اندازه بهینه سیستم های ذخیره انرژی باتری با توجه به عملکرد تعاونی با اجزای میکروگرید

سیستم های ذخیره انرژی باتری (BESSS) مؤلفه های اصلی در مدیریت کارآمد منبع تغذیه و تقاضا در میکروگریدها هستند. با این حال ، BESSS در هزینه های سرمایه گذاری و عمر عملیاتی خود دارای مشکلات است و بنابراین ، اندازه بهینه BESSS یکی از الزامات مهم در طراحی و مدیریت میکروگریدها است. در این مقاله یک چارچوب مشکل و روش راه حل آن ارائه شده است که با توجه به عملیات تعاونی آنها با سایر مؤلفه ها ، اندازه بهینه Besss را در یک میکروگرید محاسبه می کند. چارچوب پیشنهادی به عنوان یک مشکل بهینه سازی دو سطح فرموله شده است. با این حال ، بر اساس رویکرد Karus h-Kuh n-Tucker ، به عنوان نوعی مشکل برنامه ریزی عملیات در نظر گرفته می شود. در نتیجه ، تکنیک های توسعه یافته برای تعیین برنامه عملکرد قابل اجرا می شوند. در این مقاله ، یک الگوریتم ترکیبی از بهینه سازی swarm ذرات باینری و برنامه نویسی درجه دوم به عنوان اساس روش راه حل انتخاب می شود. اعتبار پیشنهاد نویسندگان از طریق شبیه سازی های عددی و بحث در مورد نتایج آنها تأیید می شود.

1. معرفی

میکروگریدها چارچوبی از شبکه های برق هوشمند هستند که یک گروه بومی شده از منابع برق و بارهای الکتریکی را مدیریت می کنند ، که می تواند در هر دو شبکه متصل و جدا شده به شبکه های انرژی فله ای کار کند [1،2،3]. در ارتباط با رشد در نصب سیستم های متغیر متغیر مبتنی بر انرژی تجدید پذیر (VRES) ، میکروگریدها از نظر استفاده کارآمد از منابع انرژی تجدید پذیر (RESS) به عنوان برخی از واقعی ترین و پایدارترین شبکه های برق بسیار انتظار می رود. در حقیقت ، مطالعات و تحولات گسترده ای برای بهبود عملکرد آنها از اوایل دهه 2000 انجام شده است [4،5] ، و آزمایش های میدانی نمایشی به طور فعال انجام می شود [6،7].

به طور کلی ، مؤلفه های یک میکروگرید به یک مؤلفه قابل کنترل و غیرقابل کنترل طبقه بندی می شوند. نوع قبلی شامل سیستم های تولید برق قابل کنترل (CGS) و سیستم های ذخیره انرژی باتری (BESSS) است. در همین حال ، نوع دوم شامل بارهای الکتریکی و VRE ها است که می تواند به عنوان یکی از مؤلفه های غیرقابل کنترل جمع شده در عملیات میکروگرید درمان شود. این بار خالص است. اپراتورهای میکروگرید با تکیه بر پروفایل های فرضی اجزای غیرقابل کنترل (یا مشخصات فرضی بار خالص) از قبل برنامه ای از اجزای قابل کنترل را تهیه می کنند و برنامه را با بازتاب رفتار واقعی بار خالص تنظیم می کنند. در این فرآیند ، BESSS نقش بسیار مهمی را به عهده می گیرد که با استفاده از عملکرد شارژ یا تخلیه آنها ، مازاد یا کمبود در میکروگرید را جبران می کند ، علاوه بر کمک به کاهش هزینه های عملیاتی و تراشیدن اوج [8،9،10،111]. در مقابل ، BESSS ، همانطور که به خوبی شناخته شده است ، در هزینه های سرمایه گذاری و طول عمر عملیاتی خود مشکلی دارند و اینها تنگنا در طراحی و مدیریت میکروگرید ایجاد می کنند. به همین دلایل ، محاسبه اندازه بهینه BESSS با توجه به برنامه عملیاتی پس از نصب BESS ، با وجود مشکلات در برنامه ریزی عملیات ، به یک نیاز اساسی تبدیل می شود [12،13،14].

با تمرکز بر روی CGS ، برنامه ریزی عملکرد آنها به عنوان یک مشکل برنامه نویسی عدد صحیح (MIP) که ترکیب مشکلات تعهد واحد (UC) و اعزام بار اقتصادی (ELD) است ، تدوین می شود. از آنجا که در اصل همان مشکل U C-ELD برای واحدهای تولید انرژی حرارتی در شبکه های برق فله است ، تکنیک های راه حل آنها قابل استفاده است. از نظر تاریخی ، الگوریتم های بهینه سازی سنتی ، به عنوان مثال ، شاخه و محدود (BB) [15،16] و برنامه نویسی پویا (DP) [17،18] ، برای روش های راه حل مشکلات UC-ELD استفاده شده است. الگوریتم های بهینه سازی هوشمند ، که شامل الگوریتم های ژنتیکی (GAS) [19] ، بازپرداخت شبیه سازی شده (SA) [20،21] و بهینه سازی swarm ذرات (PSO) [22،23] است ، برای مشکلات نیز اتخاذ می شوند. اگرچه از الگوریتم های مختلفی استفاده شده است ، اما هنوز هیچ مشکلی برای مشکلات U C-ELD و همچنین مشکلات برنامه ریزی عملکرد CGS وجود ندارد.

در میکروگریدها ، VRES و BESS بخش قابل توجهی در منبع برق دارند و ما نمی توانیم تأثیرات آنها را در عملکرد متعادل کننده منبع تغذیه و تقاضا فراموش کنیم. VRE ها ، که خروجی های آن به شدت به شرایط آب و هوایی بستگی دارد ، عدم اطمینان را در مشخصات فرض شده بار خالص افزایش می دهد. BESSS انعطاف پذیری در عملیات میکروگرید را افزایش می دهد. با این حال ، آنها متغیرهای اضافی را در مشکلات برنامه ریزی عملیاتی قرار می دهند ، که حاکی از حالتهای عملیاتی آنها است. از این رو مشکلات برنامه ریزی عملیاتی پیچیده تر از مواردی است که ما فقط با مشکل U C-ELD برخورد می کنیم [24،25،26،27،28]. به طور مشابه ، اندازه بهینه BESS غالباً به طور جداگانه از برنامه ریزی بهینه مورد بحث قرار می گیرد ، علیرغم این واقعیت که اندازه و عملکرد BESS تأثیراتی بر یکدیگر دارد.

نویسندگان یک چارچوب مشکل و روش راه حل آن را پیشنهاد می کنند که اندازه بهینه BESS را محاسبه می کند ، ضمن تعیین برنامه عملکرد بهینه اجزای قابل کنترل در یک میکروگرید. برای تأکید بر تعامل متقابل در اندازه بهینه و برنامه ریزی بهینه عملکرد ، چارچوب پیشنهادی به عنوان یک مشکل بهینه سازی دو سطح تدوین می شود. با این حال ، در فرآیند راه حل ، مشکل به عنوان نوعی مشکل بهینه سازی استاندارد تحت شرایط Karus h-Kuh n-Tucker (KKT) در نظر گرفته می شود. در روش راه حل ، یک الگوریتم ترکیبی از بهینه سازی ذرات باینری (BPSO) و برنامه نویسی درجه دوم (QP) ، که BPS O-QP است [23،28] ، در چارچوب مشکل اعمال می شود. این الگوریتم در ابتدا برای مشکلات برنامه ریزی عملیات پیشنهاد شده است ، اما در این مقاله ، هم اندازه بهینه BESSS و هم برنامه عملکرد بهینه میکروگرید تحت مشخصات فرضی بار خالص را ارائه می دهد. با استفاده از برنامه BPS O-QP ، می توانیم تأثیرات جستجوی تصادفی BPSO را در فرآیند تولید نامزدهای UC CG ها بومی سازی کنیم. از طریق شبیه سازی های عددی و بحث در مورد نتایج آنها ، اعتبار چارچوب پیشنهادی و سودمندی روش راه حل آن تأیید می شود.

2. فرمولاسیون مشکل

همانطور که در شکل 1 نشان داده شده است ، در اجزای میکروگرید چهار نوع وجود دارد: (1) CGS ، (2) BESSS ، (3) بارهای الکتریکی و (4) VRES. بارهای قابل کنترل را می توان به عنوان نوعی BESSS در نظر گرفت. CG ها و BESS ها قابل کنترل هستند ، در حالی که بارهای الکتریکی و VRE ها غیرقابل کنترل هستند که می توانند به عنوان بار خالص جمع شوند. برنامه ریزی عملیات میکروگریدها به عنوان مشکل تعیین مجموعه ای از زمان های راه اندازی/خاموش کردن CG ها ، سهام خروجی آنها و حالت شارژ/تخلیه BESSS نشان داده شده است. در مشکلات برنامه ریزی ، ما به طور معمول این فرض را تعیین می کنیم که مشخصات CGS و BESSS ، همراه با پروفایل بارهای الکتریکی و خروجی های VRE ، آورده شده است.

اگر منبع تغذیه و تقاضا نتواند متعادل نباشد ، پرداخت اضافی ، که مجازات عدم تعادل است ، برای جبران عدم تعادل حاصل از قدرت در میکروگریدهای شبکه و یا قطع نتیجه در میکروگریدهای مستقل لازم است. از آنجا که مجازات عدم تعادل بسیار گران است ، اپراتورهای میکروگرید قدرت ذخیره را برای جلوگیری از پرداخت های اضافی غیر منتظره تأمین می کنند. این به همین دلیل است که حاشیه عملیاتی CGS و BESSS در برنامه ریزی عملیات تأکید می شود. علاوه بر این ، حاشیه عملیاتی BESSS به شدت به اندازه آنها بستگی دارد و بنابراین ، با توجه به هزینه های سرمایه گذاری آنها و کمک های نصب آنها ، از نظر بسیار مهم برای محاسبه اندازه مناسب BESSS لازم است.

برای ساده کردن بحث ، نویسندگان عمدتاً روی یک میکروگرید مستقل تمرکز می کنند و BESS را به عنوان یک بسس جمع می کنند. متغیرهای بهینه سازی به این صورت تعریف می شوند: