عنوان پایان‌نامه
مدیریت بهینه انرژی نانوگرید هوشمند خانگی با بکارگیری منابع انرژیهای تجدیدپذیر و سیستم ذخیره سازی انرژی
- رشته تحصیلی
- مهندسی سیستم های انرژی - سیستم های انرژی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده علوم و فنون نوین شماره ثبت: 494;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77265;کتابخانه دانشکده علوم و فنون نوین شماره ثبت: 494;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77265
- تاریخ دفاع
- ۱۳ آذر ۱۳۹۵
- دانشجو
- اسماعیل احمدی
- استاد راهنما
- یونس نوراللهی
- چکیده
- منابع انرژی تجدید پذیر در آینده باید قادر باشند بدون سیاست های حمایتی با سایر منابع انرژی رقابت نمایند و در چنین شرایطی، سودآوری سیستم به شدت وابسته به برنامه ریزی مناسب جهت تعیین سایز و عملکرد بهینه سیستم می باشد. از سوی دیگر، امروزه در شبکه های هوشمند ساختمان ها دیگر بارهای ثابت و غیرقابل کنترل نیستند، بلکه از آن ها برای مدیریت انرژی به عنوان بارهای کنترل پذیر استفاده می گردد. چگونگی کنترل این بارها، انتخاب ترکیب بهینه اجزای سیستم شامل منابع انرژی و مصرف کننده ها، پیش بینی مصرف و تولید انرژی سیستم و مدیریت یکپارچه سیستم از چالش های پیش روی خانه های هوشمند می باشد. در این پژوهش، دو سیستم انرژی جهت تأمین انرژی یک آپارتمان دوخواب هوشمند متصل به شبکه برق پیشنهاد شده است، سیستم اول شامل برق شبکه و پنل های فتوولتائیک به عنوان منابع الکتریسیته و جهت تأمین گرمایش بویلر برقی به همراه کلکتور خورشیدی و ذخیره ساز گرمایی می باشد. در سیستم دوم از بویلر گازی به عنوان جایگزین بویلر برقی استفاده شده است و یک هاب انرژی مورد بررسی قرار گرفته است. ابتدا با بکارگیری الگوریتم فراابتکاری ازدحام ذرات در نرم افزار متلب سایز بهینه پنل های فتوولتائیک، کلکتور خورشیدی، ذخیره ساز انرژی، بویلر گازی و بویلر برقی به دست آمده است، که نشان می دهد کلکتور خورشیدی برای سیستم مجهز به بویلر گازی به صرفه نیست و ارزش خالص فعلی برای مدت 10 سال سیستم مجهز به بویلر گازی حدود 22 درصد بیشتر از سیستم مجهز به بویلر برقی بوده و تلفات انرژی گرمایی در این سیستم حدود 30 درصد کمتر می باشد. در گام بعدی با استفاده از برنامه سازی تصادفی، برای یافتن برنامه ریزی عملکرد بهینه روزانه این خانه هوشمند با توجه به سایز های بهینه به دست آمده برای هر یک از تجهیزات در مرحله قبل، هر دو سیستم مدل شده اند. فاکتور های اعمال عدم قطعیت در مدل شامل تابش خورشید و دمای محیط می باشند که در نتیجه تولید منابع تجدیدپذیر و بار گرمایی نیز دارای عدم قطعیت می باشند. از میان 1000 سناریوی دمای محیط و 1000 سناریوی تابش خورشید تعداد 100 سناریو نهایی برای حل مدل تصادفی در نرم افزار گمز استفاده شده است. با حل مدل غیرخطی آمیخته با اعداد صحیح سیستم های پیشنهادی، زمانبندی عملکرد بهینه بارهای هاب انرژی مسکونی به دست آمده است. نتایج نشان می دهند سود حاصل از عملکرد روزانه بهینه سیستم مجهز به بویلر برقی برابر $ 0/086 و برای سیستم مجهز به بویلر گازی برابر $ 1/02 بوده و بیشینه مصرفی از برق شبکه در سیستم مجهز به بویلر برقی حدود دوبرابر سیستم مجهز به بویلر گازی می باشد.
- Abstract
- Renewable energy systems will have to compete with other electricity resources without demand-side policy support in the future. Under a regime with no support storage, system profitability will widely hinge on suitable planning and optimization. On the other hand, in smart grids, buildings are no longer passive consumers, but they are controllable loads, which can be used for demand side energy management. How to control this loads, choosing the best combination of energy system including, energy supplies and consumers, forecasting the energy consumption and production of the system and managing integrated system is so vital for smart buildings. In this study, two energy systems are assumed for an on-grid smart building. Grid and PV panels are the first system’s electricity supplies and the thermal load is provided by electrical boiler, SC, and a thermal storage in this system .The second energy system, instead of electrical boiler equipped with a gas boiler, in consequence of which this system is investigated as an energy hub. The best combination and optimized sizes of each energy system are achieved using PSO heuristic method via MATLAB software based on technical and economic benchmarks. The results in this section indicate that SC is not suitable for second system. By applying optimized sizes, in next step, a mixed integer nonlinear programming (MINLP) stochastic optimization problem for the optimal operation scheduling of residential energy hubs was developed. The solar irradiance and the outdoor temperature are uncertainty factors in this study, as a result of which thermal load and power production of renewable resources are stochastic parameters. 1000 scenarios are generated for each uncertainty factor and the number of reduced scenarios is ten to solve the stochastic optimization problem by applying GAMS software. In conclusion, the system with gas boiler is more profitable and has a better performance in peak shaving. Keywords: Renewable energy resources, energy storage,stochastic programming, energy hub, energy optimization, energy economics
