As the needs for distributed renewable generation (DRG) increase driven by the accelerated growth of electric demand in order to deter greenhouse emissions and create a more economic and efficient power supply environment, this papers pays attention to the potential contribution of independent owners (IOs) of DRG operating within the microgrid (MG). In order to assess such role, an optimization scheme is introduced to allocate and size the stochastic DRG with a distributed energy storage system (DESS) based on a novel energy management system (EMS) that accounts for power distribution loss, dynamic pricing environment, demand response, stochastic generation, etc. The proposed EMS utilizes an iterative Newton-Raphson linear programming algorithm that gradually schedule the resources maximizing the objective function and coping with the complicated nonlinear nature of the problem and enabling of efficiently carrying long-term assessments. The EMS is used to evaluate candidate solutions that are generated by a genetic algorithm (GA) working on evolutionary basis to determine the optimal combination of DRG and DESS. A case study for IEEE 34-bus distribution MG in Okinawa, Japan is used for testing the algorithm and analyzing the potential of IO investments and their strategies

چکیده

از آنجا که نیازها برای تولید تجدید پذیر پراکنده (DRG) توسط رشد پر شتاب تقاضای الکتریکی به منظور جلوگیری از انتشار گازهای گلخانه ای و ایجاد یک محیط قدرت اقتصادی و کارآمدتر افزایش می یابد، این مقاله به سهم بالقوه مالکان مستقل (IOها) DRG عملیاتی در ریزشبکه (MG) توجه دارد. به منظور ارزیابی چنین نقشی، طرح بهینه سازی برای تخصیص و برآورد DRG تصادفی با یک سیستم ذخیره سازی انرژی توزیع شده (DESS) بر اساس یک سیستم مدیریت انرژی جدید (EMS) معرفی شده است که تلفات توزیع توان، محیط قیمت گذاری دینامیک، پاسخ به تقاضا، تولید تصادفی، و غیره را به حساب می آورد. EMS پیشنهادی از الگوریتم برنامه ریزی خطی نیوتن رافسون تکراری استفاده می کند که به تدریج منابع را با به حداکثر رساندن تابع هدف و مقابله با طبیعت غیر خطی پیچیده­ مسئله و مهیا ساختن حمل موثر ارزیابی دراز مدت، زمانبندی می کند. EMS برای ارزیابی راه حل های نامزدی استفاده می شود که توسط یک الگوریتم ژنتیک (GA) تولید می شوند و بر پایه­ ا­ی تکاملی برای تعیین ترکیب بهینه از DRG و DESS کار می کنند. یک مطالعه موردی برای MG توزیع 34-باسIEEE  در اوکیناوا، ژاپن برای آزمایش الگوریتم و تحلیل پتانسیل سرمایه گذاری های IO و استراتژی های آنها استفاده می شود.

1-مقدمه

رویارویی با رشد شتاب دار تقاضای برق یکی از بزرگترین چالش های اقتصادی و زیست محیطی مواجه با کشورهای در حال توسعه است. در این شرایط، تولید پراکنده (DG) برای تامین توان در سطح توزیع، کاهش وابستگی به تولید برق متمرکز و بهبود راندمان انتقال و توزیع معرفی شده است. DG از سوخت های فسیلی مانند گازوئیل و سوخت های گازی و یا منابع تجدید پذیر مانند فتوولتائیک (PVS) و توربین های بادی (WTها) استفاده می کند. مسئله­ برنامه ریزی سیستم قدرت DG یکپارچه، توجه قابل ملاحظه ای در یک منابع موجود جذب کرده است...