تقسيم بهينه و اقتصادي توان در يك ريزشبكه مبتني بر توليد همزمان برق و حرارت (CHP) به منظور كاهش هزينه توليد و آلايندگي با استفاده از الگوريتم اصلاح شده بهينه سازي ازدحام ذرات

Optimal and Economic Power Sharing in a CHP-Based Micro-Grid to Reduce Generation Cost and Emission Using a Modified Particle Swarm Optimization Algorithm

با توجه به انتشار گاز (NOx) به دليل تاثير مستقيم آن بر روي سلامتي تلاش قابل توجهي براي كاهش انتشار اين گاز بايد صورت بگيرد. در اين مقاله سعي شده تا با تقسيم اقتصادي توان بين منابع انرژي پراكنده علاوه بر تامين برق مورد تقاضا، مقدار گاز منتشر شده توسط اين منابع و همچنين هزينه سوخت را كاهش دهيم. در اين مقاله از دو مدل منبع انرژي پراكنده ميكرو توربين (Mt) و ديزل ژنراتور (Dg) مبتني بر (CHP) با بررسي و مطالعه بر روي انتشار گاز (NOx) استفاده شده است. ديزل ژنرتورها به دليل حرارت زياد گاز (NOx) زيادي را نسبت به ميكروتوربين‌ها توليد ميكند. در اين مقاله هدف، كاهش هزينه‌هاي سوخت و همچنين كاهش انتشار گاز (NOx) خروجي از منابع انرژي پراكنده مي‌باشد. در اين جا از الگوريتم اصلاح شده بهينه‌سازي ازدحام ذرات (MPSO) به دليل اجراي آسان، كنترل قدرتمند بر روي پارامترها و همچنين نتايج بهتري در مقايسه با ديگر الگوريتم‌هاي بهينه‌سازي استفاده مي‌شود.

Regarding the release of NOx gas, due to its direct impact on health, significant efforts have to be made to reduce the release of this gas. In this paper, we try to reduce the amount of gas released by these resources, as well as the cost of fuel, by dividing the economic power between scattered energy sources in addition to supplying electricity. In this paper, two models of dispersed micro turbine energy source (Mt) and diesel generator (Dg) based on CHP have been used to study the NOx emission. Diesel generators generate a lot of NOx gas over micro turbines due to the high temperature. The purpose of this paper is to reduce fuel costs, as well as reduce NOx emissions from scattered energy sources and the effect of power split splitting on grid power losses. The modified particle swarm optimization algorithm (MPSO) is used here for easy implementation, powerful control over parameters as well as efficient results when compared with other optimization algorithms.