كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / دوازدهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

مدلسازی واقعی، هوشمند و بهینه بارهای مدیریت پذیر بزگ نمونه به منظور شرکت در برنامه های مدیریت بار

نویسندگان :

مجید محسنی¹

1- دانشگاه آزاد اسلامي واحد نيشابور، ايران

کلمات کلیدی :

مديريت بار،بار مديريتپذير،پاسخگويي بار،بار صنعتي بزرگ،بهينهسازي،شبکه هوشمند

چکیده :

افزایش تقاضای انرژی الکتریکی، رشد بارهای صنعتی بزرگ، محدودیت ظرفیت شبکه و ضرورت بهرهبرداری اقتصادی و مطمئن از منابع تولید، موجب شده است که مدیریت سمت تقاضا و پاسخگویی بار به یکی از راهکارهای مهم در بهرهبرداری نوین از شبکههای قدرت تبدیل شود. در این میان، بارهای بزرگ صنعتی به دلیل ظرفیت توان بالا و وجود درجاتی از انعطافپذیری در فرآیند مصرف، میتوانند بهعنوان یک منبع قابل اتکا برای کاهش یا جابهجایی بار شبکه مورد استفاده قرار گیرند. با این حال، مدلسازی این بارها بهصورت یک بار ثابت و غیرقابل تغییر، توان بالقوه آنها را برای مشارکت در برنامههای مدیریت بار بهدرستی نشان نمیدهد. در این مقاله، چارچوبی برای مدلسازی واقعی، هوشمند و بهینه بارهای بزرگ مدیریتپذیر ارائه میشود. در روش پیشنهادی، ابتدا با استفاده از دادههای اندازهگیریشده کنتورهای هوشمند، سامانههای SCADA و زیرکنتورها، اجزای مختلف بار شناسایی و تفکیک میشوند. سپس هر بار بر اساس ویژگیهایی نظیر ظرفیت کاهش توان، مدت زمان قابل کاهش، زمان بازیابی، حداقل زمان روشن/خاموش بودن، انرژی قابل جابهجایی، محدودیتهای فرآیندی و هزینه ناشی از پاسخگویی مدل میشود. در مرحله بعد، با استفاده از پیشبینی بار و الگوریتم بهینهسازی، برنامه بهینه مشارکت مشترک در رویدادهای پاسخگویی بار تعیین میشود. تابع هدف پیشنهادی بهصورت چندهدفه تعریف شده و علاوه بر کمینهسازی هزینه انرژی و هزینه پیک، درآمد حاصل از مشارکت در برنامه پاسخگویی بار و جریمه ناشی از عدم تحقق تعهدات را نیز در نظر میگیرد. همچنین، محدودیتهای عملیاتی و تولیدی مشترک بهعنوان قیود مدل لحاظ میشوند تا پاسخگویی بار بدون ایجاد اختلال جدی در فرآیند صنعتی انجام شود. نتایج مورد انتظار نشان میدهد که استفاده از مدل رفتاری و دادهمحور بهجای مدل ساده و ثابت بار میتواند ظرفیت واقعی انعطافپذیری مشترک را بهتر مشخص کرده و امکان مشارکت مطمئنتر و اقتصادیتر در برنامههای مدیریت بار را فراهم کند.