عنوان پایان‌نامه
طراحی کنترل کننده ی مرکزی یک ریز شبکه هوشمند با درنظر گرفتن عدم قطعیت
- رشته تحصیلی
- مهندسی برق-قدرت-سیستم ها فشارقوی الکتریکی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2454;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 63336
- تاریخ دفاع
- ۲۷ خرداد ۱۳۹۳
- دانشجو
- مهدی پرویزی مساعد
- استاد راهنما
- اشکان رحیمی کیان
- چکیده
- از آنجائیکه امروزه مفاهیمی همچون کاهش آلودگی¬های زیست محیطی، بهره‌گیری مناسب¬تر از انرژی¬های نو، مدیریت انرژی سمت تولید و مصرف و بهبود بهره¬برداری از شبکه¬های قدرت مورد توجه بسیاری از جوامع پیشرفته قرار گرفته است، لذا نیاز است تا نگاهی عمیق¬تر و بهتر در این باب صورت گیرد. ظهور تکنولوژی‌های جدید تولید در مقیاس کوچک و همچنین مزایای اقتصادی فراوان آن‌ها در محیط‌های جدید رقابتی، انگیزه‌ی فراوانی را در نزد سرمایه گذاران و بهره‌برداران شبکه توزیع در جهت استفاده از منابع تولید پراکنده به وجود آورده است. در این شرایط نیاز به ارایه روش‌ها و مدل‌های جدیدی که موجب تسهیل در تصمیم‌های منجر به کاهش هزینه سرمایه‌گذاری، تلفات توان، بهبود قابلیت اطمینان و کیفیت توان شبکه گردد، بیش از پیش احساس می‌شود. در بین منابع تولید انرژی نو پدیده‌های تصادفی مانند باد و تابش و غیره وجود دارند که موارد کنترلی مختلفی برای این پدیده‌ها مطرح می‌شود. در این پایان نامه به اصل طراحی کنترل کننده‌ی مرکزی یک ریز شبکه و زیرشاخه‌های مرتبط با آن پرداخته می‌شود. شایان ذکر است که منظور از طراحی کنترل کننده‌ی مرکزی در این ریزشبکه، پیاده‌سازی سیستم مدیریت مصرف انرژی به عنوان نرم افزار قابل پیاده سازی در کنترل کننده می‌باشد. به همین منظور، ابتدا به وسیله‌ی روش‌های داده کاوی موجود، دادها پیش پردازش می‌شوند و سپس توسط موتورهای پیش بینی داده های مورد نیاز برای تحلیل در روز آینده (یا ساعت آینده) به دست می‌آیند. در قسمت بعد، سیستم مدیریت انرژی هوشمند طراحی می‌شود تا برنامه ریزی روزانه و مجدد در دو مرحله به دست آیند. در این پایان نامه، توابع هدف اقتصادی و زیست محیطی به صورت بهینه سازی دو هدفه بهینه می‌شوند. در انتهای کار نیز، کنترل کننده‌ی مرکزی در حضور عدم قطعیت‌های مختلف مورد ارزیابی قرار می‌گیرند و میزان اثر هر یک از نایقینی‌ها در شاخص ریسک به با یکدیگر مقایسه می‌شوند. در انتها، می‌توان ادعا کرد که استفاده از ساختار داده کاوی چگونه میزان خطای ارزیابی هزینه‌ی بهره برداری و آلایندگی را به مقدار واقعی نزدیک‌تر می‌کند. هم چنین نتایج نشان می‌دهند که سیستم مدیریت انرژی چند مرحله‌ای می تواند در هر مرحله میزان خطای پیش بینی را به طور کامل پوشش دهد.
- Abstract
- Recently, global warming and emission along with increasing fuel cost have brought about great challenges for the developed societies. In this regard, there are various solutions including the application of Distributed Energy Resources (DER) with high quality and low-cost power generation, and Demand Side Management (DSM). These small advanced generation resources provide a great motivation among operators and investors of distribution network. The advantages of DERs consist of decreasing enegy cost and power loss, improvement of reliability indices, and power quality. To appropriately manage these resources as well as loads a Smart Energy Management System (SEMS) has been presented. It is noteworthy to say that the main idea of design of supervisory controller in a Micro-Grid (MG) is the implementation of SEMS as intelligent mastermind of Main Grid Central Controller (MGCC). In this thesis, a novel SEMS architecture equipped by data mining algorithms has been proposed. In this regard, first of all, data has been preprocessed by data minig algorithms, and then required data for cost-emission analysis at next day/hour has been forecasted by predictor engines. In the second step, SEMS solves the multi-objective optimization problem for day/hour ahead schedules, and optimal dispatch of DERs and grid has been achieved. The aforementioned objective functions has been considered energy cost and emission produced by DERs and grid. Finally, central controller has been evaluated in presence of different uncertainties by the computation of risk function. To sum up, results show the performance of data mining algorithm to reduce the prediction error and to cause the accurate evaluation of energy cost and emission. Moreover, it can be concluded that two stage SEMS covers the mismatched power due to prediction error completely, with minimum energy cost.
