||||
ضریب تبدیل گاز به انرژی الکتریکی با CHP |
| ||||
میزان گاز ورودی به CHP |
| ||||
توان اکتيو میکروتوربین | PMT | ||||
حداکثر مقدار مجاز توان راکتيو میکروتوربین | QMTu | ||||
حداقل مقدار مجاز توان راکتيو میکروتوربین | QMTl | ||||
میزان گاز ورودی به بویلر |
| ||||
توان حرارتي بويلر |
| ||||
حداکثر و مقدار مجاز توان حرارتی بویلر | HBOu | ||||
حداقل مقدار مجاز توان حرارتی بویلر | HBOl | ||||
ترتیب توان حرارتي سیستم ترکیبی برق و حرارت | HCHP | ||||
توان حرارتي در طرح پاسخگويي بار | HDR | ||||
بار حرارتي | HD | ||||
راندمان توربين در سیستم ترکیبی برق و حرارت | hH | ||||
راندمان تلفاتي در سیستم ترکیبی برق و حرارت | hL | ||||
راندمان حرارتي در سیستم ترکیبی برق و حرارت | hT | ||||
ضريب نرخ مشارکت در طرح پاسخگويي بار | x | ||||
حداکثر ظرفیت مجاز توان دشارژي سیستم ذخیرهساز حرارتی | PDCHu | ||||
حداکثر ظرفیت مجاز توان شارژي سیستم ذخیرهساز حرارتی | PCHu | ||||
متغير باينري متناظر با عملکرد شارژ/دشارژ سیستم ذخیرهساز حرارتی | x | ||||
وضعیت شارژ ذخیرهساز حرارتی |
| ||||
راندمان دشارژ در سیستم ذخیرهساز حرارتی | hDCH | ||||
راندمان شارژ در سیستم ذخیرهساز حرارتی | hCH | ||||
انرژي اوليه در سیستم ذخیرهساز حرارتی |
| ||||
حداقل مقدار مجاز انرژي قابل ذخيره در سیستم ذخیرهساز حرارتی |
| ||||
حداکثر مقدار مجاز انرژي قابل ذخيره در سیستم ذخیرهساز حرارتی |
| ||||
توربين بادي | |
توان نامي | 1 KW |
سرعت قطع پايين | 5/2 m/s |
سرعت نامي | 11 m/s |
سرعت قطع بالا | 13 m/s |
قطر روتور | 5/2 m |
فرکانس نامي | 60 Hz |
هزینه سرمایه اولیه | 3200$ |
هزینه نگهداری و عملکرد | $/year 100 |
طول عمر | 15 سال |
چگالی هوا | Kg/m3 225/1 |
شکل (2): توان خروجی توربین بر حسب سرعت باد
2-2-2- پنل فتوولتائیک
سیستم فتوولتائیک فرآیندی است که انرژی خورشید را به طور مستقیم به انرژی الکتریکی تبدیل میکند. سلولهای خورشیدی از لحاظ فیزیکی شباهت بسیاری به دیودهای p-n دارند. سلولهای فتوولتائیک چند بلوری در حال حاضر بهترین انتخاب از لحاظ قیمت و کیفیت میباشند. آنها بازده کمتری از تکنولوژی تک بلوری ارائه می دهند اما ارزانتر میباشند. این موارد دلیل استفاده این تکنولوژی در اکثر سیستم های فتوولتائیک میباشد. توان تولیدی PV از معادله (2) بدست میآید [20-17].
Ppv=insolation×ηpv×Spv (2)
در مدل PV از اثر دما بر سطح پنل صرفنظر شده است. سایر مشخصات PV در جدول (3) ملاحظه میشود.
جدول (3): مشخصات پنل فتوولتائیک
پنل فتوولتائيک | |
تکنولوژي | پلی کریستالین |
توان ماکزيمم | W 120 |
راندمان | % 12 |
سطح هر ماژول | m2 07/1 |
ولتاژ در Pmax | V 8/16 |
جريان در Pmax | A 12/7 |
جريان اتصال کوتاه | A 74/7 |
ولتاژ مدار باز | V 21 |
هزینه سرمایه اولیه | $/Wpeak 4/84 |
هزینه نگهداری و عملکرد | $/year0 |
طول عمر | 20 سال |
2-2-3- میکروتوربین گازی
در سیستم CHP، میزان انرژی الکتریکی تولید شده بوده که بصورت معادله (3) محاسبه میشود،
(3) |
| ||||
(4) |
| ||||
(5) |
| ||||
(6) |
| ||||
(7) |
| ||||
(8) |
| ||||
(9) |
| ||||
(10) |
| ||||
(11) |
| ||||
(12) |
| ||||
(13) |
| ||||
(14) |
| ||||
(15) |
| ||||
(16) | Pess= Pgen – Psc – Pavailable |
وضعيت شارژ باتری، طبق معادله (17) از انرژي و راندمان باتري استنباط ميشود [25].
(17) |
| ||||
باتري | |
تکنولوژي | سرب-اسید |
هزینه سرمایه اولیه | $/KWh 20 |
طول عمر | 5 سال |
2-2-7- ذخیره کننده حرارتی
فرمولبندي اين بخش در قيود (18)-(22) بيان شده است، که به ترتيب معرف محدوديت نرخ شارژ و دشارژ، انرژي ذخيره شده، انرژي اوليه در ساعت اول بهرهبرداری، محدوديت انرژي قابل ذخيره و محدوديت ظرفيت شارژر ذخيرهساز حرارتی هستند. در قيود (18)-(19)، متغير باينري x به منظور جلوگيري از عملکرد همزمان ذخيرهساز حرارتی در مد شارژ و دشارژ استفاده ميشود. بهطوري که x = 1، عملکرد ذخيرهساز حرارتی در مد شارژ است، در غير اينصورت آن در مد دشارژ فعاليت ميکند. وضعیت شارژ سیستم ذخیرهکننده حرارتی از رابطه (20) بدست میآید. وضعیت انرژی اولیه ذحیره شده در ذخیرهساز حرارتی در (21) ارایه شده است. محدودیت مقدار شارژ شیشتم ذخیرهساز حرارتی در رابطه (22) آمده است.
(18) |
| ||||
(19) |
| ||||
(20) |
| ||||
(21) |
| ||||
(22) |
|
(23) |
|
(24) |
|
(25) |
|
(26) |
|
(27) |
|
(28) |
|
(29) |
|
(30) |
|
(31) |
|
(32) |
|
(33) |
|
(34) |
|
[1] Combined Heat and Power
[2] Thermal load
[3] PV
[4] Wind Turbine
[5] Storage capacity
[6] Particle Swarm Optimization
[7] Multi objective
[8] Mixed-Integer Linear Programming
[9] Fuel cell
[10] Distributed Energy Resource
مقالات مرتبط
-
مدلسازی و شبیه سازی دینامیکی ژنراتورآهنربای دائم شار متقاطع و کاربرد آن در توربین های بادی
تاریخ چاپ : 1401/12/01 -
کنترل مستقیم توان مبتنی بر مد لغزشی انتگرالی ژنراتور القایی دو سو تغذیه بدون جاروبک
تاریخ چاپ : 1401/06/01 -
حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات دانشگاه آزاد اسلامی است.
حق نشر © 1403-1400