تحلیل و ارزیابی مدیریت بهینه مصرف انرژی مشترکین شبکه هوشمند با در نظر گرفتن برنامه پاسخگویی بار با دو الاستیسیته متضاد
کلمات کلیدی:
بهینه سازی, شبکه هوشمند, الاستیسیتهچکیده
هدف این مقاله طرح بهینه سازی توان مصرفی و کاهش هزینه کل مصرف کننده و مقایسه دو مصرف کننده با دو الاستیسیته متفاوت می باشد که با یک سیاست قیمت گذاری اگاهانه مصرف کننده بر اساس الگوی تقاضای بار فردی2 مصرف کننده را در شبکه هوشمند برسی میکند که برای هر ساعت از شبانه روز به طوری برنامه ریزی شده است که کمترین مقدار بار از شبکه دریافت شود و کمترین هزینه را برای مصرف کننده داشته باشد. برای دست یابی به این هدف مدل و روش ریاضی که شامل قیمت گزاری اگاهانه مشتری است فرموله میشود. این فرمول ریاضی با یکپارچه سازی انرژی¬های تجدید پذیر خورشیدی و بادی موجود در شبکه هوشمند و با قرار دهی برنامه پاسخگویی بار درون ان مسئله بهینه سازی مصرف انرژی را حل میکند . این مسئله بهینه سازی با استفاده از الگوریتم ژنتیک برای هر مصرف کننده با هدف توزیع قیمت منصفانه و حداقل بار دریافتی از شبکه به صورت مجزا حل میکند و بسته به الاستیسیته هر مشتری برای قرار گیری در برنامه پاسخگویی بار مقدار بهینه سازی ان متفاوت است و حداقل سازی مصرف بار بر اساس الاستیسیته هر مشتری انجام میشود . در نهایت نتایج کل هزینه با و بدون برنامه پاسخگویی بار برای دو مشتری با دو الاستیسیته متفاوت مقایسه میشود و میانگین ان برسی می شود تا نتیجه برنامه ریزی های انجام شده مورد برسی قرار گیرد.
مراجع
1] M. B. Rasheed and M. D. R-Moreno, "Minimizing pricing policies based on user load profiles and residential demand responses in smart grids," Applied Energy, vol. 310, p. 118492, 2022.
[2] H. J. Monfared, A. Ghasemi, A. Loni, and M. Marzband, "A hybrid price-based demand response program for the residential micro-grid," Energy, vol. 185, pp. 274-285, 2019.
[3] C. Yang, C. Meng, and K. Zhou, "Residential electricity pricing in China: The context of price-based demand response," Renewable and Sustainable Energy Reviews, vol. 81, pp. 2870-2878, 2018.
[4] Y. He, B. Wang, J. Wang, W. Xiong, and T. Xia, "Residential demand response behavior analysis based on Monte Carlo simulation: The case of Yinchuan in China," Energy, vol. 47, no. 1, pp. 230-236, 2012.
[5] Y. Wang, H. Lin, Y. Liu, Q. Sun, and R. Wennersten, "Management of household electricity consumption under price-based demand response scheme," Journal of Cleaner Production, vol. 204, pp. 926-938, 2018.
[6] H. M. Hussain and P. H. Nardelli, "A heuristic-based home energy management system for demand response," in 2020 IEEE Conference on Industrial Cyberphysical Systems (ICPS), 2020, vol. 1: IEEE, pp. 285-290.
[7] H. T. Haider, O. H. See, and W. Elmenreich, "A review of residential demand response of smart grid," Renewable and Sustainable Energy Reviews, vol. 59, pp. 166-178, 2016.
[8] R. Zafar, A. Mahmood, S. Razzaq, W. Ali, U. Naeem, and K. Shehzad, "Prosumer based energy management and sharing in smart grid," Renewable and Sustainable Energy Reviews, vol. 82, pp. 1675-1684, 2018.
