استراتژي بهينه مديريت انرژي در شبكه هاي توزيع هوشمند با در نظر گرفتن اثر منابع توليد پراكنده و واحد هاي ذخيره انرژي

Optimum energy management strategy in smart distribution networks considering the effect of distributed generators and energy storage units

نفوذ منابع توليد پراكنده و واحد هاي ذخيره انرژي در شبكه هاي توزيع در حال افزايش است. از همين رو، بررسي اثر انها بر روي قابليت اطمينان شبكه بسيار ضروري مي باشد. در اين مطالعه به منظور ارائه استراتژي بهينه مديريت انرژي در شبكه توزيع هوشمند، مساله بهينه سازي چند هدفه تجديد ارايش پويا فيدرهاي توزيع در حضور منابع توليد پراكنده و واحد هاي ذخيره انرژي بهينه سازي شده است، توابع هدف در اين مطالعه شامل تلفات انرژي، انرژي توزيع نشده و هزينه بهره برداري مي باشد. به منظور بهينه سازي همزمان شاخص قابليت اطمينان و توابع هدف ديگر، طرح بهينه اي براي شارژ و دشارژ سيستم هاي ذخيره انرژي و همچنين توپولوژي بهينه براي فيدرهاي شبكه توزيع ارائه شده است، همچنين به منظور حل مساله بهينه سازي چند هدفه در اين مطالعه از تركيب الگوريتم هاي اجتماع ذرات و جهش قورباغه استفاده شده است. استراتژي پيشنهادي در يك شبكه 95 باسه به منظور نشان دادن توانايي روش مورد نظر در ارائه طرح بهينه مديريت انرژي تست شده است.

The penetration of distributed generation sources and energy storage units in distribution networks is increasing. Therefore, their impact on the reliability of the network is very necessary. In this study, in order to provide an optimal energy management strategy for smart distribution network, the multi-objective optimization problem of dynamic distribution feeder reconfiguration in the presence of distributed generation sources and energy storage units has been optimized. The objective functions in this study are loss of energy, energy not supplied and operation cost. In order to simultaneously optimize the reliability index and other target functions, an optimal scheme for charging and discharging energy storage systems as well as optimal topology for distribution network feeders is presented. Also, in order to solve the multi-objective optimization problem in this study, the combination of particle swarm optimization and shuffled frog leaping algorithm has been used.The proposed strategy has been tested on a 95-boset network to demonstrate the capability of the proposed method.