مدیریت هوشمند مصرف ساختمان‌های مسکونی با کمک هاب انرژی در حضور حامل‌های انرژی چندگانه

نوع مقاله : مقاله برق

نویسندگان

1 استادیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه حکیم سبزواری

2 محقق پسا دکتری ، دانشکده مهندسی برق و کامپیوتر، دانشگاه حکیم سبزواری

3 کارشناسی ارشد، دانشکده مهندسی برق و کامپیوتر، دانشگاه حکیم سبزواری

چکیده

در پژوهش پیشِ‌رو به موضوع مدیریت مصرف و انرژی در ساختمان‌های مسکونی با استفاده از سامانه‌ی هاب انرژی پرداخته شده‌است. هدف از بکارگیری هاب انرژی استفاده‌ی همزمان و بهینه از چند حامل انرژی برای تأمین مناسب، مطمئن و اقتصادی نیاز مصرف‌کننده با رعایت قید رضایت و آسایش ساکنین است. مسئله بهینه سازی مورد نظر در این مطالعه بصورت برنامه نویسی خطی عدد صحیح مخلوط فرموله میشود. به منظور حل مسئله‌ی بهینه‌سازی از نرم‌افزار گمز استفاده شده‌است. طی اجرا حل مسئله، تأثیر سه مدل قیمت‌گذاری مرسوم شامل ساعتی، زمان استفاده و قیمت‌گذاری آنی در ایران بررسی شد و بخشی از نتایج حاصل در قالب جداول و نمودارهایی ارائه شده‌است. در کلیه‌ی حالات، امکان فروش برق تولیدی مشترک به شبکه لحاظ شده است؛ بنابراین می‌توان به فناوری هاب انرژی حتی در شرایط اقلیمی و سیاست‌های قیمت‌گذاری ایران بیش از پیش توجه نمود و با ایجاد فضای مناسب سرمایه‌گذاری به‌خصوص در مجتمع‌های مسکونی بزرگ و بلوک‌های ساختمانی به افزایش امنیت انرژی، کاهش مصرف سوخت‌های فسیلی و گسترش استفاده از منابع متنوع انرژی در مناطق مختلف کمک نمود.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Intelligent consumption management of residential buildings with the help of energy hub in the presence of multiple energy carriers

نویسندگان [English]

  • Rahim Ildarabadi 1
  • Hossein Lotfi 2
  • Mohammad Hasan Nikkhah 3
  • Mohammad Rooeintan 3
1 Department of Electrical and Computer Engineering, Hakim Sabzevari University, Sabzevar, Iran
2 Department of Electrical and Computer Engineering, Hakim Sabzevari University, Sabzevar
3 Department of Electrical and Computer Engineering, Hakim Sabzevari University, Sabzevar, Iran
چکیده [English]

In the upcoming research, the issue of consumption and energy management in residential buildings has been discussed using the energy hub system. The purpose of using energy hub is the simultaneous and optimal use of several energy carriers for the appropriate, reliable and economical supply of consumer needs while complying with the conditions of satisfaction and comfort of the residents. The optimization problem in this study is formulated as mixed integer linear programming. In order to solve the optimization problem of the optimization problem, Gam’s software has been used. During the implementation of problem solving, the effect of three conventional pricing models, including hourly, time of use and instant pricing, was investigated in Iran, and part of the results are presented in the form of tables and graphs. In all cases, the possibility of selling jointly produced electricity to the grid is included; Therefore, it is possible to pay more attention to the energy hub technology even in the climatic conditions and pricing policies of Iran, and by creating a suitable investment environment, especially in large residential complexes and building blocks, to increase security. Energy, reducing the consumption of fossil fuels and expanding the use of various energy sources in different regions helped.

کلیدواژه‌ها [English]

  • Demand response program
  • Solar cell
  • Combined cooling and heating Electrical load

مراجع

  • Favre-perrod P, Geidl M, Kl B, Koeppel G, “A Vision of Future Energy Networks,” Inaugural IEEE PES 2005 Conference and Exposition in Africa. Durban, South Africa, 2005.
  • Mohammadi M, Noorollahi Y, Mohammadi-ivatloo B, Hosseinzadeh M, Yousefi H, Khorasani ST, “Optimal management of energy hubs and smart energy hubs – A review,” Renew Sustain Energy Rev , Vol. 89, 2018, pp.33–50.
  • Mohammadi M, Noorollahi Y, Mohammadi-ivatloo B, Yousefi H, “Energy hub: From a model to a concept – A review,” Renew Sustain Energy Rev, Vol.80, 2017, pp.1512–1527.
  • Geidl M, Koeppel G, Favre-Perrod P, Klöckl B, Andersson G, Fröhlich K, “ Energy Hubs for the Future,”. IEEE Power & Energy Magazine. 2007, pp.24–30.
  • Ha T, Zhang Y, Thang V V., Huang J, “ Energy hub modeling to minimize residential energy costs considering solar energy and BESS,” J Mod Power Syst Clean Energy, Vol.5, NO.3, 2017, pp.389–399.
  • Ter-Gazarian AG, “ Energy Storage for Power Systems: The Institution of Engineering and Technology,” 2nd ed. IET Power and Energy Series. London, United Kingdom: The Institution of Engineering and Technology (IET); 2011,pp. 31-39.
  • Aljabery, A. A. M., Mehrjerdi, H., Mahdavi, S., & Hemmati, R, “Multi carrier energy systems and energy hubs: Comprehensive review, survey and recommendations,” International Journal of Hydrogen Energy, vol.46, 2021, pp. 23795-23814.
  • Javadi, M. S., Nezhad, A. E., Jordehi, A. R., Gough, M., Santos, S. F., & Catalão, J. P, “Transactive energy framework in multi-carrier energy hubs: A fully decentralized model,” Energy, Vol.238, 2022, pp. 121717.
  • Son, Y.-G., Oh, B.-C., Acquah, M. A., Fan, R., Kim, D.-M., & Kim, S.-Y, “Multi energy system with an associated energy hub: a review,” IEEE Access, Vol.9, 2021, pp.127753-127766.
  • Jordehi, A. R., Javadi, M. S., Shafie-khah, M., & Catalão, J. P, “Information gap decision theory (IGDT)-based robust scheduling of combined cooling, heat and power energy hubs,” Energy, Vol.231, 2021, pp.120918.
  • Mokaramian, E., Shayeghi, H., Sedaghati, F., Safari, A., & Alhelou, H. H, “An Optimal Energy Hub Management Integrated EVs and RES Based on Three-Stage Model Considering Various Uncertainties. IEEE Access, Vol.10, 2022, pp.17349-17365.
  • Lei, J., Zhou, C., Li, X., Huang, A., Bai, H., Yuan, Z., & Zhou, L, “Energy management considering energy storage and demand response for smart energy hub in Internet of Things,” IEEE Access, 2020.
  • H. Nikkhah, H. Lotfi, M. Samadi, and M. E. Hajiabadi, "Energy Hub Management considering Demand Response, Distributed Generation, and Electric Vehicle Charging Station," International Transactions on Electrical Energy Systems, Vol. 2023, 2023, pp.1-16.
  • Dehnavi E, Abdi H, “Optimal pricing in time of use demand response by integrating with dynamic economic dispatch problem,” Energy, vol.109, 2016, pp.1086–94.
  • Lujano-Rojas JM, Monteiro C, Dufo-López R, Bernal-Agustín JL, “Optimum residential load management strategy for real time pricing (RTP) demand response programs,” Energy Policy, Vol.45, 2012, pp. 671–679.
  • ~Li, SH~Hong, “ User-expected price-based demand response algorithm for a home-to-grid system,” Energy, Vol.64, 2014, pp.437–449.
  • Samadi, Mahdi, and Sajjad Yousefzadeh, “Optimal Scheduling of Interconnected Energy Hubs Considering Responsive Loads,” 28th Iranian Conference on Electrical Engineering (ICEE), 2020, pp. 1-5.
  • Aghamohamadi, M., M. Samadi, and M. Pirnahad. "Modeling and evaluating the energy hub effects on a price responsive load." Iranian Journal of Electrical and Electronic Engineering 15, NO. 1 (2019): 65-75.
  • Joung M, Kim J, “ Assessing demand response and smart metering impacts on long-term electricity market prices and system reliability,” Appl Energy, Vol.101, 2013, pp.441–448.
  • Zhang, L. Che, M. Shahidehpour, A. S. Alabdulwahab, and A. Abusorrah, “Reliability-based optimal planning of electricity and natural gas interconnections for multiple energy hubs,” IEEE Transactions on Smart Grid, Vol. 8, NO. 4, 2017, pp. 1658–1667, .
  • Najaf, H. Falaghi, J. Contreras, and M. Ramezani, “A stochastic bilevel model for the energy hub manager problem,” IEEE Transactions on Smart Grid, Vol. 8, NO.5 ,2017, pp. 2394–2404.
  • Arun SL, Selvan MP, “ Intelligent Residential Energy Management System for Dynamic Demand Response in Smart Buildings,” IEEE Syst J, Vol.12, 2017, pp.1–12.
  • Arun SL, Selvan MP, “ Dynamic demand response in smart buildings using an intelligent residential load management system,” IET Gener Transm Distrib, Vol.11, 2017,pp. 4348–4357
  • Arun SL, Selvan MP, “Smart residential energy management system for demand response in buildings with energy storage devices,” Frontiers in Energy, 2018, pp.1–16.
  • Rotger-Griful S, Welling U, Jacobsen RH, “ Implementation of a building energy management system for residential demand response,” Microprocess Microsyst, Vol.55, 2017, pp.100–110.
  • Huang Y, Tian H, Wang L, “ Demand response for home energy management system,” Int J Electr Power Energy Syst,” Vol.73, 2015, pp.448–455.
  • Da Silva R V., Affonso CM, “ Demand side management of a residential system using simulated annealing. IEEE Lat Am Trans,” Vol.15, 2015, pp.1355–1360.
  • Vilar DB, Affonso CDM, “ Residential energy management system with photovoltaic generation using simulated annealing,” 13th International Conference on the European Energy Market (EEM), 2016.
  • Pradhan V, Khaparde SA, “An Effective Model for Demand Response Management Systems of Residential Electricity Consumers,” IEEE Syst J, 2014, pp.1–12.
  • Muratori M, Rizzoni G, “ Residential Demand Response : Dynamic Energy Management and Time-Varying Electricity Pricing,” IEEE Trans Power Syst, 2015, pp.1–10.
  • Pipattanasomporn M, Kuzlu M, Rahman S, “ An Algorithm for Intelligent Home Energy Management and Demand Response Analysis Manisa,” IEEE Trans Smart Grid. 2012, pp.1–8.

[32] احمد قاسمی و گلنام کریمی، " ارائه مدلی جدید برای مدیریت بهینه انرژی یک ریزشبکه مسکونی با هدف بهبود شاخص های تاب آوری و انعطاف پذیری"، مدل سازی در مهندسی، دوره 20، شماره 71، مهر 1401، صفحات 61-77.

[33] جمشید آقائی، امین رحیمی رضایی و محمدرضا کریمی، "هماهنگی نیروگاه‌های بادی و دستگاه‌های ذخیره‌ساز سیستم قدرت در مسئله‌ی برنامه‌ریزی امنیت-مقید مشارکت واحدها با استفاده از بهینه‌سازی استوار"، مدل سازی در مهندسی، دوره 16، شماره 53، تیر 1397، صفحات 207-220.

[34] محمد علیزاده، میثم جعفری نوکندی و یامین سلطان­مرادی، "مدلسازی و بهینه سازی مصرف انرژی در خانه هوشمند با حضور ذخیره‌ساز انرژی، سلول خورشیدی، خودروی برقی و پاسخ‌گویی بار"، مدل سازی در مهندسی، دوره 17، شماره 57، تیر 1398، صفحات 215-226.

 

مدل سازی در مهندسی
دوره 21، شماره 74
آبان 1402
صفحه 21-35

فایل ها

سابقه مقاله

  • تاریخ دریافت: 05 آذر 1401
  • تاریخ بازنگری: 11 اسفند 1401
  • تاریخ پذیرش: 19 فروردین 1402

هم رسانی

ارجاع به این مقاله

آمار