بخشی از مقاله
چکیده
خودروهای برقی علاوه برآنکه مصرف کنندهی انرژی الکتریکیاند میتوانند با دشارژ انرژی از باتری خود به عنوان تولید کنندهی انرژی نیز در ریزشبکهها مطرح گردند. مدیریت مقدار و زمان شارژ و دشارژ باتری خودروها، به عنوان سیستمهای ذخیره انرژی سیار در ریزشبکهها، دارای اهمیت ویژهای است. در این مقاله تاثیر برنامهریزی بهینهی شارژ و دشارژ باتری خودروها و استفاده از روشهای پاسخگویی بار - DR - بر کاهش هزینه بهرهبرداری و تصحیح منحنی بار از دید شبکه بالادستی مورد بررسی قرار گرفته است.
برای این کار از الگوریتم ژنتیک برای بررسی سه حالت بهرهبرداری ریزشبکه استفاده شده است. در حالت اول ریزشبکه بهعنوان بار متغیر از دید شبکه بالادستی در نظر گرفته شده است. در حالت دوم با فرض امکان تبادل دوطرفه توان بین ریزشبکه و شبکه بالادستی، ریزشبکه میتواند هم به عنوان مولد و هم بار عمل نماید. در حالت سوم علاوه بر امکان تبادل توان، روشهای پاسخگویی بار نیز إعمال شده است.
در همهی حالات مورد بررسی از شبکه عصبی مبتنی بر شعاع - RBFN - برای پیش بینی توان خروجی از پنلهای خورشیدی استفاده شده است. نتایج شبیهسازی حاکی از کارایی الگوریتم پیشنهادی در کمینه کردن هزینه بهرهبرداری ریزشبکه و تصحیح منحنی بار شبکه بالادستی میباشد. بنابراین این مقاله نقش مدیریت بهینه خودروهای برقی در کنار پاسخگویی بار را برای ارتقای همزمان منافع مالکان ریزشبکه و بهرهبرداران شبکه سراسری اثبات میکند.
مقدمه
ریز شبکه یک سیستم توزیع با سطح ولتاژ پایین است که شامل منابع تولید پراکنده - - DG1، بارهای محلی، سیستم نظارت و کنترل میباشد و بطورکلی از دیدگاه شبکه بالادستی یک بار قابل کنترل محسوب میگردد - - Chowdhury et al, 2009 .با توسعه ریزشبکهها سیستمهای ذخیره انرژی و برنامهریزی آنها به دلایل اقتصادی و فنی از اهمیت ویژهای برخوردار شدند و در جهت کاهش هزینه ریزشبکه - Chen et al, 2011; Sortomme and El-Sharkawi, 2009 - ، شرکت در برنامههای پاسخگویی بار - Spees and - DR2 - Lave, 2007 - ، تامین خدمات جانبی - - Rebours et al, 2007، افزایش قابلیت اطمینان - - Mitra, 2010 وکاهش ریسک - Dukpa - et al, 2010 مورد برنامهریزی قرار گرفته اند. با این حال به دلیل بالا بودن قیمت، سیستمهای ذخیره انرژی در ریزشبکههای واقعی کمتر مورد بهرهبرداری قرار گرفته اند. با رشد روز افزون خودروهای برقی در سیستم حمل و نقل ایدهی استفاده از باتری خودروهای برقی به عنوان سیستمهای ذخیره انرژی سیار - - MESS3 قوت گرفت و باعث شد از باتری خودروهای برقی به عنوان MESS در راستای اهداف اقتصادی، فنی و مسائل محیط زیستی بهرهبرداری شود.
برنامهریزی نامناسب مقدار انرژی و زمان شارژ و دشارژ سیستمهای ذخیره انرژی باعث افزایش هزینه در ریزشبکهها و ایجاد تغییراتی نامطلوب در منحنی بار ریزشبکه و در نتیجه منحنی بار از دید شبکه بالادستی میگردد - Jian et al, 2013 - بنابراین برنامهریزی شارژ و دشارژ سیستمهای ذخیره انرژی در خودروهای برقی از اهمیت ویژهای برخودار است.
در پژوهشهای انجام شده تعداد بهینه تجهیزات لازم برای شارژ و دشارژ خودروهای برقی - Chen and Duan, 2014 - ، برنامهریزی PHEV4ها به عنوان MESS در جهت اهداف اقتصادی - Saber and Venayagamoorthy, 2010 - ، تامین و تنظیم توان اکتیو و پر کردن درههای منحنی بار ریزشبکه - - Shireen and Patel, 2010، کاهش ارتفاع قله در ساعات پیک - Kintner-Meyer et al, - 2007، تامین خدمات جانبی همچون کنترل فرکانس و تامین رزرو چرخان - Guille and Gross, 2009; Kempton and - Tomic, 2005 Wirasingha et al, 2008، بهبود مسائل فنی مانند افزایش بازدهی، قابلیت اطمینان و افزایش پایداری - - Srivastava et al, 2010 و همچنین مسائل محیط زیستی - - Saber and Venayagamoorthy, 2011 مورد بررسی قرار گرفته اند.
با وجود مطالعات گستردهای که روی برنامهریزی شارژ و دشارژ PHEVها در ریزشبکهها از لحاظ اقتصادی و فنی صورت گرفته است ولی توجه کمتری به استفاده از روشهای پاسخ گویی به بار - - DR هنگام برنامهریزی بهینهی اقتصادی شارژ و دشارژ PHEVها در ریزشبکهها، برای تصحیح منحنی بار ریزشبکه از دید شبکه بالادستی و در نتیجه کمک به اصلاح منحنی بار شبکه بالادستی صورت گرفته است.
در این مقاله علاوه بر برنامهریزی بهینهی مقدار انرژی و زمان شارژ و دشارژ باتری PHEVها از لحاظ اقتصادی، با استفاده از روشهای پاسخگویی به بار مبتنی بر تشویق به اصلاح منحنی بار ریزشبکه از دید شبکه بالادستی ودر نتیجه تاثیر مثبت بر ساختار بار پرداخته شده است.
در ابتدا با برنامه ریزی بهینهی مقدار انرژی و زمان شارژ و دشارژ PHEVها علاوه بر پر کردن درههای منحنی بار ریزشبکه از دید شبکه بالادستی در ساعات کم باری، هزینهی بهره برداری از ریزشبکه به حداقل رسانده شده است.سپس با فرض امکان تبادل دوطرفه توان بین ریزشبکه و شبکه بالادستی با برنامهریزی بهینهی مازاد ظرفیت تولید DGها در ریزشبکه و فروش آن به شبکه بالا دستی علاوه بر کمک به شبکه بالادستی در پاسخ به تقاضا، منفعت اقتصادی بیشتر برای ریزشبکه حاصل گردیده است و در آخر با استفاده از کنترل مستقیم بار - از روشهای پاسخگویی به بار مبتنی بر تشویق - در ریزشبکه علاوه بر کاهش ارتفاع قلهی منحنی بار ریزشبکه از دید شبکه بالادستی هزینهی تامین بار در ریزشبکه نیز کاهش داده شده است.
در بخش2 به توصیف اجزای تشکیل دهنده ریزشبکه و مدل سازی آنها برای انجام بهینهسازی پرداخته شده است. در بخش3 مراحل بهینهسازی، شرایط مختلف حاکم بر ریزشبکه، تابع هدف، قیود و روش بهینهسازی توضیح داده شده است.در بخش4 پس از بیان اطلاعات مربوط به مورد مطالعاتی نتایج شبیه سازی ارائه گردیده است.در بخش 5 نتایج حاصله از شبیهسازی مورد بحث و تحلیل قرار گرفته است و در بخش6 نتیجهگیری کلی از مباحث بخشهای قبل مطرح شده است.
توصیف اجزای ریزشبکه
براساس - Chen and Duan, 2014 - ریزشبکه مفروض بهصورت یک ساختمان اداری مطابق شکل 1 همراه با منابع تولید پراکنده شامل پیلسوختی، سیستم خورشیدی و میکروتوربین گازی است که در آن یک سیستم مدیریت انرژی برای بهینه سازی جریان انرژی بین منابع تولید پراکنده، خودروهای برقی، شبکه بالادستی و بار ریزشبکه در جهت حداقل کردن هزینهها در نظر گرفته شده است.
منابع تولید پراکنده
مجموع هزینهها برای DGها شامل هزینه نصب و راهاندازی Cinvi ، هزینه سوخت Cfueli ، هزینه تعمیر و نگهداری Comi و هزینههای محیط زیستی Cexti میباشد که قیمت پیشنهادی این منابع تولید با توجه به موارد بالا برای هر ساعت به صورت زیر تعیین می گردد.
Ci =Cinv + Cfueli + Comi + Cexti - 1 -
هزینه سوخت و هزینههای محیط زیستی برای منابع تولید پراکنده تجدید پذیر صفر است.
سیستم انرژی خورشیدی
توان خروجی از سیستم های فتوولتایئک به شدت متاثر از تابش خورشید و سایر عوامل محیطی می باشد. این تاثیر پذیری به صورت عدم قطعیت در توان خروجی از این سیستم ها ظاهر می شود که باعث می شود پیش بینی توان خروجی از سیستم های فتوولتایئیک نقش کلیدی در برنامه ریزی بهینه ریز شبکهها و سیستمهای توزیع امروزی بازی میکند.در این مقاله با استفاده از شبکه عصبی مبتنی بر شعاع که از سه لایهی ورودی، پنهان و خروجی تشکیل می شود عملیات پیش بینی صورت گرفته شده است
لایهی ورودی شامل مقادیر عددی نرمال شدهی تابش، دما، رطوبت، وزش باد و فشار هوای محیط میباشد که این اطلاعات از سایت www.yr.no به صورت ساعتی استخراج شده است. شکل 2 نتیجه پیش بینی برای روز سی یکم فروردین سال 1396 در شهر همدان که برای یک روز آفتابی به دست آمده است را نمایش می دهد. مقدار توان خروجی از سیستم های فتوولتایئک به صورت نرمال شده نمایش داده شده اند.
خودروهای الکتریکی قابل شارژ با برق شهر
باتریهای گوناگونی به عنوان سیستم ذخیره انرژی در خودروهای برقی مورد استفاده قرار میگیرند. اسید-سرب، لیتیوم-یون و نیکل-هیدرید فلز، سه نمونه از بهترین نوع باتریها برای خودروهای برقی قابل شارژ با برق شهر میباشند. در برنامه ریزی بهینه بر روی سطح انرژی ذخیره شده در باتری خودروهای برقی اگر توان از باتری دشارژ شود علامت توان مثبت و اگر باتری شارژ شود علامت توان منفی در نظر گرفته میشود. میزان انرژی که در باتری شارژ یا دشارژ میشود با مقدار واقعی انرژی که از تجهیزات شارژ و دشارژ درون پارکینگها تحویل یا دریافت میگردد متفاوت میباشد این امر تحت عنوان بازده شارژ و دشارژ باتریها به صورت زیر مدل شده است:
برای شارژ شدن
- 2 - EPHEVi,t = EPHEVi, t-1 − PPHEVi,t * ∆t *ƞC
برای دشارژ شدن
- 3 - EPHEVi, t = EPHEVi, t-1 − PPHEVi,t * ∆t ∕ ƞD
که در روابط بالا D بازده دشارژ ، C بازده شارژ ، t مدت زمان شارژ یا دشارژ شدن باتریها، EPHEVi,t سطح انرژی خودرو iام در زمان tام وPPHEVi,t توان شارژ یا دشارژ شده بر حسب kw از خودرو iام در زمان tام میباشد.
شکل :1سیستم انرژی ریز شبکه - Chen and Duan, 2014 -
خودرو برقی - چه شارژ شود چه دشارژ - در هنگام جدا شدن از تجهیزات شارژ و دشارژ در پارکینگ، دارای سطح انرژی ذخیره شده در محدودهی ظرفیت باتری خودرو میباشد
