برنامه‌ریزی توسعه ذخیره‌سازهای انرژی قابل حمل به‌منظور بهبود تاب‌آوری سیستم قدرت

محورهای موضوعی : مهندسی برق قدرت

محمدرضا شیبانی ¹ (گروه برنامه‌ریزی و بهره‌برداری سیستم‌های قدرت، پژوهشگاه نیرو، تهران، ایران)
مهدی زراعتی ² (گروه برنامه‌ریزی و بهره‌برداری سیستم‌های قدرت، پژوهشگاه نیرو، تهران، ایران)
فرخنده جباری ³ (گروه برنامه‌ریزی و بهره‌برداری سیستم‌های قدرت، پژوهشگاه نیرو، تهران، ایران)
احسان حیدریان فروشانی ⁴ (دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی قم، قم، ایران)

تاریخ دریافت : 1402/06/05 تاریخ پذیرش : 1402/08/20 تاریخ انتشار : 1403/03/01

کلید واژه: تاب‌آوری, ذخیره‌سازهای انرژی قابل حمل, شبکه‌های توزیع,

چکیده مقاله :

برق‌رسانی به بارهای الکتریکی حیاتی در تمام شرایط یکی از اهداف مهم پیش‌روی طراحان و بهره‌برداران سیستم‌های قدرت است. از طرفی سیستم‌های قدرت همواره در معرض حوادث و فجایای مختلف قرار دارند. قابلیت مواجهه با این حوادث و فجایا در سیستم‌های قدرت با مفهوم تاب‌آوری مطرح می‌شود. در این مقاله، بهبود تاب‌آوری شبکه‌های توزیع دنبال می‌شود. به این‌منظور به توسعه ذخیره‌سازهای انرژی ثابت و قابل حمل در شبکه‌های توزیع برای تاب‌آور نگه‌داشتن شبکه‌های توزیع پرداخته شده است. به‌دلیل اهمیت برق‌رسانی به بارهای حیاتی، برآورده‌شدن بارهای حیاتی به‌عنوان معیار اصلی برآورده‌شدن معیار تاب‌آوری در نظر گرفته می‌شود. مدل پیشنهادی به‌صورت یک مسأله بهینه‌سازی خطی آمیخته با اعداد صحیح فرمول‌بندی شده است. حداقل‌سازی هزینه‌ها به‌عنوان تابع هدف و برآورده‌شدن محدودیت‌ها، در شرایط نرمال و تاب‌آور شبکه به‌عنوان قیود مسأله در نظر گرفته شده‌اند. در این مدل، شبکه توزیع به چند ناحیه مجزا تقسیم شده و برآورده‌شدن بارهای حیاتی در ناحیه‌ها به‌صورت جزیره‌ای توسط منابع موجود و ذخیره‌سازهای انرژی دنبال می‌شود. نتایج مطالعات بر روی شبکه تست، قابلیت ذخیره‌سازهای قابل حمل به‌منظور برآورده‌سازی شرایط تاب‌آوری شبکه را نشان می‌دهد.

چکیده انگلیسی:

Providing electricity to critical electrical loads in all conditions is one of the important goals facing designers and operators of power systems. On the other hand, power systems are always exposed to various events and disasters. The ability to face these events and disasters in power systems is brought up with the concept of resilience. In this article, improving the resilience of distribution networks is pursued. For this purpose, the expansion of fixed and portable energy storage systems in distribution networks has been carried out to keep distribution networks resilience. Due to the importance of providing the critical loads, meeting the critical loads is considered as the main resilience criterion. The proposed model is formulated as a mixed integer linear optimization problem. Minimization of costs is considered as the objective function and fulfillment of restrictions in normal and resilience conditions of the network are considered as the constraints of the problem. In this model, the distribution network is divided into several separate zones and the fulfillment of critical loads in the zones is followed by the available resources and energy storage systems. The results of studies on the test network show the ability of portable energy storage systems to meet the requirements of network resilience.

منابع و مأخذ:

1. M. Yadav, N. Pal, and D. K. Saini, "Resilient electrical distribution grid planning against seismic waves using distributed energy resources and sectionalizers: An Indian's urban grid case study," Renewable Energy, vol. 178, pp. 241-259, 2021. doi: 10.1016/j.renene.2021.06.071.


2. "Electric Power System Resiliency: Challenges and Opportunities," document EPRI 3002007376, Feb. 2016.


3. F. Katiraei, R. Iravani, N. Hatziargyriou, and A. Dimeas, "Microgrids management," IEEE power and energy magazine, vol. 6, pp. 54-65, 2008. doi: 10.1109/MPE.2008.918702. 


4. M. S. Khomami, K. Jalilpoor, M. T. Kenari, and M. S. Sepasian, "Bi‐level network reconfiguration model to improve the resilience of distribution systems against extreme weather events," IET Generation, Transmission & Distribution, vol. 13, pp. 3302-3310, 2019. doi: 10.1049/iet-gtd.2018.6971.


5. J. Liu, Y. Yu, and C. Qin, "Unified two‐stage reconfiguration method for resilience enhancement of distribution systems," IET Generation, Transmission & Distribution, vol. 13, pp. 1734-1745, 2019. doi:10.1049/iet-gtd.2018.6680.


6. C. Chen, J. Wang, F. Qiu, and D. Zhao, "Resilient distribution system by microgrids formation after natural disasters," IEEE Transactions on smart grid, vol. 7, pp. 958-966, 2015. doi:10.1109/TSG.2015.2429653.


7. S. Lei, C. Chen, H. Zhou, and Y. Hou, "Routing and scheduling of mobile power sources for distribution system resilience enhancement," IEEE Transactions on Smart Grid, vol. 10, pp. 5650-5662, 2018. doi:10.1109/TSG.2018.2889347.


8. K. Kopsidas and M. Abogaleela, "Utilizing demand response to improve network reliability and ageing resilience," IEEE Transactions on Power Systems, vol. 34, pp. 2216-2227, 2018. doi:10.1109/TPWRS.2018.2883612.


9. S. Y. Hui, C. K. Lee, and F. F. Wu, "Electric springs—A new smart grid technology," IEEE Transactions on Smart Grid, vol. 3, pp. 1552-1561, 2012. doi:10.1109/TSG.2012.2200701.


10. L. Liang, Y. Hou, D. J. Hill, and S. Y. R. Hui, "Enhancing resilience of microgrids with electric springs," IEEE Transactions on Smart Grid, vol. 9, pp. 2235-2247, 2016. doi:10.1109/ TSG.2016.2609603.


11. M. R. Sheibani and A. Moshari, "Operation planning of a microgrid considering the resiliency in the presence of energy storage systems," in 2020 10th Smart Grid Conference (SGC), 2020, pp. 1-6. doi: 10.1109/SGC52076.2020.9335757.


12. M. R. Sheibani, G. R. Yousefi, M. A. Latify, and S. Hacopian Dolatabadi, "Energy storage system expansion planning in power systems: a review," IET Renewable Power Generation, vol. 12, pp. 1203-1221, 2018. doi:10.1049/iet-rpg.2018.0089.


13. E. Hooshmand and A. Rabiee, "Robust model for optimal allocation of renewable energy sources, energy storage systems and demand response in distribution systems via information gap decision theory," IET Generation, Transmission & Distribution, vol. 13, pp. 511-520, 2019. doi:10.1049/iet-gtd.2018.5671.


14. R. Li, W. Wang, and M. Xia, "Cooperative planning of active distribution system with renewable energy sources and energy storage systems," IEEE access, vol. 6, pp. 5916-5926, 2017. doi:10.1109/ACCESS.2017.2785263.


15. C. Dong, Q. Gao, Q. Xiao, R. Chu, and H. Jia, "Spectrum-domain stability assessment and intrinsic oscillation for aggregated mobile energy storage in grid frequency regulation," Applied Energy, vol. 276, p. 115434, 2020. doi:10.1016/j. apenergy.2020.115434.


16. S. Yao, P. Wang, X. Liu, H. Zhang, and T. Zhao, "Rolling optimization of mobile energy storage fleets for resilient service restoration," IEEE Transactions on Smart Grid, vol. 11, pp. 1030-1043, 2019. doi:10.1109/TSG.2019.2930012.


17. M. Nazemi, M. Moeini-Aghtaie, M. Fotuhi-Firuzabad, and P. Dehghanian, "Energy storage planning for enhanced resilience of power distribution networks against earthquakes," IEEE Transactions on Sustainable Energy, vol. 11, pp. 795-806, 2019. doi:10.1109/TSTE.2019.2907613.


18. J. Kim and Y. Dvorkin, "Enhancing distribution system resilience with mobile energy storage and microgrids," IEEE Transactions on Smart Grid, vol. 10, pp. 4996-5006, 2018, doi: 10.1109/TSG.2018.2872521.


19. Y. Wang, A. O. Rousis, and G. Strbac, "Resilience-driven optimal sizing and pre-positioning of mobile energy storage systems in decentralized networked microgrids," Applied Energy, vol. 305, p. 117921, 2022. doi:10.1016/j. apenergy.2021.117921.


20. A. Srivastava, S. R. Kuppannagari, R. Kannan, and V. K. Prasanna, "Minimizing cost of smart grid operations by scheduling mobile energy storage systems," IEEE Letters of the Computer Society, vol. 2, pp. 20-23, 2019. doi:10.1109/locs.2019.2931967.


21. M. Tavakoli, F. Shokridehaki, M. F. Akorede, M. Marzband, I. Vechiu, and E. Pouresmaeil, "CVaR-based energy management scheme for optimal resilience and operational cost in commercial building microgrids," International Journal of Electrical Power & Energy Systems, vol. 100, pp. 1-9, 2018. doi:10.1016/j.ijepes.2018.02.022.


22. M. Nick, R. Cherkaoui, and M. Paolone, "Optimal planning of distributed energy storage systems in active distribution networks embedding grid reconfiguration," IEEE Transactions on Power Systems, vol. 33, pp. 1577-1590, 2017. doi:10.1109/ TPWRS.2017.2734942.


23. A. S. Awad, T. H. El-Fouly, and M. M. Salama, "Optimal ESS allocation for benefit maximization in distribution networks," IEEE Transactions on Smart Grid, vol. 8, pp. 1668-1678, 2015. doi:10.1109/TSG.2015.2499264.


24. M. R. Sheibani, G. R. Yousefi, and M. A. Latify, "Stochastic price based coordinated operation planning of energy storage system and conventional power plant," Journal of Modern Power Systems and Clean Energy, vol. 7, pp. 1020-1032, 2019, doi: 10.1007/s40565-019-0534-5.


25. M. R. Sheibani, G. R. Yousefi, and M. A. Latify, "Economics of energy storage options to support a conventional power plant: A stochastic approach for optimal energy storage sizing," Journal of Energy Storage, vol. 33, p. 101892, 2021. doi:10.1007/s40565-019-0534-5.


26. M. R. Sheibani, G. R. Yousefi, H. Raoufi, and N. Moslemi, "Modeling the Energy Storage Systems in the Power System Studies," in Synergy Development in Renewables Assisted Multi-carrier Systems, ed: Springer, 2022, pp. 497-517. doi: 10.1007/978-3-030-90720-4_18.


27. A. Gholami, T. Shekari, F. Aminifar, and M. Shahidehpour, "Microgrid scheduling with uncertainty: The quest for resilience," IEEE Transactions on Smart Grid, vol. 7, pp. 2849-2858, 2016. doi: 10.1109/TSG.2016.2598802.