مدیریت نیروی محرکه الکتریکی و بهینه سازی مصرف در حضور منابع تغذیه هیبریدی

سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 420

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ISEE-5-4_001

تاریخ نمایه سازی: 6 دی 1400

چکیده مقاله:

بهره برداری از منابع تولید پراکنده و تجدید پذیر اگرچه پتانسیل بالایی دارند، اما ممکن است به علت طبیعت متغیرشان مشکل آفرین باشند. علاوه بر این، نوسان های باد و یا تغییرات شدید آب و هوایی می تواند به نوسان های موقتی در ولتاژ منجر شود. تحقیقات نشان می دهد که ذخیره سازی انرژی می تواند این طبیعت تصادفی را جبران کند و در بازه زمانی کوتاه بدون نیاز به قطع بار و یا به مدار آوردن منابع انرژی جدید موثر باشد. همچنین، بهره گیری از ذخیره سازهای انرژی برای یکنواخت کردن پروفیل توان و تنظیم ولتاژ در نقاط اتصال، امکان استفاده بهتر از توان تولیدی را فراهم می آورد و می تواند راه حل اقتصادی تلقی شود. در این راستا، در این مقاله یک سیستم مدیریت انرژی هوشمند به منظور بهینه کردن بهره برداری از سیستم الکتریکی نمونه و برنامه ریزی تولید و ذخیره انرژی طراحی شده است. روش پیشنهاد شده قادر است بسته به اهداف کاری مختلف و درجه اهمیت متناظرشان با استفاده از روش بهینه سازی پارتو نقاط کار بهینه را تعیین نماید. در این روش، ساعات استفاده و میزان استفاده از منابع مختلف انرژی به گونه ای که کمترین هزینه و پایین ترین آلودگی زیست- محیطی را به دست دهد، تعیین شده است. در نهایت، به منظور اعتبار سنجی الگوریتم پیشنهادی، روش با استفاده از نرم افزارهای MATLAB و GAMS بر روی یک سیستم پیشرانه الکتریکی نمونه پیاده و نتایج بحث و بررسی شده است.

کلیدواژه ها:

ذخیره سازی انرژی ، مدیریت بهینه مصرف انرژی ، برنامه ریزی خطی اعداد صحیح ، بهینه سازی پارتو

نویسندگان

علیرضا پاکخصال

کارشناسی ارشد، دانشکده فنی مهندسی، دانشگاه آزاد واحد تهران جنوب، تهران، ایران

حبیب اله اعلمی

استادیار، دانشکده و پژوهشکده فناوری اطلاعات و ارتباطات، دانشگاه جامع امام حسین (ع)، تهران، ایران

الیاس ابراهیم زاده

- دانشجوی دکتری تخصصی، دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Maher Chaabene, Mohsen Ben Ammar, “Neuron-fuzzy dynamic model with Kalman ...
  • J.C. Cao, S.H. Cao, “Study of forecasting solar irradiance using ...
  • P.L. Zervas, H. Sarimveis, J.A. Palyvos, N.C.G. Markatos, ”Prediction of ...
  • Shuanghua Cao, Jiacong Cao, ”Forecast of solar irradiance using recurrent ...
  • Fatih O. Hocaoğlu, Ömer N. Gerek, Mehmet Kurban ,” Hourly ...
  • T.M.I. Mahlia, T.J. Saktisahdan, A. Jannifar, M.H. Hasan, H.S.C. Matseelar, ...
  • G. N. Bathurst, G. Strbac, ”Value of combining energy storage ...
  • Ryan Anderson, Samira Shiri, Hitesh Bindra, Jeffrey F. Morris "Experimental ...
  • N. Hamsic, A. Schmelter, A. Mohd, E. Ortjohann, E. Schultze, ...
  • A. Ruddell, G. Schönnenbeck, R. Jones, “Flywheel Energy Storage Systems”, ...
  • Vallve, X.; Graillot, A.; Gual, S.; Colin, H.; “Micro storage ...
  • S.A. Kalogirou, E. Mathioulakis, V. Belessiotis "Artificial neural networks for the ...
  • A. Azadeh, R. Babazadeh, S.M. Asadzadeh "Optimum estimation and forecasting ...
  • Kerim Karabacak, Numan Cetin "Artificial neural networks for controlling wind–PV ...
  • Francis Mwasilu, Jackson John Justo, Eun-Kyung Kim, Ton Duc Do, ...
  • H. Bindner, “Power Control for Wind Turbines in Weak Grids,” ...
  • Bhatia, R.S.; Jain, S.P.; Jain, D.K.; Singh, B.; “Battery Energy ...
  • Shuang Yu; Mays, T.J.; Dunn, R.W.; “A new methodology for ...
  • نمایش کامل مراجع