بهينه‌سازي سيستم هيبريد بادي- خورشيدي- باتري جدا از شبكه با در نظر گرفتن قابليت اطمينان با استفاده از الگوريتم بهينه‌سازي ملخ

Optimal Design of a Hybrid Solar–Wind–Battery System using the Grasshopper Optimization Algorithm for Minimization of the Loss of Power Supply Probability

انرژي‌هاي تجديدپذير در سال‌هاي اخير به دليل محدوديت و احتمال اتمام منابع سوخت‌هاي فسيلي و مسائل زيست محيطي مرتبط به شدت توسعه يافته است. مهمترين چالش در اين نوع سيستم‌ها، دستيابي به اندازه بهينه براي داشتن يك سيستم مقرون به صرفه بر اساس ذخيره انرژي خورشيدي و بادي است. در اين مقاله بهينه‌سازي سيستم هيبريد بادي-خورشيدي با سيستم ذخيره باتري براي تامين يك بار مشخص ساعتي با هدف حداقل‌سازي هزينه‌هاي ساليانه سيستم و احتمال تلفات عرضه توان مورد توجه قرار گرفته است. هزينه‌هاي ساليانه سيستم شامل هزينه‌هاي سرمايه‌گذاري اوليه، هزينه نگهداري و هزينه تعويض تجهيزات مي‌باشد. هدف بهينه‌سازي، تعيين بهينه تعداد پنل‌هاي خورشيدي، توربين‌هاي بادي، تعداد باتري‌ها، ارتفاع برج بادي و زاويه پنل خورشيدي نسبت به تابش خورشيد است. به اين منظور الگوريتم جديد بهينه‌سازي ملخ مورد استفاده قرار گرفته است. همچنين در اين مطالعه، اثر تغييرات راندمان اينورتر، تغييرات تقاضاي بار و اثر تغييرات ماكزيمم احتمال تلفات عرضه توان بر طراحي سيستم مورد ارزيابي قرار گرفته است. نتايج شبيه‌سازي نشان مي‌دهد كه كاهش راندمان، افزايش بار و حداكثر قابليت اطمينان در سيستم در قالب كاهش احتمال تلفات عرضه توان موجب افزايش هزينه‌هاي ساليانه انرژي سيستم مي‌گردد. به‌علاوه، نتايج حاصله مويد برتري روش بهينه‌سازي ملخ نسبت به روش اجتماع ذرات در دست‌يابي به تابع هدف بهتر و هزينه كمتر مي‌باشد.

Renewable energy has been developed in recent years due to the limited sources of fossil fuels, their possibility of depletion, and the related environmental issues. The main challenges of these type of systems is reaching to the optimum size in order to have an affordable system based on storing the solar and wind energy. In this paper, optimization of a solar-wind hybrid system is presented with a saving battery system for supplying a specific hourly load annually to minimize annual system expenses and the probability of Loss of Power Supply Probability (LPSP). Annual expenses of the system include initial investment, maintenance, and replacement costs. The purpose of optimization is to determine the numbers of solar panels, wind turbines, batteries, the height of the wind tower, and the angle of the solar panel toward solar radiation. For this issue, a new method named Grasshopper Optimization Algorithm (GOA) is employed. Also, the effects of changes in inverter efficiency, load demand, and of maximum probability of LPSP on system designing are evaluated. Simulation results show that the efficiency reduction, load increase, and increasing the load and maximum reliability in the system in the form of reducing of LPSP lead to an increase in annual energy costs of systems. Furthermore, the results indicate the superiority of the GOA method toward particle swarm optimization (PSO) in reaching better target function and less cost.