Operation optimization of distributed generation using artificial intelligent techniques
Abstract
Future smart grids will require an observable, controllable and flexible network architecture for reliable and efficient energy delivery. The use of artificial intelligence and advanced communication technologies is essential in building a fully automated system. This paper introduces a new technique for online optimal operation of distributed generation (DG) resources, i.e. a hybrid fuel cell (FC) and photovoltaic (PV) system for residential applications. The proposed technique aims to minimize the total daily operating cost of a group of residential homes by managing the operation of embedded DG units remotely from a control centre. The target is formed as an objective function that is solved using genetic algorithm (GA) optimization technique. The optimal settings of the DG units obtained from the optimization process are sent to each DG unit through a fully automated system. The results show that the proposed technique succeeded in defining the optimal operating points of the DGs that affect directly the total operating cost of the entire system.
Keywords
- Distribution automation;
- Energy management;
- Fuel cells;
- GA optimization;
- Home automation;
- Smart grid
1. Introduction
The smart grid and its promising features for a better intelligent and automated energy infrastructure are under study in several researches and projects [1]. Home automation (HA) and home energy management (HEM) systems are one of the main branches of the future smart grid [2]. Regarding home automation, optimizing the operation of DG units within the residential homes is a new face of home automation. Nowadays, achieving coordination between the operation of various DG units within the residential homes in order to satisfy the customerrsquo;s needs and minimize operating cost is the first desire of all homeowners. Due to the environment pollution and lacking of energy resources, distributed renewable energy resources such as PV systems and FC units are attracting more attention as alternative energy resources. PV/FC hybrid generation system is one of the most effective methods to make use of renewable energy sources [3]. The power generated by a PV system is highly dependent on climate conditions. Also, it is difficult to store the power generated by PV system for future use. To overcome this problem, integration of a PV system with other alternatives DG such as FC systems in order to maintain a reliable energy supply is an encouraging solution [4].
The literatures presented a lot of researches that rely on minimizing the total daily energy costs within the smart homes based on advanced techniques. In [5], the author presented a novel technique for determining the optimal output of FC systems supplying a residential loads in order to minimize the total energy consumption. However, the authors built their strategy based on a fixed assumed forecasted household demand without considering the frequently changes in daily load curve over the day. Thus, the uncertainty effect of the forecasted demand has not been investigated.
The author in [6] presented an approach for reducing the daily total operating costs of a proton exchange membrane fuel cell (PEMFC) supplying a residential load under electrical demand uncertainty. In order to minimize the total daily operating costs of the FC, a cost model is developed. This model takes into account the various operational and technical constraints associated with the unit. The author used particle swarm optimization approach to define the optimal outputs of the FC. However, this research did not take into account the methods of data collection and role of communication technology to facilitate the implementation of this algorithm.
In [7], a two-phase approach to manage the daily operation of PEMFCs for residential applications is presented. This approach depends on two stages. The first performs offline optimization processes for different load demands and electricity and natural gas tariffs using a GA optimization technique. In the second, the obtained results are used for offline training and testing of ANN, which can be used on-site to define the settings of the FC in the online mode.
In [8], an operational algorithm that maximizes the advantages of all residential cogeneration systems is proposed, where the technique is evaluated from the viewpoint of energy conservation and economic effectiveness based on the energy demand characteristics.
This paper introduces a new approach to manage the operation of DG units within smart homes in order to minimize the total daily operating cost and also to satisfy all homersquo;s needs. The proposed approach depends on a strong communication infrastructure that enables the two way flow of information between the consumers and the control centre and also remote control of DG units and appliances within the smart homes [9].lt;
剩余内容已隐藏，支付完成后下载完整资料
使用人工智能技术的分布式发电的操作优化
抽象
未来的智能电网将需要可观察的，可控的和灵活的网络架构，用于可靠和高效的能量输送。使用人工智能和先进的通信技术对于建立一个完全自动化的系统是至关重要的。本文介绍了一种用于分布式发电（DG）资源的在线最佳运行的新技术，即用于住宅应用的混合燃料电池（FC）和光伏（PV）系统。所提出的技术旨在通过从控制中心远程地管理嵌入式DG单元的操作来最小化一组住宅的总日常运营成本。目标形成为使用遗传算法（GA）优化技术解决的目标函数。从优化过程获得的DG单元的最佳设置通过完全自动化的系统发送到每个DG单元。结果表明，所提出的技术成功地定义了DG的最佳工作点，直接影响整个系统的总运营成本。
关键词
- 配电自动化 ;
- 能源管理 ;
- 燃料电池 ;
- GA优化 ;
- 家庭自动化 ;
- 智能电网
1.介绍
智能电网及其有希望的功能，更好的智能和自动化能源基础设施正在研究中的几个研究和项目[1]。家庭自动化（HA）和家庭能源管理（HEM）系统是未来智能电网的主要分支之一[2]。关于家庭自动化，优化住宅家庭中的DG单元的操作是家庭自动化的新面貌。如今，实现住宅内各种DG单元的操作之间的协调，以满足客户的需求并最小化操作成本是所有房主的第一愿望。由于环境污染和能源资源短缺，分布式可再生能源资源如光伏系统和FC单元作为替代能源吸引更多的关注。PV / FC混合发电系统是利用可再生能源的最有效的方法之一[3]。PV系统产生的功率高度依赖于气候条件。此外，难以存储由PV系统产生的电力以供将来使用。为了克服这个问题，PV系统与其他替代DG（如FC系统）的集成以保持可靠的能量供应是一个令人鼓舞的解决方案[4]。难以存储由PV系统产生的电力以供将来使用。为了克服这个问题，PV系统与其他替代DG（如FC系统）的集成以保持可靠的能量供应是一个令人鼓舞的解决方案[4]。难以存储由PV系统产生的电力以供将来使用。为了克服这个问题，PV系统与其他替代DG（如FC系统）的集成以保持可靠的能量供应是一个令人鼓舞的解决方案[4]。
文献提出了许多研究，依靠基于先进技术的智能家庭中的每日能源成本最小化。在文献[5]中，作者提出了一种新技术，用于确定供应住宅负载的FC系统的最佳输出，以便最小化总能量消耗。然而，作者建立了基于固定的假设预测家庭需求的策略，而不考虑日常负荷曲线的频繁变化。因此，预测需求的不确定性影响尚未进行调查。
作者在[6]中提出了一种降低质子交换膜燃料电池（PEMFC）的日常总运营成本的方法，该燃料电池在电需求不确定度下提供住宅负载。为了最小化FC的日常运营总成本，开发了一个成本模型。该模型考虑了与该单元相关的各种操作和技术限制。作者使用粒子群优化方法来定义FC的最优输出。然而，这项研究没有考虑数据收集的方法和通信技术的作用，以促进该算法的实现。
在[7]中，提出了一个两阶段方法来管理住宅应用的PEMFC的日常运行。这种方法取决于两个阶段。第一个使用GA优化技术对不同的负载需求和电力和天然气费率进行离线优化过程。第二，获得的结果用于ANN的离线训练和测试，其可以在现场使用以在在线模式中定义FC的设置。
在[8]中，提出了一种最大化所有住宅热电联产系统的优点的操作算法，其中基于能量需求特性从节能和经济有效性的观点来评价该技术。
本文介绍了一种新的方法来管理智能家居中的DG单元的运行，以便最小化总日常运营成本，并满足所有家庭的需求。所提出的方法取决于强大的通信基础设施，使消费者和控制中心之间的双向信息流，以及遥控智能家居中的DG单元和电器[9]。
优化问题被表达为使用GA优化技术解决的目标函数。除了突出使用基于时间的资费策略的效果外，还研究了改变购买/出售的电价对DG单元的最优设置的影响。因此，引入了应用固定购买价格和基于时间的购买价格之间的简单比较。
2.提出的系统描述
图1表示所提出的系统的一般结构。提出的系统包括四个智能家庭，每个家庭包含一个PEMFC和一个具有一定容量的PV系统。每个家庭都有自己的电和热负载需求。
图1。 提出的系统的一般结构。
FC和PV系统负责馈送家庭的电负载。DG的输出功率可以小于家庭的电负载，这是经济决策，其中剩余功率可以从电网购买。在某些时期，DG的输出功率大于家庭的电负荷，其中多余的功率可以卖给电网以获得经济利润。每个家庭都有一个双向智能电表，可以测量从电网购买或出售的电能。热负荷包括水和空间加热。FC产生用于供给热负荷的热能。如果FC不能满足家庭的热负荷，则可以通过燃烧来自公用事业的天然气来获得剩余热功率。关于热电互换的可能性，所提出的系统假定家庭被分成两组。该假设考虑每个组具有彼此接近的家庭，因此，热功率的交换是可能的。另一方面，假定两个组彼此远离，这防止它们之间的热功率的交换。
图2示出了通过每个智能家庭的电功率和热功率。在每个家庭中，使用两个单独的天然气智能电表。这是因为大多数天然气公司对天然气使用（例如住宅，工业或发电）提供不同的关税。假设每个家庭具有家庭能量网关（HEG）。HEG控制器包括链接智能仪表，智能家电和智能设备的中央集线器，例如家庭局域网（HAN）ensp;[10]中的FC和PV控制器。控制器还收集和报告功率使用数据，并且实现消耗器和公用设施之间的双向信息流。HEG允许智能家居的每个点从中心点连接和控制。HEG可以使用许多通信技术用于家庭内的无线通信。最推荐的是ZigBee技术[11] 和 ensp;[12]。HEG链接到广域网（WAN），用于通过Internet连接进行远程控制和监控。图。图3示出了所提出的系统的通信网络的一般结构。
图2。 电和热功率流经智能家庭。
图3。 通信系统的一般结构。
3. FC / PV配置
本文使用的两种类型的DG单元是PEMFC和PV系统。这两种类型将讨论如下。
3.1。质子交换膜燃料电池
PEMFC是低温型FC，可以安全地用于住宅。它在混合能源系统应用中显示出巨大的潜力[13]。PEMFC不仅产生电能，而且排热。废热通过水循环，水可以用作热水或加热介质，例如地板加热或浴槽通风。PEMFC的热和电输出功率之间的关系如图2所示。4（a）[14]。如果输出热功率用于水和空间加热以形成热电联产系统（CHP），则PEMFC的电效率可以达到40％，而总效率可以达到80％。在图ensp;图4（b）示出了PEMFC的电效率。本文的关注点在于经济模型而不是动态模型。该模型中使用的FC的额定值基于每个家庭在一年内的最大电负荷需求。本文中使用的FC的额定值为四个家庭的2,3,5和7 kW。
图4。 3 kW燃料电池的热功率和效率曲线。
3.2。光伏系统
在本文中选择的PV系统是第二个DG单元，有助于在阳光时间馈送电负载需求。大约40％的家庭电负荷在阳光下消耗[15]。其余的是在夜间消耗。选择PV的额定值以便仅在日照期间满足需求，即白天总电负荷的40％。根据经济效益，可以从FC或从电网馈送电能中的任何短缺。任何过剩的电力可以出售给电网
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[137016]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
