• مقدمه[1]

برخی از مصرف‌کننده‌های انرژی، دور از دسترس سیستم برق‌رسانی هستند که انتقال انرژی به این مناطق ازنظر اقتصادی به‌صرفه نیست. راهکار تأمین انرژی برای آنها احداث سیستم ترکیبی جزیره‌ای[i] (قطع از شبکه[ii]) است [1]. در این سیستم منابع و ذخیره‌سازها در کنار بار مصرفی قرار می‌گیرند تا انرژی مصرفی را تغذیه کنند؛ بنابراین، اهداف فنی و اقتصادی مختلفی برای احداث سیستم در نظر گرفته خواهد شد [1]. یک مورد شرایط زیست‌محیطی پاک را در نظر می‌گیرد، از این رو حضور منابع انرژی تجدیدپذیر[iii] (RESها) در این سیستم پیشنهادی می‌شود. RESهایی مانند توربین باد[iv] (WT) و فتوولتائیک‌ها[v] (PVها) به‌ترتیب با توجه به سرعت باد و تابش نور خورشید انرژی الکتریکی تولید می‌کنند؛ بنابراین، آلایندگی زیست‌محیطی آنها بسیار پایین است [2]. نوع دیگر RES اشاره به منبع انرژی بیوماس[vi] (BEU) دارد که این منبع از زباله‌ها برای تولید انرژی استفاده می‌کند [3]. با توجه به اینکه BEU به استفاده از زباله‌ها منجر می‌شود، پس ضریب آلایندگی آن نیز بسیار پایین است. به‌عنوان موضوع دیگر، پروفیل توان تولیدی منابع تجدیدپذیر عموماً متفاوت از پروفیل بار مصرفی است؛ بنابراین، حضور تنهای RESها در سیستم ترکیبی جزیره‌ای به عدم تعادل تولید و مصرف منجر خواهد شد. برای جبران این موضوع، ذخیره‌سازهای انرژی برای پوشش فاصله بین پروفیل بار و تولید استفاده می‌شوند [4]. به عبارتی ذخیره‌سازها در صورتی که انرژی تولیدی RESها بیش (کمتر) از انرژی مصرفی باشد، در مد شارژ (دشارژ) قرار می‌گیرند و مازاد انرژی تولیدی (مصرفی) را در خود ذخیره می‌کنند (به مصرف‌کننده تحویل می‌دهند) [4]. هدف مهم دیگر در برنامه‌ریزی سیستم ترکیبی[vii] برآورد شرایط اقتصادی مطلوب مانند کاهش هزینه‌های برنامه‌ریزی است. این مورد و موارد قبلی در گرو انتخاب تعداد بهینه منابع و ذخیره‌سازها است که با استخراج یک مسئله بهینه‌سازی مناسب این موضوع مرتفع می‌شود [5]. همچنین، توجه شود که بار، منابع تجدیدپذیر و ذخیره‌سازهای سیار دارای عدم قطعیت هستند؛ بنابراین، برنامه‌ریزی سیستم پیشنهادی باید در برابر خطای پیش‌بینی عدم قطعیت‌های مذکور مقاوم باشد.

در زمینه برنامه‌ریزی منابع و ذخیره‌سازها در قالب سیستم ترکیبی تحقیقات مختلفی صورت گرفته است. در [6] به‌منظور تغذیه بار AC برای یک منطقه مسکونی از ترکیب PV، دیزل ژنراتور، پیل سوختی، باتری و ذخیره‌ساز ابرخازنی استفاده شده است. آن تعداد بهینه عناصر مذکور را براساس کمینه‌سازی هزینه برنامه‌ریزی و آلودگی تعیین می‌کند. در [7] امکان‌سنجی احداث سیستم ترکیبی PV/دیزل ژنراتور/باتری در یک منطقه مستقر در نواحی آب و هوایی سرد ارائه شده است. در [6-7]، به‌منظور دسترسی به سطح آلایندگی پایین، ابتدا منابع تجدیدپذیر بار AC را تغذیه می‌کنند. سپس اگر توان تولیدی آنها بیش از بار AC بود، مازاد توان در ذخیره‌سازها ذخیره می‌شود. اگر توان بار AC بیش از توان تولیدی منابع تجدیدپذیر بود، ذخیره‌سازها در مد دشارژ توان به بار تحویل می‌دهند. چنانچه بار کاملاً تغذیه نشد، منابع تجدیدناپذیر مانند دیزل ژنراتور کمبود توان مصرفی را تأمین می‌کند. در [8] برنامه‌ریزی بهینه سیستم دارای PV، WT و باتری با لحاظ‌کردن کمینه‌سازی هزینه‌های احداث، تعمیر و نگهداری و قابلیت اطمینان به‌عنوان تابع هدف مدل‌سازی شده است. نویسندگان در [8] احتمال انرژی از دست رفته[viii] (LOEP) را شاخص قابلیت اطمینان در نظر می‌گیرند. در [9] برنامه‌ریزی منابع تجدیدپذیر و ذخیره‌ساز هیدروژنی متناسب با اهداف اقتصادی، قابلیت اطمینان و زیست‌محیطی فرمول‌بندی می‌شود. ذخیره‌ساز هیدروژنی شامل پیل سوختی، تانک هیدروژنی و الکترولیزر است. در مد شارژ ذخیره‌ساز، الکترولیزر انرژی دریافتی از منابع تجدیدپذیر را به هیدروژن تبدیل و آن را در تانک هیدروژنی ذخیره می‌کند. در مد دشارژ، پیل سوختی هیدروژن ذخیره‌شده را به انرژی الکتریکی تبدیل می‌کند و آن را به بار AC تحویل می‌دهد. در [10]، اندازه بهینه‌ای برای سیستم ترکیبی شامل WT، PV، دیزل ژنراتور و باتری با توجه به کمینه‌سازی هزینه‌های نصب، تعمیر و بهره‌برداری آنها به دست می‌آید. این مسئله با الگوریتم جستجوی هارمونی[ix] (HSA) حل می‌شود. طرحی همانند [10] در [11] لحاظ شده است؛ با این تفاوت که [11] دارای WT نیست و همچنین، شاخص از دست رفتن تغذیه توان[x] (LPS) به‌منظور ارزیابی قابلیت اطمینان سیستم ترکیبی در [11] هم در نظر گرفته شده است. در [12] فرسودگی باتری‌ها ناشی از سیکل کاری شارژ/دشارژ در برنامه‌ریزی بهینه سیستم ترکیبی جزیره‌ای لحاظ شده است. در [13] کمینه‌سازی هزینه برنامه‌ریزی، کمینه‌سازی آلایندگی زیست‌محیطی و بیشینه‌سازی قابلیت اطمینان به‌صورت بهینه‌سازی چندهدفه برای برنامه‌ریزی سیستم ترکیبی خورشیدی/دیزل ژنراتور/باتری استخراج شده است. در [14] الگوریتم بهینه‌سازی ازدحام ذرات[xi] (PSO) برای دسترسی به راه‌حل بهینه در برنامه‌ریزی سیستم دارای منابع تجدیدپذیر و ذخیره‌سازهای ساکن استفاده شده است. در [15]، برنامه‌ریزی بهینه سیستم 100% تجدیدپذیر دارای WT و PV و ذخیره‌سازی هیدروژنی ارائه شده است. سیستم تجدیدپذیر مذکور برای تأمین انرژی الکتریکی است و هدف آن، دستیابی به کمینه مقدار هزینه برنامه‌ریزی است. درنهایت خلاصه کارهای صورت‌گرفته در تحقیقات مختلف در جدول (1) ارائه شده است.

جدول (1): کارهای صورت‌گرفته در پیشینۀ تحقیق

در زمینه برنامه‌ریزی سیستم قطع از شبکه شکاف‌های تحقیقاتی زیر براساس پیشینۀ تحقیق و جدول (1) استخراج شده است:

عموماً در بیشتر تحقیقات از WT و PV به‌عنوان منبع تجدیدپذیر برای دسترسی به سیستم دوستدار محیط زیست استفاده شده است؛ ولی توجه شود که BEU نیز از زباله‌ها برای تولید انرژی استفاده می‌کند. پس این منبع، دوستدار محیط زیست است؛ زیرا زباله‌های تولیدشده را همواره مصرف می‌کند؛ اما مدل‌سازی و استفاده آن در سیستم ترکیبی جزیره‌ای در کمتر تحقیقاتی مانند [9] مطرح بوده است. همچنین، در بیشتر تحقیقات از ذخیره‌ساز ساکن در سیستم یادشده استفاده شده است؛ ولی توجه شود که براساس [16]، استفاده از خودروهای الکتریکی[xii] (EVها) به‌منظور کاهش آلایندگی زیست‌محیطی در سال‌های آینده چشم‌گیر خواهد شد. همچنین، EV دارای باتری است، پس EVها با اتصال به شبکه به‌صورت یک ذخیره‌ساز انرژی عمل می‌کنند [16]. درواقع آنها به‌عنوان ذخیره‌ساز سیار معرفی می‌شوند. حال حضور EVها در مناطق مصرف انرژی در سال‌های آینده حتمی است. پیرو این موضوع پیش‌بینی می‌شود که مدیریت انرژی EVها منجر به کاهش تعداد ذخیره‌ساز ساکن در سیستم ترکیبی شود که منجر به کاهش هزینه‌های احداث می‌شود؛ اما این موضوع در کمتر تحقیقاتی بررسی شده است.

ذخیره‌سازها به علت عملکرد پی در پی شارژ و دشارژ دارای هزینه فرسودگی[xiii] هستند. پس یک سیستم جزیره‌ای دارای ذخیره‌ساز علاوه بر هزینه برنامه‌ریزی دارای هزینه فرسودگی ذخیره‌سازها نیز هست؛ ولی این موضوع در کمتر تحقیقاتی مانند [12] در سیستم مذکور بررسی شده است.

سیستم ترکیبی جزیره‌ای عموماً دارای عدم قطعیت‌های حاصل از منابع تجدیدپذیر، بار و ذخیره‌سازهای سیار است؛ از این رو مدل‌سازی قطعی مسئله برنامه‌ریزی سیستم یادشده که در بیشتر تحقیقات مانند [6-15] استفاده شده است، به استخراج راه‌حل مطمئن منجر نمی‌شود؛ برای مثال، اگر در یک سناریو میزان توان تولیدی RESها (مصرفی بارها) کمتر (بیشتر) از میزان آنها در سناریو متناظر با مدل قطعی باشد، مسلماً در سناریو مذکور نیاز به تعداد بیشتری منبع و باتری نسبت به نتایج مدل قطعی خواهد بود؛ بنابراین، در این شرایط برای استخراج راه‌حل مطمئن نیاز به مدل‌سازی عدم قطعیت‌ها است.

در این مقاله، برنامه‌ریزی (اندازه‌یابی) سیستم ترکیبی تجدیدپذیر دارای ذخیره‌سازهای سیار و ساکن ارائه می‌شود. برای جبران شکاف تحقیقاتی اول، RESها در سیستم مذکور از نوع WT و BEU هستند. همچنین، در این سیستم EVها به‌عنوان ذخیره‌ساز سیار حضور دارند. به‌منظور حذف شکاف تحقیقاتی دوم، طرح پیشنهادی کمینه‌سازی مجموع هزینه احداث و تعمیر و نگهداری منابع، ذخیره‌سازها و ادوات الکترونیک قدرت به‌علاوۀ هزینه فرسودگی برای ذخیره‌سازها را برعهده دارد. مدل بهره‌برداری منابع و ذخیره‌سازها برابر قیود مسئله هستند. در مدل بهره‌برداری عناصر یادشده، الویت تغذیه بار AC بر عهده WTها و BEUها است. سپس در صورتی که توان تولیدی بیش (کمتر) از بار AC بود، ذخیره‌سازها در مد شارژ (دشارژ) کار می‌کنند. این موضوع به پوشش فاصله بین پروفیل بار و توان تولیدی تجدیدپذیر منجر می‌شود. براساس شکاف تحقیقاتی سوم، طرح پیشنهادی دارای عدم قطعیت‌های بار، سرعت باد، گاز ورودی BEU، و پارامترهای پارکینگ EVها[xiv] (EVPL) است. در این مقاله به‌منظور حذف شکاف تحقیقاتی سوم، از بهینه‌سازی تصادفی مبنی بر سناریو[xv] (SBSO) برای مدل‌سازی عدم قطعیت‌های مذکور استفاده می‌شود. در ادامه از ترکیب الگوریتم‌های بهینه‌سازی شیرمورچه[xvi] (ALO) و بهینه‌سازی دسته میگوها[xvii] (KHO) برای حل مسئله استفاده می‌شود. این الگوریتم بهنگام‌سازی متغیرهای تصمیم‌گیری را در دو فرآیند مختلف ALO و KHO انجام می‌دهد؛ بنابراین، پیش‌بینی می‌شود راه‌حل به‌دست‌آمده از دقت و سرعت همگرایی مطلوبی برخوردار باشد. درنهایت با مقایسه پیشینه تحقیق و راهکار پیشنهادی، نوآوری‌های طرح مذکور به شرح زیرند:

برنامه‌ریزی سیستم ترکیبی جزیره‌ای دارای منابع 100% تجدیدپذیر از نوع توربین بادی و منبع انرژی بیوماس و ذخیره‌سازهای ساکن و سیار؛

فرمول‌بندی عملکرد تجمیع خودروهای الکتریکی در سیستم ترکیبی جزیره‌ای برای کمینه‌ترکردن هزینه برنامه‌ریزی؛

استخراج برنامه‌ریزی مطمئن برای سیستم ترکیبی جزیره‌ای در مقابل خطای پیش‌بینی بار، منابع تجدیدپذیر و ذخیره‌سازهای سیار با استفاده از مدل SBSO عدم قطعیت‌ها؛

دسترسی به راه‌حل بهینه در زمان محاسباتی پایین و دارای پراکندگی پایین در پاسخ نهایی با استفاده از الگوریتم ALO+KHO.    

در ادامه، ساختار پیشنهادی سیستم ترکیبی به همراه فرمول‌بندی تصادفی مسئله برنامه‌ریزی در بخش دوم بیان می‌شوند. در بخش سوم، روند حل مسئله ارائه می‌شود. نتایج عددی حاصل از موارد مطالعاتی مختلف در بخش چهارم بررسی می‌شوند. درنهایت نتیجه‌گیری‌ها در بخش پنجم ذکر می‌شوند.

2- برنامه‌ریزی سیستم ترکیبی جزیره‌ای

2-1- ساختار سیستم

در ساختار سیستم ترکیبی جزیره‌ای پیشنهادی به‌صورت شکل (1)، منابع تجدیدپذیر مانند WTها و BEUها برای تغذیه بار AC استفاده می‌شوند. خروجی آنها دارای فرکانس متغیر است [9]، ولی فرکانس بار AC ثابت است؛ بنابراین، در خروجی RESها یادشده مبدل AC/DC قرار می‌گیرد. در خروجی این مبدل‌ها یک موج ولتاژ/جریان DC ایجاد می‌شود که به بأس DC تحویل می‌شود. سپس مبدل DC/AC در طرف بار AC یک موج ولتاژ/جریان AC با فرکانس ثابت ایجاد می‌کند و آن را به بار تحویل می‌دهد. در این ساختار فرض است که ذخیره‌ساز ساکن از نوع باتری است؛ زیرا راندمان آن بالا است. همچنین، در EVها فرض شده است که شارژر از نوع DC است [16]؛ بنابراین، ذخیره‌سازها با توجه به اینکه ورودی آنها DC است، به بأس DC متصل می‌شوند. در ادامه RESها در ابتدا وظیفه تأمین انرژی مصرفی بار AC را دارند، سپس ذخیره‌سازها برای پوشش فاصله بین پروفیل بار AC و توان تولیدی RESها را دارند؛ بنابراین، شروط عملکرد عناصر مذکور در سیستم ترکیبی جزیره‌ای متناسب با شکل (1) به شرح زیر است:

• ابتدا WTها و BEUها توان مصرفی بار AC را تغذیه می‌کنند.
• اگر مجموع توان تولیدی WTها و BEUها بیش از توان مصرفی بار AC باشد، مازاد توان تولیدی در ذخیره‌سازهای سیار و ساکن ذخیره می‌شود.
• اگر توان مصرفی بار AC از توان تولیدی RESها بیشتر باشد، ذخیره‌سازها در مد دشارژ قرار می‌گیرند و کمبود توان مصرفی را تأمین می‌کنند.

شکل (1): ساختار سیستم ترکیبی پیشنهادی

به‌طور کلی دو نوع استراتژی شارژ برای EVها وجود دارد [17] که با عناوین «شارژ هوشمند[xviii]» و «شارژ غیرهوشمند[xix]» شناخته می‌شوند. در استراتژی شارژ غیر هوشمند، EVها به محض اتصال به شبکه در مد شارژ قرار می‌گیرند و بعد از مدت زمان شارژ خاص، باتری آنها کاملاً شارژ شده است (به اندازه خواسته مالک خودرو رسیده است). سپس آن دیگر توانی از شبکه دریافت نمی‌کند؛ بنابراین، در این استراتژی EVها یا EVPL تنها به‌صورت مصرف‌کننده عمل می‌کنند؛ ولی در استراتژی شارژ هوشمند، EVها براساس خواسته‌های اپراتور سیستم و خواسته‌های مالک EV عملکرد شارژ و دشارژ را انجام می‌دهند. در این صورت EVPL می‌تواند در نقش یک ذخیره‌ساز عمل کند؛ بنابراین، شروط 1-3 تنها برای استراتژی شارژ هوشمند EVها صادق است؛ اما در استراتژی شارژ غیرهوشمند، توان مصرفی سیستم برابر با مجموع توان مصرفی بار AC و EVها خواهد بود و تنها باتری‌ها نقش ذخیره‌ساز را خواهند داشت. به‌عنوان نکته دیگر، در این مقاله فرض بر این است که هر باتری و EV دارای مبدل DC-DC است که جزء تجهیزات داخلی آنها است؛ از این رو مبدل مجزایی در مسیر آنها و بأس DC (دارای سطح ولتاژ متناسب با ولتاژ کاری ذخیره‌سازهای مذکور) احداث نمی‌شود.

2-2- فرمول‌بندی برنامه‌ریزی سیستم

در این بخش، فرمول‌بندی برنامه‌ریزی سیستم ترکیبی پیشنهادی برای تعیین تعداد بهینه منابع، باتری‌ها و مبدل‌های الکترونیک قدرت و عملکرد بهینه EVها ارائه می‌شوند. طرح پیشنهادی کمینه‌سازی مجموع هزینه احداث، تعمیر و نگهداری و هزینه فرسودگی ذخیره‌سازها با رعایت قیود عملکردی منابع و ذخیره‌سازها را بر عهده دارد. جزئیات این فرمول‌بندی در ادامه ارائه شده‌اند.

الف) تابع هدف: تابع هدف همانند رابطه (1) برابر کمینه‌سازی هزینه برنامه‌ریزی (Cost بر حسب $) سیستم ترکیبی جزیره‌ای است. تابع Cost نیز برابر با مجموع هزینه احداث (سطر اول رابطه) و هزینه تعمیر و نگهداری (سطر دوم رابطه) منابع، ذخیره‌سازها و مبدل‌های قدرت [10] به‌علاوۀ مجموع هزینه فرسودگی باتری‌ها و EVها (سطر سوم رابطه) است. هزینه احداث (تعمیر و نگهداری) یک عنصر برابر با حاصل‌ضرب تعداد نصب‌شده عنصر در سیستم جزیره‌ای و قیمت واحد احداث (تعمیر و نگهداری) تجهیز مذکور است.

در رابطه (1)، متغیرهای n^B، n^W، n^BA و n^C به‌ترتیب معرف تعداد BEUها، WTها، باتری‌ها و مبدل‌های الکترونیک قدرت قابل نصب در سیستم ترکیبی هستند. متغیرهای DC^E و DC^BA به‌ترتیب بیان‌کنندۀ هزینه فرسودگی برای باتری‌ها و EVها هستند که برحسب $ بیان می‌شوند. پارامتر قیمت واحد احداث (تعمیر و نگهداری) برای عناصر یادشده با حرف c (m) در رابطه (1) مشخص شده است. پارامتر CF نیز اشاره به ضریب هم‌زمانی دارد. پارامتر N^OH برابر تعداد ساعات بهره‌برداری است و اندیس t اشاره به ساعت بهره‌برداری دارد. اندیس w معرف سناریو و پارامتر p معرف احتمال رخداد سناریو است. عبارت  در سطر اول رابطه (1) بیان‌کنندۀ هزینه احداث به‌صورت هزینه فعلی خالص[xx] است [11]. در این عبارت، پارامتر r بیان‌کنندۀ نرخ بهره[xxi]، و n معرف تعداد سال برنامه‌ریزی است.

ب) قیود BEUها [9]: مجموع توان تولیدی BEUها (P^B بر حسب kW) در ساعت t و سناریو w از رابطه (2) محاسبه می‌شود. در این رابطه، ضرایب h^B،  و  به‌ترتیب معرف راندمان یک BEU (بر حسب درصد)، نرخ متان موجود در گاز[xxii] (بر حسب درصد)، مقدار پایین حرارتی متان[xxiii] (بر حسب kWh/m³) هستند. پارامتر G^B(t,w) اشاره به میزان گاز عبوری از BEU در ساعت t و سناریو w دارد که بر حسب m³/h بیان می‌شود. در ادامه، محدودیت تعداد قابل نصب BEUها در قید (3) بیان شده است که پارامتر  به حداکثر تعداد BEUها اشاره دارد.

ج) قیود WTها [10]: در این مقاله فرض بر این است که ترتیب قرارگیری WTها در سیستم جزیره‌ای یا مزرعه بادی به گونه‌ای است که سرعت باد برای تمامی WTها یکسان است؛ بنابراین، توان تولیدی حاصل از مزرعه بادی (کل WTها) در ساعت t و سناریو w (P^W(t,w) بر حسب kW) از رابطه (4) استخراج می‌شود. این رابطه بیان‌کنندۀ چهار ناحیه عملکرد WTها است. در ناحیه اول / چهارم، سرعت باد (n بر حسب m/s) کمتر / بیشتر از سرعت آستانه[xxiv] (n^CI بر حسب m/s) / سرعت قطع[xxv] (n^CO بر حسب m/s) است که به توان تولیدی منجر نمی‌شود. در ناحیه دوم که سرعت باد بین n^CI و سرعت نامی[xxvi] (n^R بر حسب m/s) قرار دارد، توان تولیدی WTها به‌صورت خطی با شیب n^wP^R بر حسب سرعت باد تغییر می‌کند. پارامتر P^R معرف توان نامی[xxvii] یک WT است که بر حسب kW بیان می‌شود. در ناحیه سوم (n^R £ n £ n^CO)، توان تولیدی مزرعه بادی ثابت و برابر n^wP^R است. درنهایت، محدودیت تعداد WTهای نصب‌شده در سیستم جزیره‌ای ترکیبی همانند قید (5) بیان می‌شود. در این رابطه، پارامتر  معرف حداکثر تعداد WTها است.

د) قیود ذخیره‌سازها: قیود عملکرد ذخیره‌سازها براساس شروط 2 و 3 در بخش 2-1 است. شرط اول در رابطه (6) فرمول‌بندی شده است. در این رابطه چنانچه در ساعت t و سناریو w، مجموع توان تولیدی WTها و BEUها از دید بأس DC ( ) بیش از توان مصرفی بار AC (P^A بر حسب kW) از دید بأس DC ( ) باشد، ذخیره‌سازها در مد شارژ قرار می‌گیرند؛ بنابراین، مجموع توان شارژی باتری‌ها (P^cBA بر حسب kW) و EVPL (P^cE بر حسب kW) همانند رابطه (6) برابر مابه‌التفاوت مجموع توان تولیدی و مصرفی از دید بأس DC خواهد بود. در این شرایط توان دشارژی باتری‌ها (P^dBA بر حسب kW) و EVPL (P^dE بر حسب kW) برابر صفر است؛ اما براساس شرط 3، چنانچه در ساعت t و سناریو w،  کمتر از  باشد، در این صورت مجموع توان دشارژی ذخیره‌سازها همانند رابطه (7) برابر مابه‌التفاوت توان مصرفی و تولیدی از دید بأس DC خواهد بود. در این صورت، توان شارژی ذخیره‌سازها برابر صفر است. به عبارتی در مکان بأس DC، چنانچه انرژی تولیدی منابع تجدیدپذیر بیشتر از انرژی مصرفی بار باشد، باتری‌ها و EVPL در مد شارژ عمل می‌کنند، در غیر این ‌صورت، آنها در مد دشارژ هستند. در ادامه قیود عملکرد EVPL و باتری‌ها بیان می‌شود.

قیود EVPL: در استراتژی شارژ هوشمند، عملکرد بهینه EVPL براساس خواسته‌های اپراتور سیستم و مالکین EVها تعیین می‌شود؛ از این رو متغیرهای توان شارژ و دشارژ EVها (P^cE و P^dE) به‌صورت متغیر تصمیم‌گیری در نظر گرفته می‌شوند. محدودیت این متغیرها در روابط (8) و (9) بیان شده است که به‌ترتیب با عناوین محدودیت نرخ شارژ و دشارژ شناخته می‌شوند [18]. پارامترهای l^CR و l^DR به‌ترتیب معرف نرخ شارژ و دشارژ EVها هستند که بر حسب kW بیان می‌شوند. این پارامترها در ساعت t به‌ترتیب برابر مجموع نرخ شارژ و دشارژ EVهای متصل‌شده به سیستم پیشنهادی هستند [18]. در قید (10) انرژی ذخیره‌شده در باتری EVها (E^E بر حسب kWh) محاسبه می‌شود. این متغیر در ساعت t و سناریو w (E^E(t,w)) برابر مجموع انرژی اولیه EVها (E^I(t,w) بر حسب kWh) و انرژی ذخیره‌شده در ساعت قبل (E^E(t-1,w))، انرژی حاصل‌شده از مدل شارژ EVها ( ) منهای انرژی نهایی یا مصرفی مورد نیاز مسافرت EVها (E^F(t,w) بر حسب kWh) و انرژی تخلیه‌شده در مد دشارژ EVها ( ) است. پارامترهای h^cE و h^dE به‌ترتیب معرف راندمان شارژ و دشارژ EVها هستند. پارامتر E^I در ساعت t برابر با مجموع انرژی اولیه EVهای تازه وصل شده به سیستم است. انرژی اولیه یک EV نیز برابر حاصل‌ضرب ظرفیت باتری (BC بر حسب kWh) و حالت شارژ[xxviii] (SOC) است. پارامتر E^F در ساعت t برابر مجموع انرژی نهایی EVهای تازه قطع شده از سیستم است. در این مقاله فرض می‌شود یک EV باتری خود را کاملاً شارژ می‌کند، پس انرژی نهایی یک EV برابر BC است. در قید (11) محدودیت انرژی ذخیره شده در باتری EVها بیان شده است که این انرژی همواره باید دارای مقدار مثبت باشد. در قید (12) عمق دشارژ[xxix] (DOD) برای تجمیع EVها در ساعت t و سناریو w (D^E(t,w) بدون واحد) محاسبه می‌شود که آن برابر مابه‌التفاوت 1 و نسبت انرژی ذخیره‌شده EVها (E^E(t,w)) به ظرفیت باتری EVها (TBC^E(t,w) بر حسب kWh) است [19]. پارامتر TBC^E در ساعت t برابر مجموع ظرفیت باتری EVهای موجود در سیستم برای ساعت t است. در قید (13)، از دست رفتن عمر سیکلی[xxx] برای باتری EVها (CLL^E بدون واحد) محاسبه می‌شود که آن براساس [19] دارای یک نمودار سهموی از DOD است. پارامترهای a^E، b^E و d^E ضرایب این نمودار سهموی هستند. درنهایت، هزینه فرسودگی برای باتری EVها در ساعت t و سناریو w (DC^E(t,w)) از رابطه (14) استخراج می‌شود [19]. در این رابط، پارامتر c^E هزینه باتری یک EV است که بر حسب $ بیان می‌شود. در استراتژی شارژ غیرهوشمند، EVPL تنها به‌صورت یک مصرف‌کننده است که توان مصرفی آن در ساعت t و سناریو w برابر P^cEV(t,w) است. در این استراتژی، P^cEV(t,w) نیز برابر l^CR(t,w) است. عبارت l^CR(t,w) برابر مجموع نرخ شارژ EVهایی است که از سیستم توان دریافت می‌کنند. هر EV در صورتی که انرژی ذخیره شده در آن کمتر از BC باشد، توان از سیستم دریافت می‌کند؛ بنابراین، در این استراتژی P^dE همواره برابر صفر است، پس DOD وجود ندارد؛ بنابراین، DC^E دارای مقدار صفر است.

با توجه به اینکه ظرفیت یک EV در مقابل ظرفیت سیستم جزیره‌ای بسیار پایین است، مدل تجمیع EVها در پارکینگ (EVPL) مدل‌سازی شد. علاوه بر این، برنامه‌ریزی طرح پیشنهادی مبنی بر محاسبه توان اکتیو و انرژی بود؛ بنابراین، مدلی برای EVPL انتخاب شد که در آن محاسبه توان و انرژی انجام شود. فرمول‌بندی ارائه‌شده برای EVPL دارای پارامترهای مهم آن است؛ مانند محدودیت نرخ شارژ و دشارژ، انرژی EVها در لحظه اتصال به سیستم، انرژی EVها در لحظه قطع از سیستم (انرژی مصرفی مورد نیاز EVها برای مسافرت در روز آینده)، SOC، DOD و ظرفیت باتری است. این پارامترها در ارائه مدل EVها لازم است که در فرمول‌بندی این مقاله وجود دارند؛ بنابراین، فرمول‌بندی بیان‌شده در (8)-(14) مناسب برای بررسی عملکرد EVها در سیستم جزیره‌ای خواهد بود.

قیود باتری‌ها: قیود عملکرد باتری‌ها در روابط (15)-(20) ارائه شده‌اند. توان شارژی و دشارژی باتری‌ها به‌ترتیب از روابط (6) و (7) محاسبه می‌شوند. انرژی ذخیره‌شده در باتری‌ها در ساعت t و سناریو w (E^BA(t,w) بر حسب kWh) از رابطه (15) محاسبه می‌شود. متغیر E^BA(t,w) همانند این رابطه برابر مجموع انرژی ذخیره‌شده باتری‌ها در ساعت قبل (E^BA(t-1,w)) و انرژی حاصل‌شده از مد شارژ باتری‌ها ( ) منهای انرژی تخلیه‌شده در مد دشارژ باتری‌ها ( ) است [10]. راندمان شارژ و دشارژ باتری‌ها به‌ترتیب با h^cBA و h^dBA در رابطه (15) نمایش داده شده است. محدودیت انرژی ذخیره‌شده در باتری‌ها متناسب با قید (16) است و محدودیت تعداد باتری‌های نصب‌شده در سیستم ترکیبی جزیره‌ای برابر قید (17) است [11]. پارامترهای  و  به‌ترتیب معرف حداقل و حداکثر انرژی قابل ذخیره در یک باتری است که بر حسب kWh هستند. همچنین،  برابر حداکثر تعداد باتری‌های قابل نصب در سیستم ترکیبی جزیره‌ای است. DOD باتری‌ها در ساعت t و سناریو w (D^BA(t,w) بدون واحد) در رابطه (18) فرمول‌بندی شده است که آن برابر مابه‌التفاوت 1 و نسبت انرژی ذخیره‌شده باتری‌ها (E^BA(t,w)) به ظرفیت کل باتری‌ها ( ) است [19]. در رابطه (19)، از دست رفتن عمر سیکلی برابر باتری‌ها در ساعت t و سناریو w (CLL^BA(t,w) بدون واحد) محاسبه می‌شود. آن نیز همانند EVPL برای باتری‌ها دارای یک نمودار سهموی بر حسب DOD است. a^BA، b^BA و d^BA ضرایب نمودار CCL^BA بر حسب D^BA هستند. درنهایت، هزینه فرسودگی برای باتری‌ها در ساعت t و سناریو w (DC^BA(t,w)) از رابطه (20) محاسبه می‌شود [19].

ه) قیود مبدل‌های قدرت [9]: براساس شکل (1)، در مسیر WTها، BEUها و بار AC مبدل قدرت قرار دارد؛ بنابراین، همانند رابطه (21)، تعداد کل مبدل‌ها (n^C) برابر مجموع تعداد مبدل‌های AC/DC در مسیر WTها (n^CW)، تعداد مبدل‌های AC/DC در مسیر BEUها (n^CB) و تعداد مبدل‌های DC/AC در مسیر بار AC (n^CA) است. n^CW، n^CB و n^CA به‌ترتیب از روابط (22)-(23) محاسبه می‌شوند. n^CW (n^CB) برابر نسبت حداکثر توان تولیدی WTها (BEUها) به ظرفیت مبدل (  بر حسب kW) است. همچنین، n^CA برابر نسبت حداکثر توان مصرفی بار AC از دید بأس DC به  است.

2-3- مدل‌سازی عدم قطعیت‌ها

در مسئله (1)-(24)، پارامترهای گاز عبوری از BEUها (G^B)، سرعت باد (n)، توان مصرفی بار AC (P^A)، نرخ شارژ و دشارژ EVها (l^CR و l^DR)، انرژی اولیه و نهایی EVها (E^I و E^F) و ظرفیت باتری‌ها در EVPL (TBC^E) به‌صورت عدم قطعیت هستند. در این بخش به‌منظور حذف شکاف تحقیقاتی سوم در بخش 1، SBSO مبنی بر ترکیب مکانیزم چرخ رولت[xxxi] (RWM) و روش کانترویچ[xxxii] برای مدل‌سازی عدم قطعیت‌های مذکور استفاده می‌شود. در این روش، ابتدا RWM تعداد بالایی سناریو تولید می‌کند. در هر سناریو، مقادیر پارامترهای عدم قطعیت براساس مقدار میانگین و انحراف معیار خودشان تعیین می‌شوند. سپس احتمال مقدار انتخاب‌شده برای گاز عبوری از BEU، سرعت باد و پارامترهای EVPL به‌ترتیب از تابع توزیع احتمال نرمال [3]، ویبول [20] و ریلی [20] محاسبه می‌شود. احتمال هر سناریو تولیدشده (p⁰) برابر حاصل‌ضرب احتمال پارامترهای عدم قطعیت در آن سناریو است. سپس روش کانترویچ [21] به‌عنوان تکنیک کاهش سناریو، تعداد مشخصی از سناریوهای تولیدشده را انتخاب می‌کند؛ به ‌طوری که آنها فاصله نزدیکی به‌هم داشته باشند. روش کانترویچ این سناریوها را به مسئله اعمال می‌کند. احتمال هر سناریو (p) برابر نسبت p⁰ برای این سناریو به مجموع p⁰ سناریوهای انتخاب‌شده است.

3- روند حل

فرمول‌بندی (1)-(24) بیان‌کنندۀ یک مسئله بهینه‌سازی غیرخطی است. در این بخش به‌منظور دسترسی به راه‌حل تقریباً یکتا با سرعت همگرایی بالا، روند حل مسئله مبنی بر الگوریتم ترکیبی ALO [22] و KHO [23] بیان می‌شود. این دو الگوریتم براساس [22-23] از حل‌کننده‌های قوی در حل مسائل پیچیده بهینه‌سازی مهندسی هستند؛ بنابراین، ترکیب آنها می‌تواند توانایی مطلوب‌تری در حل مسئله داشته باشد که قابلیت‌های این الگوریتم در بخش 4-2-الف بررسی می‌شوند. در ادامه برای حل مسئله (1)-(24)، ابتدا N (اندازه جمعیت) مقدار تصادفی برای متغیرهای تصمیم‌گیری شامل n^B، n^W، n^BA، P^cE و P^dE به‌ترتیب براساس قیود (3)، (5)، (17)، (8) و (9) تعیین می‌شود، سپس N میزان برای دیگر متغیرهای مسئله با عنوان متغیرهای وابسته براساس مقادیر متغیرهای تصمیم‌گیری و معادلات (1)، (2)، (4)، (6)، (7)، (10)، (12)-(15)، و (18)-(24) محاسبه می‌شود. در این بخش برای برآورد محدودیت‌های (11) و (16) از روش تابع جریمه [24] استفاده می‌شود. در این روش، تابع جریمه قید a £ b به‌صورت m.max(0, a - b) مدل‌سازی می‌شود. m ³ 0 معرف ضریب لاگرانژ است که به‌عنوان یک متغیر تصمیم‌گیری شناخته می‌شود [24]. سپس در این روش، تابع برازندگی (FF) همانند رابطه (25) برابر مجموع تابع هدف (1) و مجموع توابع جریمه است. در قدم بعدی، بهنگام‌سازی متغیرهای تصمیم‌گیری با الگوریتم ترکیبی ALO+KHO انجام می‌شود. در این مرحله، ابتدا ALO بهنگام‌سازی متغیرهای مذکور را براساس بهینه‌ترین مقدار (کمینه‌ترین مقدار براساس (1)) FF در مرحله قبل انجام می‌دهد، سپس KHO فرآیند مذکور را براساس بهینه‌ترین مقدار حاصل از مرحله ALO انجام می‌دهد. در ادامه، نقطه همگرایی زمانی حاصل می‌شود که تعداد مراحل بهنگام‌سازی به حداکثر مقدار خود رسیده باشد. روندنمای حل مسئله در شکل (2) نمایان است.

4- نتایج عددی

4-1- داده مسئله

در این بخش طرح پیشنهادی روی سیستم شکل (1) متناسب با داده‌های شهر اسپو در فنلاند اعمال می‌شود [25]. پیک بار AC برابر kW 21 است. پروفیل بار برابر حاصل‌ضرب پیک بار و منحنی روزانه ضریب بار [25] (شکل (3)) است. حداکثر سرعت باد برابر m/s 3/9 است و هر EVPL دارای 10 تا EV است. سرعت باد ساعتی برابر حاصل‌ضرب حداکثر مقدار این پارامتر و منحنی نرخ سرعت باد است. این منحنی برای WT در شکل (3) ترسیم شده است [19]. تعداد EVها در هر ساعت برابر حاصل‌ضرب تعداد کل EVها در EVPL و منحنی نرخ نفوذ EVها است. این منحنی در شکل (3) مشاهده می‌شود [25]. دیگر داده‌های مسئله ازقبیل مشخصات منابع، ذخیره‌سازها و مبدل‌های قدرت در جدول (2) بیان شده‌‌اند.

4-2- نتایج

طرح پیشنهادی با داده‌های ارائه‌شده در بخش قبل به‌همراه روش حل پیشنهادی در محیط نرم‌افزار MATLAB کدنویسی شده‌اند.

شکل (2): روندنمای حل مسئله با ALO+KHO

شکل (3): منحنی روزانه مورد انتظار ضریب بار، نرخ سرعت باد WTها، نرخ گاز عبوری BEUها و ضریب نفوذ EVها

در این مقاله به‌منظور بررسی قابلیت‌های طرح پیشنهادی، سه مورد مطالعاتی در این بخش در نظر گرفته می‌شود که جزئیات آنها به شرح زیر است:

جدول (2): داده‌های مسئله

مورد 1: طرح پیشنهادی بدون EVPL

مورد 2: طرح پیشنهادی دارای EVPL مبنی بر استراتژی شارژ غیرهوشمند EVها

مورد 3: استفاده از استراتژی شارژ هوشمند برای EVها در طرح پیشنهادی

در مورد 3 که استراتژی شارژ هوشمند EVها استفاده شده است، EVها با اتصال به سیستم، عملیات شارژ و دشارژ را متناسب با خواسته اپراتور سیستم و مالکین خود انجام می‌دهند؛ بنابراین، آنها در کلیه ساعات حضور خود در سیستم می‌توانند توان خود را کنترل کنند. متناسب با این موضوع، منحنی روزانه تعداد EVها برابر حاصل‌ضرب تعداد کل EVهای موجود در EVPL (10 تا براساس جدول 2) و منحنی روزانه نرخ نفوذ EVها در شکل (3) است؛ ولی در استراتژی شارژ غیرهوشمند EVها، آنها به محض اتصال به سیستم در مد شارژ فعالیت می‌کنند و همواره توانی برابر با نرخ شارژ خود را از سیستم دریافت می‌کنند. سپس بعد از گذشت مدت زمان شارژ خاص خود، دیگر توانی از سیستم دریافت نمی‌کند. در این صورت، EV می‌تواند به‌صورت قطع‌شده از سیستم مدل‌سازی شوند. براساس جدول (2)، نرخ شارژ و ظرفیت باتری یک EV به‌ترتیب برابر kW 3 و kWh 12 است. پس مدت زمان شارژ هر EV برابر 4 (3¸12) ساعت است؛ از این رو هر EV با اتصال به سیستم بعد از 4 ساعت از شبکه خارج می‌شود. با توجه به این موضوع و روند واردشدن EVها به سیستم در ساعات 12:00-23:00 براساس شکل (3)، تعداد EVها براساس استراتژی شارژ غیرهوشمند در ساعات 14:00 الی 21:00 به‌ترتیب برابر 1، 2، 3، 6، 7، 7، 4 و 1 است و تعداد آنها در دیگر ساعات صفر است.

الف) بررسی وضعیت همگرایی طرح پیشنهادی: وضعیت همگرایی طرح پیشنهادی، (1)-(24) با الگوریتم‌های ALO+KHO، ALO، KHO، بهینه‌سازی گرگ خاکستری[xxxiii] (GWO) [26] و الگوریتم جستجوی کلاغ‌ها[xxxiv] (CSA) [27] برای مورد 3 در جدول (3) ارائه شده است. اندازه جمعیت برای الگوریتم مذکور برابر 80 است و فرض شده است آنها بعد از حداکثر 3000 تکرار بهنگام‌سازی به همگرایی دست پیدا می‌کنند. دیگر پارامترهای تنظیم الگوریتم مذکور به‌ترتیب از [11-15] برداشت شده است. همچنین، به‌منظور محاسبه انحراف معیار پاسخ نهایی (نقطه بهینه در نقطه همگرایی)، مسئله با هر الگوریتم 30 بار حل می‌شود. براساس جدول (3)، الگوریتم ترکیبی ALO+KHO در تکرار همگرایی 922 به نقطه همگرایی دست یافته که الگوریتم ALO+KHO دارای میزان تابع هدف (Cost سالانه) در حدود $ 6/17224 است؛ اما تکرار همگرایی در الگوریتم‌های غیرترکیبی بیش از 1265 است و میزان تابع هدف بیش از $ 17820 است. براساس جدول (3)، ALO+KHO دارای پایین‌ترین زمان محاسباتی است؛ زیرا این الگوریتم دارای تکرار همگرایی پایین‌تری نسبت به دیگر الگوریتم‌ها بود. همچنین، الگوریتم یادشده دارای انحراف معیار پایین‌تری نسبت به الگوریتم‌های غیرترکیبی است؛ به ‌طوری که انحراف معیار در حدود 94/0% است. این مورد ناشی از بهنگام‌سازی متغیرهای تصمیم‌گیری در بیش از یک فرآیند است؛ بنابراین، ALO+KHO قادر است یک راه‌حل بهینه‌تر تقریباً یکتا (دارای انحراف معیار پایین) با سرعت همگرایی بالا را نسبت به الگوریتم‌های غیرترکیبی به دست آورد.

جدول (3): وضعیت همگرایی مسئله با حل‌کننده‌های مختلف

ب) برنامه‌ریزی منابع، ذخیره‌سازها و مبدل‌های قدرت در سیستم ترکیبی جزیره‌ای: در جدول (4) تعداد منابع، باتری‌ها و مبدل‌های قدرت برای موارد مطالعاتی 1 الی 3 در سیستم ترکیبی جزیره‌ای گزارش شده‌اند. براساس این جدول، در تمامی موارد مطالعاتی، تعداد کل WTهای پیشنهادی، یعنی 40 تا براساس جدول (2)، در سیستم جزیره‌ای احداث می‌شوند؛ زیرا از بین منابع تجدیدپذیر WT و BEU، WT دارای هزینه برنامه‌ریزی پایین‌تری براساس جدول (2) است؛ از این رو سیستم مذکور تعداد کل WTها را استفاده می‌کند. دربارۀ 1، 17 تا BEU احداث می‌شود؛ ولی استراتژی شارژ غیرهوشمند (هوشمند) EVها باعث می‌شود تعداد BEUها به 32 (20) افزایش یابد. این بدین دلیل است که EVها انرژی مورد نیاز خود را برای مسافرت، از سیستم جزیره‌ای دریافت می‌کنند و در باتری خود ذخیره می‌کنند. در موردِ 1 تعداد باتری‌ها و مبدل‌های قدرت به‌ترتیب برابر 96 و 26 است. استراتژی شارژ غیر هوشمند EVها به افزایش عناصر یادشده به‌ترتیب به 151 و 30 منجر می‌شود. افزایش تعداد مبدل‌ها ناشی از افزایش تعداد BEUها  در موردِ 2 نسبت به مورد 1 است. افزایش تعداد باتری‌ها  در موردِ 2 نسبت به مورد 1 ناشی از این موضوع است که در استراتژی شارژ غیر هوشمند EVها، EVها تنها نقش مصرف‌کننده را دارند. پس انرژی مصرفی سیستم جزیره‌ای دربارۀ 2 بیشتر از مورد 1 است. همچنین، در این مورد مطالعاتی تعداد منابع تجدیدپذیر نسبت به مورد 1 بیشتر است. پس این مورد دارای انرژی تولیدی بیشتر است؛ بنابراین، برای تعادل تولید و مصرف، نیاز به افزایش تعداد باتری‌ها  در موردِ 2 نسبت به مورد 2 است.  در موردِ 3، تعداد باتری‌ها نسبت به مورد 1 به 43 کاهش می‌یابد و تعداد مبدل‌ها تغییر نمی‌یابد. کاهش تعداد باتری‌ها ناشی از این است که در استراتژی شارژ هوشمند EVها، عملیات شارژ و دشارژ برای EVها در نظر گرفته می‌شود. پس EVها با مد دشارژ می‌توانند انرژی مصرفی کمتری را برای سیستم جزیره‌ای نسبت به مورد 2 ایجاد کنند. در این استراتژی، EVها بر مقدار توان شارژ خود کنترل دارند؛ به ‌طوری که پیش‌بینی می‌شود در ساعاتی که تولید بیشتر از مصرف است، EVها بتوانند بخش درخور توجهی از مازاد تولید را در خود ذخیره کنند (این موضوع در بخش 4-2-ج بررسی می‌شود)، پس در این شرایط نیاز به تعداد پایین‌تری باتری نسبت به مورد 1 است.

جدول (4): تعداد بهینه عناصر سیستم جزیره‌ای

جدول (5): وضعیت اقتصادی سیستم جزیره‌ای

در جدول (5)، وضعیت اقتصادی طرح شامل هزینه سالانه برنامه‌ریزی، احداث و تعمیر و نگهداری برای منابع، ذخیره‌سازها و مبدل‌های قدرت به همراه هزینه فرسودگی برای باتری‌ها و EVPL گزارش شده است. براساس جدول (5)، هزینه احداث WTها به‌ازای موارد مطالعاتی مختلف ثابت است؛ ولی آن برای باتری‌ها، مبدل‌ها و BEUها متفاوت است؛ زیرا براساس جدول (4)، تعداد WTها برای موارد 1 الی 3 ثابت بود؛ ولی تعداد برای دیگر عناصر متفاوت است. هزینه تعمیر و نگهداری در موارد مطالعاتی مختلف برای WTها ثابت، برای BEUها متفاوت و برای مبدل‌ها و باتری‌ها برابر صفر است؛ زیرا براساس جدول (2)، قیمت واحد تعمیر و نگهداری برای باتری‌ها و مبدل‌ها صفر است. همچنین، تعداد WTها (BEUها) در موارد مطالعاتی مختلف براساس جدول (4) ثابت (متفاوت) است. براساس جدول (5)، هزینه فرسودگی برای EVPL تنها دربارۀ 3 وجود دارد. دربارۀ 1 هیچ EV وجود ندارد. همچنین، DOD متناظر با تخلیه انرژی است. با توجه به اینکه دربارۀ 2، EVها تنها دریافت‌کنندۀ انرژی هستند، هزینه فرسودگی در موارد 1 و 2 صفر است؛ ولی هزینه مذکور برای باتری‌ها در سه مورد مطالعاتی وجود دارد؛ زیرا در تمامی موارد 1 الی 3، باتری‌ها در مد دشارژ کار می‌کنند. درنهایت، براساس جدول (5) دیده می‌شود استراتژی شارژ غیرهوشمند EVها به افزایش هزینه‌های سالانه احداث و تعمیر و نگهداری نسبت به مورد 1 منجر می‌شود؛ ولی عکس این موضوع دربارۀ 3 که دارای استراتژی شارژ هوشمند است، وجود دارد. این موضوع‌ها باعث شده است که براساس جدول (5)، هزینه برنامه‌ریزی دربارۀ 2 نسبت به مورد 1 در حدود 7/39% (8/17554¸(8/17554 – 4/24522)) افزایش داشته باشد؛ ولی هزینۀ برنامه‌ریزی در موردِ 3 نسبت به مورد 1 در حدود 9/1% کاهش پیدا کرده است.

ج) عملکرد منابع و ذخیره‌سازها در سیستم جزیره‌ای: منحنی روزانه توان منابع و ذخیره‌سازها در کنار بار AC برای موارد 1 الی 3 در شکل‌های (4)-(6) ترسیم شده است. براساس این شکل‌ها، منحنی روزانه توان تولیدی WTها (BEUها) ضریبی از پروفیل سرعت باد (گاز عبوری از BEUها) است. این موضوع در روابط (2) و (5) نیز اثبات‌شدنی است. توان EVها دربارۀ 2 تنها در مد شارژ است و این توان در ساعات 14:00 الی 21:00 مقدار دارد. در این مورد، EVها مبنی بر استراتژی شارژ غیر هوشمند هستند. براساس پاراگراف دوم بخش 4-2، EVها مبنی بر این استراتژی تنها در ساعات 14:00 الی 21:00 توان از شبکه دریافت می‌کنند که تعداد آنها از ساعت 14:00 به سمت 18:00 روند افزایشی دارد؛ ولی در ساعات 19:00 – 21:00 تعداد آنها روند کاهشی دارد؛ از این رو، براساس شکل (5)، توان مصرفی EVها در ساعات 14:00 الی 18:00 از صفر به kW 21 افزایش می‌یابد. در ساعات 19:00 الی 21:00 توان EVها از kW 21 به صفر کاهش می‌یابد. دربارۀ 3 متناسب با شکل (6)، در ساعاتی که انرژی تولیدی منابع تجدیدپذیر کمتر از انرژی مصرفی بار AC است، EVها در مد دشارژ قرار می‌گیرند. آنها در ساعات دیگر در مد شارژ هستند و تا جایی که می‌توانند بخش درخور توجهی از مازاد انرژی تولیدی را در خود ذخیره می‌کنند. براساس شکل‌های (4)-(6)، در ساعاتی که انرژی تولیدی منابع تجدیدپذیر بیش از انرژی مصرفی بار AC و EVPL است، باتری‌ها در مد شارژ (مصرف انرژی) هستند و در دیگر ساعات در مد دشارژ (تخلیه انرژی) قرار می‌گیرند.

شکل (4): منحنی روزانه مورد انتظار توان منابع و ذخیره‌سازها در کنار بار AC برای مورد 1

شکل (5): منحنی روزانه مورد انتظار توان منابع و ذخیره‌سازها در کنار بار AC برای مورد 2

شکل (6): منحنی روزانه مورد انتظار توان منابع و ذخیره‌سازها در کنار بار AC برای مورد 3

• نتیجه‌گیری

در این مقاله، برنامه‌ریزی (اندازه‌یابی) سیستم ترکیبی جزیره‌ای 100% تجدیدپذیر دارای توربین بادی و منبع انرژی بیوماس به‌همراه ذخیره‌سازهای ساکن (باتری) و سیار (EVها) و مبدل‌های قدرت ارائه شدند. طرح پیشنهادی کمینه‌سازی مجموع هزینه‌های احداث، تعمیر و نگهداری و فرسودگی ذخیره‌سازها برای عناصر یادشده را برعهده داشت. قیود آن شامل مدل بهره‌برداری منابع، ذخیره‌سازها و مبدل‌های قدرت است. با در نظر گرفتن این موضوع که منابع تجدیدپذیر در تغذیه بار AC الویت دارند و ذخیره‌سازها برای پوشش فاصله بین پروفیل بار و تولید تجدیدپذیر استفاده می‌شوند، طرح پیشنهادی دارای عدم قطعیت‌های بار، منابع تجدیدپذیر و ذخیره‌سازهای سیار بود. در ادامه، از بهینه‌سازی تصادفی مبنی بر سناریو برای استخراج برنامه‌ریزی مطمئن برای سیستم جزیره‌ای در برابر خطای پیش‌بینی عدم قطعیت‌ها استفاده شد. سپس الگوریتم ترکیبی ALO+KHO برای حل مسئله استفاده شد. درنهایت، براساس نتایج عددی مشاهده شد حل‌کننده ALO+KHO به استخراج راه‌حل بهینه‌تر با سرعت همگرایی بالاتر نسبت به الگوریتم‌های غیرترکیبی منجر می‌شود. همچنین، انحراف معیار پاسخ‌دهی نهایی در این الگوریتم در حدود 94/0% است که نسبت به الگوریتم‌های غیرترکیبی کمترین است. برنامه‌ریزی بهینه سیستم پیشنهادی مبنی بر استراتژی شارژ غیرهوشمند (هوشمند) EVها به افزایش (کاهش) هزینه برنامه‌ریزی سیستم در حدود 678/39% (19/1%) نسبت به مورد بدون EVها منجر می‌شود.

[1] تاریخ ارسال مقاله: 29/05/1401

تاریخ پذیرش مقاله: 07/08/141

نام نویسندۀ مسئول: ساسان پیروزی

نشانی نویسندۀ مسئول: ایران، سمیرم، دانشگاه آزاد اسلامی، واحد سمیرم، گروه فنی و مهندسی

[i] Island hybrid system

[ii] Off-grid system

[iii] Renewable energy sources (RESs

[iv] Wind turbine (WT(

[v] Photovoltaics (PVs)

[vi] Bio-waste energy unit (BEU)

[vii] Hybrid system planning

[viii] Loss of energy probability (LOEP)

[ix] Harmony search algorithm (HSA)

[x] Loss of power supply (LPS(

[xi] Particle swarm optimization (PSO)

[xii] Eclectic vehicles (EVs)

[xiii] Degradation cost

[xiv] Electric vehicles parking lot (EVPL)

[xv] Scenario-based stochastic optimization (SBSO)

[xvi] Ant Lion Optimization (ALO)

[xvii]Krill herd optimization (KHO)

[xviii] Smart charging

[xix]Non-smart charging

[xx] Net present cost

[xxi] Interest rate

[xxii] Rate of methane in the gas

[xxiii] Lower heating value of methane

[xxiv] Cut-in speed

[xxv] Cut-out speed

[xxvi] Rate speed

[xxvii]Rate power

[xxviii] State of charge (SOC)

[xxix] Depth of discharge (DOD)

[xxx] Cycle life loss

[xxxi] Roulette wheel mechanism (RWM)

[xxxii] Kontrovich method

[xxxiii] Grey wolf optimization (GWO)

[xxxiv] Crow search algorithm (CSA)