尽量减少配电系统的总成本,包括电池储能系统和可再生能源
Thai Dinh Pham1, Thang Trung Nguyen2, Le Chi Kien1
1Faculty of Electrical and Electronics Engineering, Ho Chi Minh City University of Technology and Education, Ho Chi Minh City, Vietnam.
一个新的修改后的Coyote优化算法 (MCOA) 优化了可再生能源的放置,如风力轮机农场 (WF) 和光伏农场 (PVF),以及电池储能系统 (BESS). 这种方法大大降低了配送系统的总成本,同时确保了运营标准.
科学领域:
- 电气工程 电气工程
- 优化算法 优化算法
- 可再生能源系统可再生能源系统
背景情况:
- 可再生能源分布式发电机组的广泛整合提供了好处,但在管理意外影响和最大化优势方面存在挑战.
- 优化风力轮机农场 (WF),光伏农场 (PVF) 和电池储能系统 (BESS) 的放置对于有效的配电系统运行至关重要.
- 准确的电力流量分析和持续的优化对于解决现代电网的复杂性至关重要.
研究的目的:
- 引入一个修改后的Coyote优化算法 (MCOA),以在配送系统中最好地安装WF,PVF和BESS.
- 尽量减少总成本,包括投资,运营,维护,进口能源,功率损失和排放成本.
- 在IEEE 123总线不平衡分布系统 (UDS) 和Nha Be 55总线平衡分布系统 (BDS) 上验证拟议的方法.
主要方法:
- 开发了一种修改后的Coyote优化算法 (MCOA),以实现可再生能源和BESS的最佳配置.
- 使用OpenDSS进行电源流分析,并使用MATLAB进行优化.
- 通过COM接口实现了OpenDSS和MATLAB之间的共模拟方法.
主要成果:
- 与Salp Swarm算法 (SSA) 和Coyote优化算法 (COA) 相比,MCOA实现了高达24.13% (IEEE 123-bus UDS) 和27.46% (55-bus BDS) 的优越总成本节约.
- 最佳解决方案成功地满足了所有声明的约束,包括总线电压,线路电流和波扭曲标准.
- 通过战略整合可再生能源和储能,显著降低了成本,提高了系统效率.
结论:
- 修改后的Coyote优化算法 (MCOA) 是一种高效的方法,可以优化可再生能源分布式发电机组和BESS的放置.
- 拟议的共同模拟框架为解决复杂的电力系统优化问题提供了一个强大的平台.
- 该研究证实了将可再生能源和储能战略性地整合到配电系统中的技术经济和环境效益.
更多相关视频
05:30Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit
Published on: September 8, 2023
11:25Identification and Quantification of Decomposition Mechanisms in Lithium-Ion Batteries; Input to Heat Flow Simulation for Modeling Thermal Runaway
Published on: March 7, 2022
相关概念视频
Transformers in Distribution System
Distribution substation transformers come in various ratings and typically use mineral oil for insulation and cooling. To prevent moisture and air from entering the oil, some transformers use an inert gas like nitrogen to fill the...
Power System Distribution
The transmission system is designed...
Distribution Reliability and Automation
Secondary Distribution
In residential areas, 120/240 V single-phase, three-wire service is commonly used for lighting, outlets, and large appliances. Urban areas with high-density loads...
Primary Distribution
Fast Decoupled and DC Powerflow
