بخشی از مقاله
چکیده
افزایش زیاد منابع انرژی توزیع شده، به خصوص در شبکه های توزیع شده، مدیریت منابع موجود را کمی پیچیده می کند. زمانبندی منابع انرژی توزیع شده در گریدهای هوشمند چالش جدیدی را ایجاد کرده است. درواقع منبع مهمی از ناکارآمدی در گریدهای هوشمند، درست استفاده نکردن از ظرفیت تولیدی است. این به دلیل این است که درخواست مصرف انرژی در ساعات اوج بار بسیار بیشتر از ساعات کم باری است. ما در اینجا الگوریتمی ارائه می دهیم که مصرف انرژی در ساعات اوج بار را به ساعات کم باری منتقل می کند، با در نظر گرفتن این که ساعات کم باری به اوج بار تبدیل نشود.هدف ما در اینجا کاهش هزینه پرداختی مصرف کنندگان است.
تطابق منبع و درخواست نیز همیشه یک چالش مهم در طراحی شبکه های الکتریکی بوده است. بنابراین ما می خواهیم با زمانبندی مصرف انرژی، به همه درخواست ها پاسخ دهیم بی آنکه منبع جدیدی اضافه کنیم. راهکار پیشنهادی ما مبتنی بر الگوریتم بهینه سازی ژنتیک و PSO می باشد. نتایج آزمایش ها نشان می دهد که هزینه مصرف کنندگان نسبت به عدم اجرای الگوریتم پیشنهادی، کاهش یافته است.
.1مقدمه
زمانبندی مصرف انرژی یکی از تکنیک های کلیدی در سیستم های گرید هوشمند محسوب می شود. هدف آن ماکزیمم کردن بهره وری کل سیستم از شبکه برق - انرژی - است. اهمیت انرژی و ساختار تحویل آن به بشر بر کسی پوشیده نیست. موجود بودن منابع، مشخص می کند که تولید انرژی حجیم مانند برق باید متمرکز شود در حالیکه مصرف کنندگان به شدت توزیع شده هستند. بنابراین یک شبکه توزیع و انتقال بسیار پیچیده ای برای تحویل انرژی نیاز است.[16]
تکنولوژی گرید هوشمند ارتباط دو طرفه بین منبع انرژی و انواع مختلف مصرف کنندگان را فراهم می کند. بعضی از ارتباطات دو طرفه ممکن است توسط یک مصرف کننده آگاه استفاده شود تا پروفایل مصرف انرژی اش را بهینه کند یا هزینه انرژی را کاهش دهد.[8] یک فرایند معمول در شبکه های انرژی مطابقت دادن انرژی با درخواست ها است.که فرآیندی چالش برانگیز است زیرا درخواست ها در زمان های مختلف متفاوت است. شبکه انرژی نیاز دارد تا تولید، انتقال و ظرفیت های توزیع کافی را برای درخواست ها در ساعات اوج بار نسبت به ساعات متوسط بار تهیه کند. در نتیجه شبکه انرژی یک فاکتور بار پایینی دارد و در اکثر مواقع به درستی مورد استفاده قرار نگرفته است. که بسیار هزینه بر است.
تطابق دادن مصرف ها و درخواست ها برای کاهش اوج بار و نرم کردن تغییرات می توان کارایی سیستم انرژی را بسیار بهبود داد و ذخیره عظیمی داشت.[ 9] یک استراتژی جایگزین برای بهبود کارایی و کاهش هزینه، تطابق فرآورده ها - انرژی - است. به نسبت منابع جدید مانند نیروی خورشیدی و باد که در حال افزایش هستند، منبع انرژی همچنین با زمان تغییر می کند. تطابق انرژی با درخواست ها یک راه معمول و موثر خواهد بود تا کارایی سیستم انرژی را بهبود و هزینه انرژی را کاهش دهد.[9]
این واقعیت غیر قابل انکار است که منبع کارا و قابل اطمینان نیروی برق در زندگی روزمره ما ضروری است و سیستم های انرژی مدرن از تکنولوژی اطلاعات فوایدی به دست می آورد تا خود را هوشمند تر بسازد. از نظر مصرف کنندگان، گرید هوشمند انرژی را ذخیره، هزینه را کاهش و قابلیت اطمینان را بهبود می دهد.[13] ما در این مقاله می خواهیم با زمانبندی بهینه انرژی از ظرفیت منابع موجود حداکثر استفاده را ببریم.
تطابق منبع و درخواست های مصرف کنندگان همیشه یک چالش مهم در شبکه های الکتریکی محسوب می شود. در واقع با زمانبندی درست به همه درخواست ها پاسخ می دهیم بی آنکه منبع جدیدی اضافه شود. برای اینکار باید درخواست ها را مدیریت کرد و با انگیزه دادن به مصرف کنندگان، خود تشویق شوند که در ساعات اوج مصرف، از وسایل برقی کمتری استفاده کنند و آنها را به ساعات کم مصرف یا متوسط مصرف انتقال دهند. با اینکار ما می توانیم با همین ظرفیت های منابع انرژی مصرف را در اوج بار مدیریت کنیم. از طرفی مصرف کنندگان هزینه کمتری را پرداخت می کنند. پس اهداف اصلی را به صورت زیر بیان می کنیم:
· بهره وری کامل از انرژی محدود منابع
· انجام به موقع همه وظایف با زمانبندی درست و بهینه انرژی
· بهینه کردن مصرف در ساعات اوج بار
· کاهش هزینه پرداختی مصرف کنندگان
در این مقاله ما بر روی کاهش هزینه پرداختی کاربران تمرکز داریم که با محقق شدن این هدف به بقیه اهداف نیز می رسیم.
ب - مقاوم بودن د - حریم خصوصی
الگوریتم ارائه شده در این مقاله را با الگوریتم بهینه سازی ترکیبی GA/PSO پیاده سازی می کنیم. در بخش 2 از این مقاله ابتدا تعاریف اولیه موردنیاز برای زمانبندی مصرف انرژی و سپس الگوریتم بهینه سازی GA/PSO در حالت کلی شرح داده می شود. کارهای پیشین در بخش 3 بررسی می شود. در بخش 4 روش پیشنهادی شرح داده می شود. در بخش 5 نتایج شبیه سازی ارائه می شود. و در نهایت در بخش نتیجه گیری، یک جمع بندی از روش پیشنهادی و کارهای آتی انجام می شود.
.2تعاریف اولیه
در این بخش مفاهیم اولیه موردنیاز برای زمانبندی مصرف انرژی در گرید هوشمند بیان می شود. اصطلاح گرید هوشمند 1 اشاره دارد به یک سیستم تحویل برق مدرنیزه که نظارت می کند، محافظت می کند و به صورت خودکار عملکرد اجزای متصل به خودش را از مرکز و ژنراتور توزیع شده گرفته تا شبکه انتقال ولتاژ بالا و سیستم توزیع شده تا کاربران صنعتی و سیستم های خودکار ساختمان تا تاسیسات ذخیره سازی انرژی و تا مصرف کنندگان نهایی و وسایل برقی خانه هایشان، بهینه می کند.[15]
یک سیستم بی درنگ، سیستمی است که درستی محاسباتش نه تنها به درستی منطقی اجرای آن بلکه به خط زمانی که نتایج تولید می شوند، نیز بستگی دارد. برای درست عمل کردن، باید نتایج درست را در زمان مشخص یا قبل از اتمام مهلتش تولید کند و اگر چنین نباشد سیستم ناتوان محسوب می شود.[14] زمانبندی انرژی بهره وری کلی سیستم را از شبکه انرژی ماکزیمم می کند. بی درنگ بودن آن یعنی وظایف بتوانند انرژی مورد نیازشان را قبل از اتمام مهلتشان بدست آورند.
الگوریتم بهینه سازی ترکیبی GA/PSO
هوش جمعی خاصیتی است سیستماتیک که در این سیستم، عامل هابه طور محلی با هم همکاری می نمایند و رفتار جمعی تمام عامل ها باعث یک همگرایی در نقطه ای نزدیک به جواب بهینه سراسری میشود نقطه قوت این الگوریتم عدم نیاز به یک کنترل سراسری میباشد . هر ذره - عامل - در این الگوریتم ها خود مختاری نسبی داردکه می تواند در سراسر فضای جواب ها حرکت کند و می بایست با سایرذرات - عامل ها - همکاری داشته باشد. دو الگوریتم مشهور هوش جمعی، بهینه سازی جرگه مورچگان و بهینه سازی توده ذرات می باشند..[12]
بزرگترین مشکل PSO استاندارد این است که سبب می شود در حل مسائل چند قله ایی با فضای حالت بزرگ ناتوان باشد بنابراین PSO راهکاری برای خروج از بهینه محلی ارائه نمی دهد. تنظیم رفتار ذرات به این معنی است که با استفاده ازالگوریتم ژنتیک در هر گام تعیین میگردد که ذرات به مسیر فعلی ادامه دهند و یا به دنباله روی از بهترین ذرات پیدا شده تا کنون بپردازند. در الگوریتم حرکت دسته جمعی ذرات استاندارد، در محاسبه سرعت ذره در گام بعد، کل سرعت فعلی ذره محاسبه میشود. در واقع سرعت ذره در هر گام از دو قسمت تشکیل میشود که قسمت اول سرعت فعلی ذره و قسمت دوم مربوط به دنبال کردن بهترین تجربه شخصی و بهترین تجربه گروه است. بدون قسمت دوم الگوریتم حالت یک جستجوی سراسری کورکورانه را خواهد داشت.
.3کارهای پیشین
»مرجع «...[1] یک مدل زمانبندی انرژی متغیر برای سیستم های گرید هوشمند محلی2 ارائه دادند که یک منبع انرژی و چندین مصرف کننده انرژی در آن در نظر گرفتند. وظایف مصرف کنندگان انرژی را به دو دسته تقسیم کردند : وظایف پس زمینه متغیر و وظایف پویای قطعی. هدف آنها زمانبندی مصرف انرژی وظایف پویا بود تا بهره وری مورد انتظار سیستم را تحت محدودیت های تولید و مصرف انرژی بالا ببرند.
یک سیستم گرید هوشمند با یک منبع انرژی و N مصرف کننده در نظر گرفتند و سیکل زمانی را به H اسلات تقسیم کردند که h=24 معادل با 24 ساعت شبانه روز. آنها برای اینکه سایز مسئله را کم کنند و مسئله را قابل اجرا کنند از بهینه سازی رولینگ هریزن استفاده کردند. بهینه سازی رولینگ هریزن یک متد تجزیه ای برای مسائل بهینه سازی بزرگ است که مسئله را به پنجره های کوچک تقسیم می کند و تابع هدف اصلی مسئله و محدودیت ها را به پنجره ها منتقل می کند. علت استفاده آنها از این روش، پیچیدگی محاسباتی کمتر بوده است. سپس از تقریب گاوسی استفاده کردند تا محدودیتهای احتمالی را به محدودیتهای خطی تبدیل کنند.
آنها یک الگوریتم توزیع شده ارائه دادند و اهداف استفاده آن را چنین بیان کردند: الف - محاسبات ج - ارتباطات »مرجع «... [3] از توزیع اقتصادی short term استفاده کردند. منابع انرژی توزیع شده، تعداد متغیرهایی که باید در مسئله در نظر گرفته شود را افزایش می دهد. این مسئله به عنوان یک mixed-integer غیر خطی طبقه بندی می شود. هدف آنها پیدا کردن پاسخی سریع برای مسائل بهینه سازی با متغیرهای مختلف و مینیمم کردن هزینه های عملیاتی بود.
»مرجع «... [4] متدولوژی جدیدی برای حل مسئله بهینه سازی زمانبندی انرژی به نام PSO سیگنال شده یاSiPSO3 ارائه دادند. روش پیشنهادی نسبت به PSO همگرایی سریعتر، مقاومت بهتر و زمان اجرای کمتری داشت. در این مقاله یک ذره، مجموعه ای از یک یا جند متغیر مسئله است. اصلی ترین ویژگی این روش بر پایه ارتباط بین سطح ارزیابی ذرات و فرآیندSiPSO است. وقتی یک راه حل داده شده ارزیابی می شود ممکن است نتیجه گرفته شود که تغییر متغیرهای خاصی در یک جهت خاص - velocity - ممکن است برازش راه حل را بهبود دهد. این مکانیزم اجازه تنظیم هوشمندانه محدودیت های velocity را می دهد که در ابتدا مقداردهی شده است. در PSO کلاسیکvelocity در ابتدا تنظیم می شد و در طول فرآیند تغییری نمی کرد.
»مرجع «... [2] یک سیستم مدیریت انرژی توزیع شده ارائه دادند که از نظریه بازیها استفاده کردند و یک بازی زمانبندی مصرف انرژی ارائه دادند که بازیکنان مصرف کنندگان هستند و استراتژی هایشان زمانبندی روزانه وسایل خانگی شان است. تعرفه قیمت در ساعات مختلف روز متفاوت در نظر گرفته می شود. هدف آنها مینیمم کردن هزینه انرژی برای کاربران است. برای مدیریت مصرف مسکونی4 معمولا دو هدف بیان می شود: کاهش مصرف و انتقال مصرف. هدف اول در اینجا بررسی نمی شود. اما برای رسیدن به هدف دوم راه حل کاربردی نیاز است تا وسایل برقی خانگی را از ساعات پرمصرف به ساعات کم باری منتقل کنند. که در نتیجه آن، نرخ اوج بار کاهش یابد در واقع با قیمت گذاری مختلف به کاربران انگیزه می دهند تا که مصرفشان را در ساعات اوج بار به ساعات کم باری که نرخ پایین تری دارد منتقل کند.
»مرجع «... [6] یک الگوریتم قیمت گذاری کارایی را ارائه دادند تا این مسئله را حل کنند. سودی که هر کاربر از استفاده از هر وسیله می برد را در یک تابع utility مدل کردند - برگرفته از مفهوم . - microeconomic آنها یک مکانیزم بر پایه VCG5 ارائه دادند تا Social welfare را ماکزیمم کنند. Social welfare یعنی تابع utility همه کاربران منهای هزینه کل انرژی. »مرجع «... [5] یک سوم شخصی در نظر گرفتند تا مصرف انرژی گروهی از کاربران را مدیریت کند و مسئله زمانبندی انرژی را به عنوان یک مسئله بهینه سازی چند هدفه محدودCOMP 6 فرموله کردند.اهداف بهینه سازی آنها مینیمم کردن هزینه مصرف انرژی و ماکزیمم کردن یک سود خاص بوده است.
»مرجع «... [7] برای مینیمم کردن نرخ اوج بار روشی را ارائه دادند که کاربران از باتری استفاده کنند بدین صورت که در ساعات کم باری باتری های خود را شارژ کنند و در ساعات اوج مصرف از باتری های خود استفاده کنند. همچنین آنها یک الگوریتم توزیع شده ای را ارائه دادند که با استفاده از نظریه بازی ها، هر کاربر سعی می کند تا هزینه کلی انرژی اش را مینیمم کند. آنها نشان دادند که الگوریتم پیشنهادی شان همزمان نرخ اوج بار و هزینه کل انرژی را مینیمم می کند.
.4روش پیشنهادی
تطابق منبع و درخواست همیشه یک چالش مهم در طراحی شبکه های الکتریکی بوده است.[10] بنابراین ما می خواهیم با زمانبندی مصرف انرژی، به همه درخواست ها پاسخ دهیم بی آنکه منبع جدیدی اضافه کنیم. در این مقاله ما می خواهیم از انتقال هوشمند استفاده کنیم. هدف ما کاهش هزینه پرداختی کاربران است. از طرفی نرخ استفاده از انرژی در ساعات مختلف شبانه روز متفاوت است. یعنی در ساعات اوج بار بیشتر از ساعات کم باری است.
بنابراین اگر ما وسایل غیر ضروری را که می توان آنرا در ساعات کم باری هم استفاده کرد، را از اوج بار به کم باری منتقل کنیم، هزینه مصرف انرژی کاهش می یابد. بدلیل کاهش هزینه پرداختی، مصرف کنندگان انگیزه پیدا می کنند که وسایلشان را به ساعات کم باری که نرخ قیمت کمتری دارد، منتقل کنند و ساعات کم باری به اوج بار تبدیل شود ولی هزینه انرژی به صورت غیرواقعی کاهش یابد. بنابراین ما در اینجا روشی را پیشنهاد می کنیم که این انتقال هوشمندتر انجام شود.یعنی قبل از اینکه وسایل را انتقال دهند ابتدا چک کند که ساعت مقصد ظرفیت پذیرش وسیله جدیدی را دارد که به اوج بار هم تبدیل نشود؟
مدل پیشنهادی ما در شکل 1 نشان داده شده است. در محیط گرید هوشمند یک منبع انرژی و چندین مصرف کننده وجود دارد که تحت یک LAN به هم متصل هستند. هر کاربر مجهز به یک وسیله ای به نام کنترل کننده مصرف انرژی ECC7 هست که مصرف انرژی هر کاربر را اندازه می گیرد که همه آنها به یک متر هوشمند8 متصل هستند. کاربران درخواست هایشان را به همراه زمان استفاده از وسایلشان را به متر هوشمند می دهند، سپس متر هوشمند آنرا به زمانبند می دهد که طبق الگوریتم ارائه شده، بهترین زمانبندی را برای هر کاربر مشخص می کند و سپس توزیع کننده، توزیع انرژی را مطابق درخواست ها و اجرای الگوریتم، انجام می دهد.
