بهره برداري چند هدفه از ريزشبكه ها در حضور سيستم-هاي توليد همزمان مقياس كوچك

Multi objective operation of micro grids in presence of combine micro heat and power generators

بهره برداري از ريزشبكه ها ي شامل منابع توليد همزمان برق و گرما به دليل وابستگي دروني دو نوع انرژي الكتريكي و حرارتي نياز به روش هاي مدل سازي و بهينه سازي خاصي دارد. در اين مقاله پس از معرفي يك ريز شبكه نمونه ومدل-هاي مختلف منابع توليد پراكنده موجود در آن به بررسي مساله بهره برداري چند هدفه از اين ريز شبكه خواهيم پرداخت. در اين راستا، مدلي بر اساس بهينه سازي با سه هدف هزينه توليد منابع، آلودگي زيست محيطي و تلفات ريز شبكه معرفي و با توجه به ماهيت مساله از الگوريتم ژنتيك مبتني بر رتبه بندي نامغلوب استفاده مي شود. رويكرد مساله تامين بارهاي الكتريكي و حرارتي مشتركين در طول شبانه روز با در نظر گرفتن امكان تبادل انرژي با شبكه بالادستي و رعايت قيود ترموديناميكي محرك هاي اوليه سيستم هاي توليد همزمان مي باشد. بر اين اساس، سه سناريوي عملي استفاده از بويلر كمكي، توليد موتور گازسوز و توليد ميكرو توربين براي پاسخگويي به نيازهاي حرارتي و الكتريكي مشتريان ارايه گرديده و از اين بين، اقتصادي ترين سناريو پيشنهاد مي گردد.

Operation in micro grids containing combined heat and power generators require specific modeling and optimization methods due to interrelation between electricity and heat. In this paper after introducing a proto type micro grid and corresponding dispersed generations a multi objective problem is investigated for micro grid operation. Based on three factors: generation cost function, environmental emission and micro grid loss a three objective optimization model is proposed. Considering proposed model a genetic algorithm based method entitled Non-dominated Sorting Genetic Algorithm (NSGAII) is employed. The objective is providing simultaneous electricity and heat considering the possibility of electricity trading with external grid. Subsequently, three scenarios: using domestic boiler, gas engine contribution and micro turbine contribution are presented for providing electricity and heat demands of consumers and the best scenarios is selected at the end.