برنامه‌ريزي و تجديد آرايش بهينه در شبكه‌اي با ريزشبكه‌هاي چندگانه

Optimal Reconfiguration and Scheduling in a Network of Multiple Microgrids

در اين مقاله، تجديد آرايش بهينه مجموعه‌اي از ريزشبكه‌هاي به‌هم پيوسته جهت تأمين بهينه توان شبكه براي يك دوره يك‌روزه ارائه شده است. در ساعات مختلف بهره‌برداري، بر اساس توابع هدف ارائه شده الگوي مشاركت ريزشبكه‌ها در شبكه توزيع مشخص مي‌گردد. در هر ساعت و براي هر حالت در يك ساعت براي تمامي ريزشبكه‌هاي متصل به شبكه اصلي و نيز جزيره‌اي‌شده از پخش بار بهينه جهت تعيين توان‌هاي توليد منابع داخل ريزشبكه‌ها و نيز توان‌هاي عبوري از خطوط بين ريزشبكه‌اي با در نظرگيري قيود فني و زيست‌محيطي استفاده شده است. در حالتي كه براي يك ساعت مشخص ريزشبكه‌اي به‌صورت منفصل از شبكه و خود تأمين كار مي‌كند، مسئوليت تأمين بار بر عهده خود ريزشبكه خواهد بود. نتايج مطالعه جدولي از حالت‌هاي مشاركت و عدم مشاركت ريزشبكه‌ها در تأمين كل بار شبكه توزيع در طول 24 ساعت و نيز توان‌هاي توليدي منابع انرژي در داخل هر ريزشبكه با در نظرگيري قيود فني و اقتصادي شبكه است. از آنجاكه در اين مقاله يك تابع هدف چند منظوره براي تغيير آرايش بهينه ريزشبكه‌ها پيشنهاد شده است لذا، كارايي نتايج حاصل در حضور چندين تابع هدف با روش تحليل پوششي داده‌ها (DEA) و با توجه به نتايج روش تحليل پوششي داده‌ها كاراترين سناريو براي هر ساعت بهره‌برداري از بين سناريوهاي مختلف ارائه شده است.

In this paper the optimal reconfiguration and scheduling of a networked-Microgrids (networked-MGs) community for a 24 hours horizon is presents. Based on different fitness functions the configuration and commitment of the MGs are determined for any scheduling time slots. For any hours in scheduling horizon and for each network reconfiguration states the generation power of each distributed energy resource within MGs and the power flow exchange between MGs and main is obtained using Optimal Power Flow (OPF) considering the electrical and environmental constraints. In case of MGs operation in island mode, each MG is responsible for its load individually. To balance the total power in each MG, the price of the power exchanges with either the MGs or the utility grid is considered. The main results include the MGs reconfiguration state table for 24 hours scheduling of MGs which includes MGs resources output power and interconnection line flow. While the fitness function is a multi-objective function, to select the best and effective solution considering all fitness function the Data Envelope Analysis (DEA) method is adapted to select the most efficient solution for networked-MG optimal reconfiguration at each hour.