Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Hệ Thống Dispatch Năng Lượng Tối Ưu Toàn Diện Đa Năng Lượng Dựa Trên Phản Hồi Nhu Cầu
Tóm tắt
Hệ thống năng lượng toàn diện đang phát triển không ngừng. Cách thức để đáp ứng nhu cầu của xã hội và môi trường như là tiền đề và xây dựng một chiến lược dispatch tối ưu là hướng nghiên cứu chính trong phát triển hệ thống năng lượng hiện nay. Trong nghiên cứu này, sự bổ sung đa năng lượng được xem xét, dựa trên phản hồi nhu cầu, và một mô hình tối ưu dispatch Bổ Sung Đa Năng Lượng (MEC) được thiết lập dựa trên Giá trị Có Điều kiện theo Rủi ro (CVaR), và cuối cùng là thực hiện đánh giá mô phỏng thử nghiệm dispatch tối ưu hệ thống năng lượng dưới các tình huống khác nhau. Kết quả mô phỏng cho thấy rằng hệ thống dispatch năng lượng tối ưu toàn diện MEC được đề xuất trong nghiên cứu đã tính đến phản hồi của phía cầu, và việc sử dụng năng lượng của hệ thống là hợp lý hơn. Khi phản hồi bên cầu được xem xét đầy đủ, giá trị tải cao nhất là 574,12 kW. Sau khi tính đến phản hồi bên cầu và phát thải carbon, phát thải carbon trung bình hàng ngày của hệ thống chỉ là 59,36 kg. Khi không tính đến phản hồi bên cầu và dấu chân carbon, dấu chân carbon của nồi hơi chạy bằng gas trong hệ thống luôn duy trì ở mức 32,31 kg, và phát thải carbon rất nhỏ. So sánh hệ thống dispatch năng lượng tối ưu cho thấy chi phí hệ thống được đề xuất trong nghiên cứu chỉ là 8880,93 nhân dân tệ; chi phí phát thải carbon chỉ là 417,83 nhân dân tệ, thấp hơn đáng kể so với các hệ thống khác. Kết quả trên cho thấy rằng, sau khi xem xét phản hồi bên cầu, năng lượng toàn diện MEC trong công viên có thể được tối ưu hóa hiệu quả hơn và phân phối tải của hệ thống có thể được cải thiện, điều này có ý nghĩa lớn trong việc dispatch lưới điện.
Từ khóa
#năng lượng toàn diện #tối ưu hóa #phản hồi nhu cầu #mô hình dispatch #phát thải carbonTài liệu tham khảo
Abdi H, Moradi M, Asadi R, Naderi S, Amirian B, Karimi F (2021) Optimal reactive power dispatch problem: a comprehensive study on meta-heuristic algorithms. J Energy ManageTech 5(3):67–77
Ahmadi M, Xiong X, Ames AD (2021) Risk-averse control via CVaR barrier functions: application to bipedal robot locomotion. IEEE Contr Syst Lett 6:878–883
Arif U, Sohail MT, (2020) Assets Pricing with Higher Co-Moments and CVaR: Evidence from Pakistan stock Exchange. International journal of Economics and Financial Issues 10(5):243–243
Cheng L, Yu T (2019) Smart dispatching for energy internet with complex cyber-physical-social systems: a parallel dispatch perspective. Int J Energy Res 43(8):3080–3133
Dixit V, Verma P, Tiwari MK (2020) Assessment of pre and post-disaster supply chain resilience based on network structural parameters with CVaR as a risk measure. Int J Prod Econ 227:107655–107655
Dou X, Wang J, Wang Z, Li LJ, Bai LQ, Ren SH, Gao M (2020) A dispatching method for integrated energy system based on dynamic time-interval of model predictive control. J Mod Power Syst Clean Energy 8(5):841–852
Du J, Zhang Z, Li M, Guo J, Zhu K (2022) Optimal scheduling of integrated energy system based on improved gray wolf optimization algorithm. Sci Rep 12(1):1–19
Fan Y, Feng Y, Shou Y (2020) A risk-averse and buyerled supply chain under option contract: CVaR minimization and channel coordinationl. International. J Prod Econ 219:66–81
Jabr RA (2020) Distributionally robust CVaR constraints for power flow optimization. IEEE Trans Power Appar Syst 35(5):3764–3773
Ju LW, Tan QL, Lu Y, Tan ZF, Zhang YX, Tan QK (2019) A CVaR-robust-based multi-objective optimization model and three-stage solution algorithm for a virtual power plant considering uncertainties and carbon emission allowances. Int J Electr Power Energy Syst 107:628–643
Khaloie H, Mollahassani-Pour M, Anvari-Moghaddam A (2020) Optimal behavior of a hybrid power producer in day-ahead and intraday markets: a bi-objective CVaR-based approach. IEEE Trans Sustain Energy 12(2):931–943
Kumar R, Khepar J, Yadav K et al (2022) A systematic review on generalized fuzzy numbers and its applications: past, present and future. Arch Comput Methods Eng 29(7):5213–5236
Li C, Zhou H, Li J, Dong ZM (2020) Economic dispatching strategy of distributed energy storage for deferring substation expansion in the distribution network with distributed generation and electric vehicle. Journal of Cleaner Production 253:119862–111198
Meng F, Bai Y, Jin J (2021) An advanced real-time dispatching strategy for a distributed energy system based on the reinforcement learning algorithm. Renew Energ 178:13–24
Mokaramian E, Shayeghi H, Sedaghati F, Safari A, Alhelou HH (2021) A CVaR-Robust-based multi-objective optimization model for energy hub considering uncertainty and E-fuel energy storage in energy and reserve markets. IEEE Access 9:109447–109464
Nguyen SP, Huynh TLD (2019) Porfilo optimization from a Copulas-GJRGARCH-EVT-CVAR model: Empirical evidence from ASEAN stock indixes. Quant Finance Econ 3(3):562–585
Rani S, Babbar H, Srivastava G et al (2022) Security framework for internet of things based software defined networks using blockchain. IEEE Internet Things J 7(10):6074–6081
Tian L, Cheng L, Guo J, Wu KH (2020a) System modeling and optimal dispatching of multi-energy microgrid with energy storage. J Mod Power Syst Clean Energy 8(5):809–819
Tian L, Cheng L, Guo J, Wu K (2020b) System modeling and optimal dispatching of multi-energy microgrid with energy storage. J Mod Power Syst Clean Energy 8(5):809–819
Tripathy SS, Mishra K, Roy DS et al (2023) State-of-the-art load balancing algorithms for mist-fog-cloud assisted paradigm: a review and future directions. Arch Comput Methods Eng 1:1–36
Vyas P, Vyas G, Dhiman G (2023) Ruemo-The classification framework for Russia-Ukraine war-related societal emotions on twitter through machine learning. Algorithms 16:69
Xu H, Meng Z, Wang Y (2020) Economic dispatching of microgrid considering renewable energy uncertainty and demand side response. Energy Reports 6:196–204
Yuan G, Gao Y, Ye B (2021) Optimal dispatching strategy and real-time pricing for multi-regional integrated energy systems based on demand response. Renew Energ 179:1424–1446