مديريت اقتصادي-زيست محيطي انرژي در يك ريزشبكه مبتني بر روش بهبود يافته HBMO و منطق فازي

Energy Environmental Economic Management in Micro Grid Based on the Improved HBMO Method and Fuzzy Logic

در اين مقاله، منظور از مديريت اقتصادي زيست محيطي انرژي در يك ريز شبكه (ميكرو شبكه) تعيين ميزان مشاركت هر يك از منابع توليد پراكنده در تامين تقاضاي بار محلي با هدف كاهش همزمان هزينه هاي بهره برداري و آلودگي هاي زيست محيطي است. ظرفيت واحدهاي نصب شده در ريزشبكه مورد مطالعه در اين مقاله به گونه اي است كه همواره بخشي از انرژي مورد تقاضاي بار توسط شبكه سراسري تامين مي گردد. از اين رو، با توجه به اهداف مورد نظر در بهينه سازي عملكرد ريزشبكه، برنامه ريزي شارژ و دشارژ سيستم ذخيره ساز انرژي با توجه به نحوه تعامل ريزشبكه با شبكه بالادست انجام گرفته است. همچنين اثر نوسانات بازار برق و ميزان آلودگي متناظر با انرژي دريافت شده از شبكه سراسري در مدل سازي اهداف مساله مورد توجه قرار گرفته است. در حل مساله مديريت اقتصادي زيست محيطي انرژي از روش بهينه سازي چند هدفه HBMO مبتني بر معيار پارتو و منطق فازي استفاده شده است كه از مهمترين ويژگي هاي اين روش مي توان به جستجوي مناسب، به گزيني، ارتقا و تقاطع نسل ها در ايجاد جواب هاي جديد اشاره كرد. در انتها، نتايج حاصل از اين روش براي سه سناريو متفاوت ارايه و با نتايج ساير روش ها مقايسه شده است. اين مقايسه برتري روش پيشنهادي را براي تعيين ميزان مشاركت هر يك از منابع توليد پراكنده در تغذيه بار محلي و همچنين برنامه ريزي بهينه شارژ و دشارژ سيستم ذخيره ساز انرژي تاييد مي كند.

In this paper, energy environmental economic management in a microgrid means the determination of the extent of contribution in each of distributed Generation resources for supplying the demand of local loads so that the reduction of costs and environmental pollution can be achieved. The capacity of installed units in micro grid usually supplies the portion of load demanded energy through the utility. In this case, planning of charge and discharge in the energy storage system has done on the basis of the way of microgrids’ contribution with upstream network. The effect of electricity markets’ fluctuations and the extent of pollution according to the received energy from the utility for optimization are the purposes of the paper. The methodology goes for the multi objective optimization of HBMO based on Pareto criterion and fuzzy logic in order to resolve the energy environmental economic management problem. The salient features of this method could be pointed to the proper searching, proper selection, advancement and parting of generations for fining new answers. The results of this process are presented for three various scenarios and they are compared with the results of other Methods. The comparison confirms the superiority of this method for determination of contribution extent for each of distributed generation resources in feeding local load and for planning of optimal charge and discharge in energy storage system.