بهینه سازی همکارانه ریزشبکه ها تحت قوانین بازار برقday-ahead

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 447

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IEAC02_068

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

امروزه، به دلیل افزایش نگرانی در مورد مسائل زیست محیطی، بهره برداری ازریزشبکه های هوشمند جهت مقابله با کاهش انتشار گازهای آلاینده از قبیلNOx و SO2 ،CO2 مطرح شده است [ 1،2 ]. در این راستا بسیاری ازتلاش ها برای استفاده از منابع تولید پراکنده از قبیل منابع فتوولتائیک واحدهای CHP توربین های بادی و سایر منابع انرژی تجدید پذیر کوچک قابل اجرا در شرایط ایمن، اقتصادی و سازگار با محیط زیست در ریز شبکه های هوشمند می باشد. در مقاله حاضر، شش واحدCHP پنج واحد سنتی و سه واحد صرفاً حرارت 1 به عنوان منابع تولید برق و حرارت در نظر گرفته شده است. نهادهای خدمات رسان، در بخش توزیع سیستم های قدرت، نقش مهمی را در استفاده از منابع تولید پراکنده بازی می کنند. تامین کنندگان بار می توانند به مشتریان امکان انتخاب قیمت شامل نرخ متغیر با زمان و قابلیت اطمینان متمایز را ارائه دهند.

نویسندگان

زهرا شیخ لر

گروه مهندسی برق، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران شرکت توزیع نیروی برق استان البرز، کرج، ایران

احسان علیشاهی

گروه مهندسی برق، واحد کرج، دانشگاه آزاد اسلامی کرج، ایران

عبدالرضا دهقانی تفتی

گروه مهندسی برق، واحد کرج، دانشگاه آزاد اسلامی کرج، 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 :
  • Niknam T, Zeinoddini Meymand H, Doagou Mojarrad H. An efficient ...
  • Hatziargyriou, Asano H, Iravani R, Marnay C. Microgrids an overview ...
  • Aalami HA, Parsa Moghaddam M, Yousefi GR. Modeling and prioritizing ...
  • Khodaei A, Shahidehpour M, Bahramirad S. SCUC with hourly demand ...
  • response considering intertemporal load characteristic, IEEE Trans Smart Grid 201 ...
  • Parvania M, Fotu hi-Firuzabad M. Demand response scheduling by stochastic ...
  • Abdollahi AA, Parsa Moghaddam M, Rashidinejad M, S heikh-el-eslam enviro ...
  • dri vendemandresp onsemeasures incorporating UC. IEEE Trans Smart Grid _ ...
  • Conejo AJ, Morales JM, Baringo L. Real-time demand response model. ...
  • Schroeder. Modeling storage and demand management in power distribution grids. ...
  • نمایش کامل مراجع