بهينه‌سازي چندهدفۀ بار مشتركين و منابع انرژي محلي جهت افزايش سودآوري و كاهش آلايندگي ريزشبكۀ هوشمند

Multi-objective Optimization of Customers’ Load and Local Energy Resources to Increase Profitability and Decrease Pollution of Smart Microgrid

در اين مطالعه، يك روش بهينه‌سازي چندهدفه براي بهره‌برداري بهينه از منابع تجديدپذير و باتري در يك ريزشبكه در حضور برنامه‌هاي پاسخ‌گويي بار ارائه شده است. توربين بادي و پنل فتوولتائيك منابع تجديدپذير ريزشبكه هستند. از برنامه‌هاي پاسخ‌گويي بار زمان استفاده و قيمت‌گذاري اوج بحراني نيز براي بهبود الگوي مصرف مشتركين ريزشبكه استفاده شده است. حداكثرسازي سود بهره‌بردار ريزشبكه از فروش برق و حداقل‌سازي ميزان توليد گازهاي آلاينده از منابع انرژي به‌عنوان توابع هدف مسئلۀ مديريت سمت تقاضا در نظر گرفته شده‌اند. از الگوريتم بهينه‌سازي چندهدفۀ شيرمورچه براي بهينه‌سازي نامغلوب شاخص‌هاي ريزشبكه و ايجاد صفحۀ بهينۀ پارتو استفاده مي‌شود. پس از اعمال الگوريتم بهينه‌سازي چندهدفه، از روش فازي براي انتخاب بهترين ذره كه معادل با بهينه‌ترين برنامۀ بهره‌برداري از ريزشبكه است، استفاده مي‌شود. در نهايت، كارايي روش پيشنهادي در يك ريزشبكۀ نمونه مورد ارزيابي قرار مي‌گيرد. نتايج نشان‌دهندۀ اين موضوع هستند كه روش پيشنهادي با اصطلاح الگوي مصرف و بهينه‌سازي بهينه واحدهاي تجديدپذير و باتري، كارايي ريزشبكه را به‌ميزان قابل توجهي بهبود مي‌بخشد. روش پيشنهادي براي مديريت انرژي نه‌تنها باعث افزايش سودآوري شركت بهره‌بردار ريزشبكه مي‌شود، بلكه ميزان آلايندگي زيست‌محيطي ريزشبكه نيز به‌ميزان قابل توجهي كاهش مي‌يابد.

In this study, a new multi-objective method is proposed to manage optimally local energy resources and customers’ load in a microgrid in the presence of demand-response programs. The wind turbine and photovoltaic panel are the renewable energy sources of the microgrid. The time of use and the critical peak pricing programs are also used to improve the consumption pattern of customers. Moreover, consumers try to use electrical energy when renewable sources are available. Maximizing the profit of microgrid and minimizing the pollutant gases of the microgrid are the objective functions in the demand side of problem management. The multi-objective ant lion optimization algorithm is used to optimize the indices of the microgrid and create the Pareto front. Then, the fuzzy method is utilized to select the best particle equal to the optimal management plan of the microgrid. Ultimately, the proposed method is evaluated in a sample microgrid. The results demonstrate the high efficiency of the proposed method in improving the performance of the microgrid by the optimal managing of the local energy sources and customers’ load. The proposed method of energy management increases the profitability of the distribution company and decreases the environmental pollution of the microgrid.