Optimal Design and Two-Level Power Management of a Hybrid Energy System Based on The Simultaneous Production of Electricity and Heat

Subject Areas : Power Engineering

Ahmad Rouhani ¹ , Mahmood Joorabian ² , Seyed Saeidollah Mortazavi ³

1 - Department of Electrical Engineering, Faculty of Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran
2 - Department of Electrical Engineering, Faculty of Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran
3 - Department of Electrical Engineering, Faculty of Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran

Received: 2024-06-23 Accepted : 2024-08-23 Published : 2025-12-21

Keywords: Combined heat and power, Energy storage system, Hybrid energy system, Power management, Renewable energy,

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.

References:


[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.

Full-Text:



 

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, [e-mail]

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، [e-mail]

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

 

در شکل (2) توان خروجی توربین بر حسب سرعت باد ترسیم شده است. مشاهده می­شود توان خروجی توربین از مقدار مشخصی از سرعت باد به بعد ثابت شده و برای سرعت­های بیشتر از سرعت ماکزیمم، توربین متوقف می­شود. مشخصات و پارامترهای توربین بادی استفاده شده در شبیه سازی در جدول (2) آورده شده است.

 

جدول (2): مشخصات توربین بادی

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
کل توان الکتریکی در دسترس برای تحویل به بار الکتریکی
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،

قيود (4) و (5) شامل مدل بهره‌برداری میکروتوربین هستند. این محدوديت­هاي اشاره به مدل منحني قابليت میکروتوربین دارند که به ترتيب بيانگر محدوديت توان اکتيو توليد و توان راکتيو قابل کنترل اين نوع توليدات پراکنده تجديدناپذير دارند [21,22].

(3)

2-2-4-       بویلر

بویلر نیز گاز مصرف کرده و انرژی حرارتی تولید می‌کند. رابطه بین ورودی و خروجی بویلر بصورت معادله (6) محاسبه می‌شود:

(4)
(5)

2-2-5-       مبدل انرژی الکتریکی به حرارتی

بلوک حرارتي شامل سیستم ترکیبی برق و حرارت، بويلر و مصرف­کننده­هاي حرارتي داراي قابليت طرح پاسخ‌گويي بار است. فرمول­بندي بهره‌برداری آن در قيود (7)-(15) ارائه شده است. در قيد (7) تعادل توان حرارتي در اين بلوک مدل­سازي شده است. در روابط (8)-(11) مدل سیستم ترکیبی برق و حرارت در نظر گرفته شده است. به­طوري که توان حرارتي توليد سیستم ترکیبی برق و حرارت براساس رابطه (8) محاسبه مي­شود، که آن ضريبي از توان اکتيو توليدي سیستم ترکیبی برق و حرارت مي­باشد. در قيود (9)-(10) فرمول­بندي منحني قابليت سیستم ترکیبی برق و حرارت در بخش الکتريکي ارائه شده است، که اين قيود به ترتيب اشاره به محدوديت توان اکتيو و راکتيو قابل کنترل توسط سیستم ترکیبی برق و حرارت را دارند. محدوديت توان حرارتي قابل توليد توسط سیستم ترکیبی برق و حرارت نيز در رابطه (11) در نظر گرفته شده است. محدوديتي همانند رابطه (11) براي بويلر وجود دارد که در رابطه (12) مدل­سازي شده است. در نهايت مدل بهره‌برداری طرح پاسخ‌گويي بار براي مصرف کننده حرارتي (الکتريکي) در قيود (13) - (15) بيان شده است. اين نوع طرح پاسخ‌گويي بار متناسب با مدل تشويقي است. به­طوري که مصرف­کننده­ها در اين طرح پاسخ‌گويي بار با توجه به سيگنال قيمت انرژي، انرژي مصرفي خود را کاهش يا افزايش مي­دهند. به عبارتي، در طرح پاسخ‌گويي بار به منظور کمينه­سازي هزینه‌ها مصرف­کننده­ها در ساعتي که قيمت انرژي بالا (پايين) است، انرژي مصرفي خود را کاهش (افزايش) مي­دهند. بنابراين قيود (13) و (14) متناسب با محدوده تغييرات توان مصرف­کننده­ها در طرح پاسخ‌گويي بار است، و آنها براساس اين رابطه حداکثر با ضريب مشارکت x در طرح پاسخ‌گويي بار شرکت مي­کنند. علاوه بر اين فرض شده است که در اين طرح پاسخ‌گويي بار، مصرف­کننده­ها تا افق بهره‌برداری قادر هستند که کليه انرژي مصرفي مورد تقاضاي خود را از بازار انرژي خرده فروشي دريافت کنند. بنابراين براي رعايت اين شرايط، قيد (15) به فرمول­بندي طرح پيشنهادي اضافه مي­شود [23,24].

(6)

2-2-6-       ذخیره­کننده انرژی الکتریکی

باتری انتخاب شده جهت شبیه­سازی از نوع lead-acid می­باشد، برتری این نوع باتری بر موارد مشابه در راندمان بالا، هزینه پایین و تخلیه خودی کم (کمتر از 5 درصد در ماه) می­باشد. عیب اصلی آن وزن بالا ست که در سیستم­های ساکن قابل چشم پوشی است ]18[. توان ورودي باتري با توجه به عملکرد شارژ يا دشارژ مي­تواند مثبت يا منفي باشد. توان باتري از معادله (16) بدست می­آید.

(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].

سایر مشخصات باتری در جدول (3) ملاحظه می­شود [25,26].

 

جدول (3): مشخصات باتری

(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.

 

3-       مدل ریاضی طراحی بهینه سیستم هیبرید انرژی

3-1-       تابع هدف

هزینه سیستم شامل هزینه خرید و نصب، هزینه جایگذاری، هزینه نگهداری و تعمیرات اجزا در طول مدت زمان عملکرد سیستم می­باشد. هدف از بهینه­سازی سیستم، کاهش هزینه کل سالیانه در مدت زمان عملکرد سیستم با رعایت قیود فنی، اقتصادی و زیست محیطی است. تابع هدف از معادله (23) محاسبه می­شود [27]:

(18)
(19)
(20)
(21)
(22)

که در آن ضریب کل بازیابی از معادله (24) بدست می آید:

(23)

3-1-1-       هزینه اولیه

هزینه اولیه شامل هزینه تهیه و نصب تجهیزات می باشد که به صورت معادله (25) محاسبه می­شود:

(24)

3-1-2-       هزینه جایگذاری

در چرخه عملکرد سیستم هیبرید انرژی، هنگامی که زمان عملکرد (DER)¹⁰ به زمان تعیین شده برای سرویس رسید و یا تجهیز دچار آسیب شد، نیاز به جایگذاری تجهیز مورد نظر وجود دارد. در این مطالعه فقط هزینه سرویس به عنوان هزینه جایگذاری لحاظ شده که مطابق با معادله (26) محاسبه خواهد شد:

(25)

3-1-3-       هزینه تعمیرات و نگهداری

هزینه تعمیرات و نگهداری مطابق با معادله (27) محاسبه می شود:

(26)

3-1-4-       هزینه بهره برداری

هزینه سالیانه بهره برداری از سه قسمت تشکیل شده است: هزینه مصرف سوخت، هزینه جریمه کمبود توان، هزینه جریمه آلودگی که به صورت معادله (28) محاسبه می شود.

(27)

3-2-       قیود بهینه­سازی

برای دستیابی به عملکرد پایدار در یک سیستم هیبرید انرژی و دستیابی به سایر اهداف مورد نظر، قیود مختلفی را می بایست در طراحی و بهینه سازی در نظر گرفت که در ادامه شرح داده می­شوند.

3-2-1-       تعادل انرژی الکتریکی و حرارتی

تعادل انرژی الکتریکی تولیدی و انرژی الکتریکی مصرفی یکی از مهمترین قیود در طراحی بهینه سیستم هیبرید انرژی است که مطابق با معادله (29) محاسبه می­شود:

(28)

یکی دیگر از قیود مهم در سیستم هایی که شامل تکنولوژی تولید همزمان برق و حرارت می باشند، تعادل انرژی حرارتی تولیدی و انرژی حرارتی مصرفی است که از معادله­ی (30) محاسبه می­شود:

(29)

3-2-2-       قیود محدوده تولید انرژی الکتریکی و حرارتی

میزان تولید انرژی الکتریکی و انرژی حرارتی در هر زمان و برای هر نوع تجهیز باید در محدوده تعریف شده در قید (31) باشد و از محدوده قابل قبول ماکزیمم ظرفیت و مینیمم ظرفیت تعریف شده تجاوز نکند:

(30)

3-2-3-       قیود ذخیره سازی انرژی الکتریکی و حرارتی

وضعیت حداقل و حداکثر ظرفیت سطح شارژ ذخیره‌سازهای حرارتی و الکتریکی مطابق با رابطه (32) خواهد بود.

(31)

ذخایر انرژی الکتریکی و حرارتی در پایان یک روز نمونه باید به گونه ای باشند که بتوانند انرژی مورد نیاز در یک روز را به طور مستقل تأمین کنند که در قید (33) آماده است.

(32)

3-2-4-       قیود ضریب استفاده از منابع تجدیدپذیر

ضریب استفاده از منابع تجدیدپذیر، سهم انرژی الکتریکی تولید شده از منابع تجدیدپذیر را در سیستم هیبرید انرژی مشخص می­کند. این قید در راستای کاهش آلودگی­های زیست محیطی موجب افزایش میزان تولید انرژی الکتریکی از منابع تجدیدپذیر خواهد شد. این قید به صورت نامساوی آورده شده در (34) بیان می­شود:

(33)

که در آن میزان انرژی الکتریکی حاصل از منابع تجدیدپذیر به صورت قید (35) محاسبه می­شود:

(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

---