پیاده سازی مدیریت مصرف بار در شبکه هوشمند با استفاده از الگوریتم بهینه سازی ژنتیک

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 930

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IEAC02_079

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

مدیریت سمت تقاضا یکی از مهمترین راهکارها در شبکه هوشمنداست که مشترکان به تصمیم گیری آگاهانه در مورد مصرف انرژی شان اجازه می یابند و به کاهش تولید در تقاضای بار پیک کمکمی کند و پروفایل بار را تغییر شکل می دهد . این نتایج پایداری شبکههوشمند را افزایش می دهد ، به خوبی همه هزینه عملکردی و سطوح انتشار انواع آلاینده ها از جمله دی اکسید کربن را کاهش می دهد.استراتژیهای سیستم مدیریت سمت تقاضادر بسیاری از سیستم های مدیریت انرژی سنتی استفاده می شود و الگوریتم ها و تکنیک های خاص آن به کار گرفته می شوند .علاوه بر این استراتژی های موجود فقطتعدادی محدود بارهای قابل کنترل از انواع محدود را هندل می کند .این مقاله یک استراتژی سیستم مدیریت سمت تقاضا بر اساس تکنیک شیفت بار برای مدیریت سمت تقاضا شبکه های هوشمند آینده با تعداد زیادوسایل از چندین نوع بیان می شود . تکنیک شیفت بارروزهای بعدی در این مقاله با فرمولهای ریاضی همچون یک مسئله کمینه سازی بیان می شود .یک الگوریتم تکاملی ابتکاری است که به راحتی ابتکارات درمسئله وفق داده می شود و برای حل این مسئله کمینه سازی توسعه داده می شود . شبیه سازی که در شبکه هوشمند انجام شده است شامل بارهای متنوع در بخش مشترکین خانگی می باشد . نتایج شبیه سازینشان می دهد استراتژی مدیریت سمت تقاضا مطرح شده به یک صرفه جوئی هزینه عملکردی و انرژی قابل توجهی می رسد که تقاضای بار پیک در شبکه هوشمند را کاهش می دهد

نویسندگان

ابراهیم شیروی

دفتر نمایندگی سازمان بهره وری انرژی ایران (سابا )اصفهان، ایران

هومن صادقی

دفتر نمایندگی سازمان بهره وری انرژی ایران (سابا )اصفهان، ایران

محمداسماعیل صیادزاده

دفتر نمایندگی سازمان بهره وری انرژی ایران (سابا )اصفهان، ایران

اکبر صادقی

دفتر نمایندگی سازمان بهره وری انرژی ایران (سابا )اصفهان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • محمود البرزی "الگوریتم ژنتیک" چاپ اول، موسسمه انتشارات علمی دانشگاه ...
  • S. Rahman and Rinaldy, "An efficient load model for analyzing ...
  • _ _ _ IEEE Trans. ...
  • I. K. Maharjan, Demand Side Management: Load Management, Load _ ...
  • _ _ Management: _ [6] _ _ _ _ Aug. ...
  • T. Back, D. Fogel, and Z. Michalewicz, Handbook of Evolutionary ...
  • نمایش کامل مراجع