چطور این مقاله مهندسی برق را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2006448 رایگان است. ترجمه چکیده این مقاله مهندسی برق در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل فارسی :
905 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
مدیریت سمت تقاضا در شبکه هوشمند با استفاده از بهینه سازی اکتشافی
عنوان انگليسي
Demand Side Management in Smart Grid Using Heuristic Optimization
نویسنده/ناشر/نام مجله
IEEE TRANSACTIONS ON SMART GRID
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی برق شامل 9 صفحه انگلیسی به صورت پی دی اف و 23 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
مدیریت سمت تقاضا (DSM) یکی از مهمترین وظایف در یک شبکه هوشمند است که باعث می شود تا مشتریان آگاهانه در مورد مصرف انرژی خود تصمیم گیری کنند و به ارائه دهندگان انرژی کمک می کند تا تقاضای پیک بار را کاهش و شکل مشخصات بار را تغییر و اصلاح کنند. این امر منجر به افزایش پایداری شبکه هوشمند و همچنین کاهش هزینه های عملیاتی کل و سطح انتشار کربن می شود. بسیاری از استراتژی های فعلی مدیریت طرف تقاضا که در سیستم های مدیریت انرژی سنتی استفاده می شوند، از تکنیک ها و الگوریتمهای خاص بهره می برند. علاوه بر این، استراتژی های موجود تنها تعداد محدودی از بارهای کنترل شونده از نوع خاص را کنترل می کنند. در این مقاله یک روش مدیریت طرف تقاضا مبتنی بر رویکرد شیفت بار در مدیریت طرف تقاضا شبکه های هوشمند آینده با تعداد زیادی از دستگاه های مختلف ارائه شده است. روش پیشنهادی شیفت بار یک روز جلوتر، در این مقاله به صورت ریاضی و به شکل یک مساله مینیمم سازی فرمول بندی شده است. یک الگوریتم تکاملی مبتنی بر فرآیند اکتشافی (EA) که به راحتی قادر است شواهد عینی را در مساله بگنجاند، برای حل مساله مینیمم سازی توسعه داده شده است. شبیه سازی ها در یک شبکه هوشمند که شامل انواع بارها اعم از مشتریان مسکونی، تجاری و مشتریان صنعتی انجام شده است. نتایج شبیه سازی نشان می دهد که روش پیشنهادی مدیریت طرف تقاضا علاوه بر کاهش پیک تقاضای بار از شبکه های هوشمند، به ذخیره (صرفه جویی) قابل توجهی دست یافته است.
1-مقدمه
شبکه هوشمند [1-2] نشان دهنده چشم اندازی از سیستم های قدرت آینده است که شامل یکپارچه سازی فناوری سنجش پیشرفته، روش های کنترل و فناوری های ارتباطی در سطح انتقال و توزیع به منظور تامین برق به شیوه ای هوشمند و کاربر پسندانه است. بر اساس گزارش ابتکارانه شبکه برق مدرن وزارت ایالات متحده ویژگی های اصلی [2] یک شبکه هوشمند، سازگار بودن با مصرف کننده، قابلیت ترمیم و بازسازی، مقاومت در برابر حمله، توانایی تطبیق همه نوع از گزینه های تولید و ذخیره سازی، عملیات کارآمد بازار برق، کیفیت توان بالا، و دارایی های بهینه می باشند...
مدیریت سمت تقاضا منابع انرژی توزیع شده الگوریتم تکاملی
:کلمات کلیدی
Abstract
Demand side management (DSM) is one of the important functions in a smart grid that allows customers to make informed decisions regarding their energy consumption, and helps the energy providers reduce the peak load demand and reshape the load profile. This results in increased sustainability of the smart grid, as well as reduced overall operational cost and carbon emission levels. Most of the existing demand side management strategies used in traditional energy management systems employ system specific techniques and algorithms. In addition, the existing strategies handle only a limited number of controllable loads of limited types. This paper presents a demand side management strategy based on load shifting technique for demand side management of future smart grids with a large number of devices of several types. The day-ahead load shifting technique proposed in this paper is mathematically formulated as a minimization problem. A heuristic-based Evolutionary Algorithm (EA) that easily adapts heuristics in the problem was developed for solving this minimization problem. Simulations were carried out on a smart grid which contains a variety of loads in three service areas, one with residential customers, another with commercial customers, and the third one with industrial customers. The simulation results show that the proposed demand side management strategy achieves substantial savings, while reducing the peak load demand of the smart grid
Keywords:
Demand side management distributed energy resource evolutionary algorithm
سایر منابع مهندسی برق-مهندسی برق قدرت در زمینه شبکه هوشمند