ترجمه بهینه­ سازی سیستم های باتری هیبرید بادی- فتوولتاییک با استفاده از GA-PSO و MOPSO به منظور کاهش هزینه و افزایش اطمینان

توضیحات

 عنوان فارسی: بهینه­ سازی سیستم های باتری هیبرید بادی- فتوولتاییک با استفاده از GA-PSO و MOPSO به منظور کاهش هزینه و افزایش اطمینان

عنوان انگلیسی مقاله ترجمه شده:

Optimizing a Hybrid Wind-PV-Battery System Using GA-PSO and MOPSO for Reducing Cost and Increasing Reliability

بهینه­ سازی سیستم های باتری هیبرید بادی- فتوولتاییک با استفاده از GA-PSO و MOPSO به منظور کاهش هزینه و افزایش اطمینان

نرگس قربانی، علی بخش کسائیان، اشکان توپ شکن، لیلی بهرامی، امین مقامی

نام ژورنال: انرژی

تاریخ دریافت: 15 ژوئن 2017

تاریخ ویرایش: 8 دسامبر 2017

تاریخ پذیرش: 11 دسامبر 2017

نحوه ارجاع دهی به این مقاله به صورت زیر می باشد:

Narges Ghorbani, Alibakhsh Kasaeian, Ashkan Toopshekan, Leyli Bahrami, Amin Maghami, Optimizing a Hybrid Wind-PV-Battery System Using GA-PSO and MOPSO for Reducing Cost and Increasing Reliability, Energy (2017), doi: 10.1016/j.energy. 2017.12.057

این فایل متعلق به مقاله ی پذیرش شده برای چاپ می باشد که ویرایش نشده است. این نسخه ی پیش از موعد به منظور سرویس دهی به مشتریان تهیه شده است. مقاله پیش از انتشار با فرمت نهایی از نظر متن و صحت نتایج مجدداً مورد بررسی قرار خواهد گرفت. لطفاً توجه داشته باشید خطاهای احتمالی که در روند چاپ شناسایی می شوند، ممکن است محتوای متن را مورد تأثیر قرار دهند که در این صورت هیچ مسئولیت قانونی متوجه ژورنال نمی باشد.

 

نکات قابل توجه:

• فتوولتائیک/ توربین بادی/ سیستم باتری در تهران شبیه سازی و بهینه سازی شده است.
• بهینه سازی هزینه و قابلیت اطمینان به روش GAPSO انجام شده است.
• هزینه خالص سیستم هیبریدی برابر با 300200 دلار برای 2% کاهش انرژی.
• سطح بندی هزینه ی انرژی برای واحد هیبریدی برابر با 502/0 بدست آمده است.

بهینه­سازی سیستم های باتری هیبرید بادی- فتوولتائیک (PV)با استفاده از GA-PSO و MOPSO به منظور کاهش هزینه و افزایش اطمینان

نرگس قربانی، علی بخش کسائیان، اشکان توپ شکن، لیلی بهرامی، امین مقامی

 

چکیده

در این مقاله ترجمه شده، الگوریتم ژنتیکی هیبریدی با بهینه سازی ازدحام ذرات (GA-PSO)، برای اندازه بهینه منازل خارج از شبکه  با پنل های فتوولتائیک، توربین های بادی و باتری بکار رفته است. GA-PSO یکی از قوی ترین الگوریتم های بهینه سازی تک منظوره است. از طرف دیگر بهینه سازی ازدحام ذرات چند منظوره (MOPSO) می تواند مسائل بهینه سازی را با در نظر گرفتن مقصود بدون تغییر آنها حل نماید. حداقل سازی تمام هزینه موجود شامل هزینه اولیه، هزینه عملیات و نگهداری و هزینه جایگزینی ضمن تأمین بار مورد نیاز هدف اصلی این تحقیق می باشد. در این مسئله بهینه سازی فاکتور اطمینان در نظر گرفته شده، احتمال کمبود منبع انرژی است که نشانگر تفاضل انرژی تولید شده و انرژی بار است. سرعت باد، تابش نور خورشید و بار مورد نیاز طی 12 ماه از سال توسط نرم افزار HOMER برای حومه شهر تهران در نظر گرفته شده است. پس از آن اندازه بهینه PV و WT برای هر دو روش GA-PSO و MOPSO با نتایج HOMER مقایسه شد. در انتها قوت و ضعف هر یک از روش ها توضیح داده شده است. نتایج نشان داد روش پیشنهادی با 502/0 هزینه طبقه بندی شده انرژی برای سیستم PV/WT/BAT  بهترین نتیجه را در بین روش های مقایسه شده دارد.

کلمات کلیدی: بهینه سازی، باد، فتوولتائیک، باتری، GA-PSO، MOPSO.

 

تغییرات باتری در t (kW)	PBAT(t)	مساحت قسمت چرخان توربین بادی (m2)	A
انرژی تزریق شده توسط PV و WT (kW)	Pin	ضریب قدرت توربین بادی	C
بار مورد نیاز در t(kW)	PLoad (t)	پارامتر وزنی ثابت	c
ظرفیت پنل PV(kW)	PPV	هزینه هر واحد باتری($)	CBAT
قدرت PV در t (kW)	PPV (t)	هزینه هر واحد اینورتور($)	CINV
نرخ قدرت PV در G=1000 w/m2	PPV rated	هزینه نگهداری باتری ها ($/kWh)	CM,BAT
ظرفیت توربین باد (kW)	PWT	هزینه نگهداری پنل فتوولتائیک ($/kWh)	CM,PV
ظرفیت توربین باد در t (kW)	PWT (t)	هزینه نگهداری توربین بادی ($/kWh)	CM,WT
نرخ قدرت توربین باد	PWT rated	هزینه هر واحد پنل فتوولتائیک ($/kW)	CPV
فاکتور جریمه	PF	هزینه هر واحد توربین بادی ($/kW)	CWT
متغیر تصادفی	R	هزینه اولیه($)	CI
چرخه حیات سیستم	T	هزینه نگهداری($)	CM
معیار نهایی	TC	هزینه جایگزینی ($)	CR
سرعت باد (m/s)	V	هزینه کل	CT
بردار سرعت ذرات	V	کل انرژی تولید شده در یک سال	Et
سرعت باد شکافته شده (m/s)	Vci	تشعشع خورشید در سطح فتوولتائیک	G
سرعت باد قطع شده (m/s)	Vco	بهترین موقعیت مکانی	Gbest
متغیر وزنی	W	بهترین موقعیت ذره	Pbest
موقعیت ذرات	X	ارتفاع (m)	H
چگالی هوا	ρ	نرخ تورم	infR
ضریب هلمان	α

 

 

نرخ کاهش شارژ در درون باتری	σ	نرخ سود	Int R
مدول کارآیی PV	mpptη	کاهش منبع قدرت	LPS
میزان کارآیی یکسو کننده	RECη	احتمال کاهش منبع قدرت	LPSP
کارآیی شارژ سیستم باتری ها	BATη	هزینه طبقه بندی شده انرژی ($/kWh)	LCE
کارآیی مبدل	CONη	تعداد باتری ها	N BAT
کارآیی اینورتور	INVη	تعداد اینورتورها	N INV
الگوریتم ژنتیک	GA	تعداد پنل های PV	NPV
سیستم مدیریت انرژی	EMS	تعداد پنل های PV خراب	N fail PV
بهینه سازی چرخش ذرات	PSO	تعداد توربین های بادی	N WT
الگوریتم ژنتیک بهینه سازی چرخش ذرات	GA-PSO	تعداد WT های خراب	N fail WT
بهینه سازی چند منظوره چرخش ذرات	MOPSO	هزینه خالص حال	NPC
توربین بادی	WT	تابع هدف	OF
		شارژ باتری در t	P BAT (t)

 

مقدمه:

پیشرفت تکنولوژی، افزایش جمعیت و افزایش نیاز به انرژی و متعاقب آن افزایش هزینه و انتشار گازهای گلخانه ای، که همه در نتیجه گازهای گلخانه ای است، منجر به جلب توجه به منابع انرژی تجدید پذیر شده است. انرژی باد و خورشیدی از مهمترین منابع تجدیدپذیر و قابل دسترس می باشند که می توانند با هم ادغام شوند تا سیستم هیبریدی انرژی با کیفیت بالاتر و قابلیت اعتماد بیشتر  نسبت به یک منبع را ایجاد کنند[3]. در واقع انرژی باد و خورشید منابع پایه در سیستم انرژی هیبریدی هستند. مخازن باتری انرژی، سلول های سوخت و ژنراتورهای دیزلی میتوانند به سیستم های هیبریدی اعمال شوند تا کارآیی را افزایش داده و کمبودهارا از بین ببرد. در واقع زمانی که سرعت باد شعاع نور کاهش یابد یا زمان اوج مصرف، وجود چنین منابعی ضروری است[4و5]. سیستم های انرژی هیبریدی می توانند هم به صورت مستقل و هم به صورت شبکه ای عمل کنند و همچنین می توان یک بخش کنترل برای ارتباط سیستم هیبریدی به چرخه تولید انرژی در زمان مشخص اضافه نمود. بهینه سازی طراحی و اندازه مؤثر سیستم انرژی هیبریدی برای افزایش کارآیی و قابلیت اطمینان ضروری است زیرا منجر به تدمین درخواست بار اضافی، کاهش هزینه انرژی و هزینه موجود خالص (NPC) و کاهش انتشار گازهای گلخانه ای می شود [6]. بنابراین طراحی سیستم هیبریدی انرژی که اقتصادی بوده و از نظر فنی تصدیق شده است، نیازمند مراحل بهینه سازی چند مرحله ای است. به طور کلی روش های اندازه برای طراحی بهینه سیستم های تولیدی PV/WT میتواند به چهار دسته تقسیم شوند که شامل روش های احتمالاتی، تحلیلی، تکراری و هیبریدی است. بررسی پیشینه تحقیق نشان می دهد این روش ها به عنوان روش های تک منظوره و چند منظوره به شکل عددی، تحلیلی و معانی بهینه سازی یا از طریق نرم افزارهای تبلیغاتی متفاوت توسعه یافته اند. تحقیق نشان می دهد در مسائل تک منظوره متفاوت هزینه کل  بیشترین تابع اعمال شده است. یانگ و همکاران[7] متغیرهای طراحی (تعداد مدول PV، تعداد توربین های بادی، تعداد باتری ها، زاویه شیب مدول PV و ارتفاع قرارگیری توربین باد) یک سیستم خورشید/باد/باتری هیبریدی را بهینه سازی کردند تا به میزان احتمالی کاهش منبع انرزی مورد نظر (LPSP) که به مفهوم حداقل هزینه سیستم سالیانه (ACS) در GA می باشد. کورنلاکیس و ماریناکیس [8] از PSO به عنوان الگوریتم بهینه سازی تک منظوره برای بهینه سازی پارامترهای طراحی متفاوت در سیستم اتصال شبکه ای PV مانند عدد مدول PV استفاده نمودند تا حداکثر سود اقتصادی را در دوره مصرف سیستم بدست آورند. خوری و همکاران [9] یک سیستم PV/باتری طراحی کردند که به عنوان پشتیبان در زمان اتمام انرژی در ساختمان های مسکونی عمل کند و هزینه واحد را توسط الگوریتم بهینه سازی PSO و GA حداقل سازد. 

توجه:

• برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
• لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.

سفارش ترجمه مقاله

به منظور سفارش ترجمه تخصصی مقالات خود بر روی کلید زیر کلیک نمایید.

سفارش ترجمه تخصصی