پیاده سازی سیستم بهینه مدیریت انرژی برای مجموعه ریز شبکه ها

نوع مقاله: مقاله علمی فارسی

نویسندگان

1 دانشجوی کارشناسی ارشد، دانشکده فنی و مهندسی - دانشگاه آزاد اسلامی واحد لاهیجان- لاهیجان- ایران

2 - دانشیار پژوهشی، دانشکده مهندسی و فیزیک- دانشگاه منچستر- منچستر- انگلیس و استادیار، گروه برق،

3 - استادیار، گروه برق، دانشکده فنی و مهندسی - دانشگاه آزاد اسلامی واحد لاهیجان- لاهیجان- ایران

4 استادیار، دانشکده مهندسی برق و کامپیوتر - دانشگاه تبریز - تبریز - ایران

چکیده

مدیریت بهینه انرژی در سیستم‌های دارای چند ریزشبکه چالش‌های جدیدی را در سیستم‌های قدرت بوجود آورده است. لذا، ارائه سیستم‌های مدیریت انرژی با درنظر گرفتن عملکرد بهینه منابع موجود در ریزشبکه‌ها، کنترل تبادل توان با شبکه و نیز مابین ریزشبکه‌ها حائز اهمیت می‌باشد. در این مقاله، بمنظور مدیریت انرژی در سیستم‌های دارای ریزشبکه‌های متعدد با مالکیت های مختلف، ساختاری با دو لایه کنترلی بنام‌های کنترل اولیه و ثانویه پیشنهاد شده است. در سطح کنترل اولیه، سیستم مدیریت انرژی بطور مجزا برای هر ریزشبکه با درنظرگرفتن قیود مساله و عدم قطعیت منابع تجدیدپذیر با استفاده از الگوریتم تاگوچی، توان مربوط به منابع تولید و میزان مازاد و کمبود تولید هر ریزشبکه تعیین می‌شود. سپس، اطلاعات مربوط به توان‌های مازاد و کمبود هر ریزشبکه بایستی به سیستم مدیریت انرژی مرکزی در سطح ثانویه ارسال شوند. بمنظور تأیید ساختار پیشنهادی، یک سیستم موردی با دو ریزشبکه و یک بار فشرده، با استفاده از الگوریتم رقابت استعماری چند زمانه شبیه‌سازی شده است. برای ارزیابی عملکرد الگوریتم پیشنهاد شده، چندین سناریو نیز اعمال شده است. نتایج بدست آمده به وضوح نشان می‌دهد که سیستم پیشنهادی در مدیریت انرژی ریزشبکه‌های متعدد، موثر بوده و منجر به عملکرد بهینه منابع موجود در هر ریزشبکه شده است. علاوه براین، طرح کنترلی پیشنهادشده به صورت مناسبی عملکرد ریزشبکه‌ها و شبکه را در تعاملات با یکدیگر کنترل می‌نماید و دارای سطح بالایی از استحکام، رفتار پایدار تحت شرایط مختلف و کیفیت بالای منبع تغذیه می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Optimal energy management system implementation in power networks with multiple Microgrids by using multi-period imperialist competition

نویسندگان [English]

  • Narges Parhizi 1
  • Mousa Marzband 2
  • Seyyed Maziar Mirhosseini Moghaddam 3
  • Fatemeh Azarinajadian 1
  • Behnam Mohammadi-Ivatloo 4
1 Dept. of Electrical Engineering, Islamic Azad University of Lahijan, Lahijan, Iran
2 Dept. of Engineering and Physical Sciences, University of Manchester, Manchester, UK
3 Dept. of Electrical Engineering, Islamic Azad University of Lahijan, Lahijan, Iran
4 Dept. of Electrical Electrical and Computer Engineering, University of Tabriz, Tabriz, Iran
چکیده [English]

Optimal energy management in systems based on multiple Microgrids (MG) is a vital component to ensure the economic dispatch of generation resources. Energy management system (EMS) can be employed to achieve the optimum utilization of resources, to reach the operational performance targets in the MGs as well as to control exchange power among them and with grid as well. In this regard, a double-layer control scheme (DLCS) equipped with primary and secondary controllers are proposed in this paper. In primary control level, EMS is operating separately for each MG by considering the problem constraints and uncertainty of renewable resources by using Taguchi’s approach, power set-points of generation resources and possible shortage or surplus of power generation in the MGs. Then, the shortage or surplus generation of the MGs should be submitted to a central energy management system (CEMS) at the secondary layer. In order to validate the proposed control structure, a case study including two MGs and a lumped load is simulated and optimized based on multi-period imperialist competition (MICA) algorithm. Different scenarios are applied to evaluate the performance of the proposed DLCS. The obtained results clearly show that the proposed DLCS is effective for achieving optimal dispatch of generation resources in systems with multiple MGs. Furthermore, the proposed DLCS is able to control the performance of the MGs in interaction with the grid and with each other as well.

کلیدواژه‌ها [English]

  • Imperialist competition algorithm
  • multi-ownership systems
  • Taguchi approach
  • Demand Response
  • integrated Microgrid
  • Multi
  • ownership systems
  • centralized and decentralized control
  • and optimum energy management
  • Uncertainty

امروزه، با توجه به رشد قابل توجه تولیدات پراکنده به ویژه منابع انرژی تجدید‌پذیر، علاقه روز افزونی برای به‏کارگیری ریزشبکه‌ها[1] ایجاد شده است. ریزشبکه‌ها ترکیبی از منابع تولید پراکنده مختلف هستند، که به عنوان یک سیستم قابل کنترل در سطح ولتاژ توزیع، برق یا گرما را، به گروهی از بارهای محلی عرضه می‌کنند [1-3]. از طرفی، با توجه به نوسانات بالای توان قابل دسترس در سطح ولتاژ توزیع، ممکن است سیستم‌های ریزشبکه برای تأمین مصرف‌کنندگان عمده با شکست مواجه ‌شوند. بنابراین، با تقسیم مصرف‌کنندگان به واحدهای کوچکتر، از چند ریزشبکه استفاده شده و هر واحد بار، توسط یک ریزشبکه تغذیه می‌شود [4]. با به‏کارگیری چند ریزشبکه در یک شبکه ولتاژ پایین، مفهوم ریزشبکه‌های یکپارچه با مالکیت چندگانه مطرح می‌شود [5]. از طرف دیگر برای نظارت بر عملکرد ریزشبکه‌ها و بهینه‌سازی بهره‌برداری آن‏ها ارایه سیستم‌های مدیریت انرژی[2] (EMSs) تحت شرایط مختلف دارای اهمیت است. EMS، برای کنترل عملکرد تمامی منابع تولید، بارهای قابل کنترل و سیستم ذخیره‌سازی موجود در تمامی ریزشبکه‌ها، مدیریت سمت تقاضا، کنترل تمامی تعاملات ریزشبکه‌ها با شبکه و همچنین، کنترل تبادلات توان مابین ریزشبکه‌ها استفاده می‏شود.

ساختارهای مختلفی برای سیستم‌های مدیریت انرژی با استفاده از الگوریتم‌های بهینه‌سازی مختلف و همچنین، پیکربندی‌های مختلفی برای ریزشبکه با انواع مختلف منابع در مراجع ارایه شده است. برای مثال، [6] با استفاده از مدل برنامه‌نویسی عدد صحیح مختلط[3] (MINLP) و با هدف به حداقل رساندن تابع هدف که شامل هزینه‌های سرمایه‌گذاری، بهره‌برداری، تعمیر و نگهداری و زیست‌محیطی است، بهره‌برداری ریزشبکه را بهینه می‏کند. روش‌های حل ریاضیاتی مانند MINLP نمی‌توانند مسائل غیرخطی در مقیاس بزرگ را بهینه ‏کنند. این مسائل می‌توانند به شکل مناسب توسط روش‌های ابتکاری حل شوند. به این منظور، برای مدیریت منابع انرژی یک روش جدید به نام SiPSO[4] در [7] ارایه شده است.  در [8] از الگوریتم جستجوی گرانشی به منظور تعیین مدیریت بهینه انرژی استفاده شده است. در [9] ترکیبی از بهینه‌سازی جفت‌گیری زنبور عسل اصلاح شده ترکیبی با جستجوی محلی آشوب به‏کار برده شده است. در [10] یک سیستم مدیریت هوشمند انرژی، با استفاده از الگوریتم ژنتیک برای بهینه‌سازی عملکرد ریزشبکه پیشنهاد شده است. در این مقاله، در طول فرآیند بهینه‌سازی یک ماژول پیش‏بینی، یک ماژول مدیریت ESS و یک ماژول بهینه‌سازی استفاده شده است. به طور معمول، برای مدیریت مناسب ریزشبکه‌ها از روش چند شرکتی استفاده می‌شود، که کاربر را قادر به بهره‌برداری و یکپارچه‌سازی منابع متناوب انرژی می‏کند؛ همچنین، سبب افزایش قابلیت اعتماد و راندمان سیستم می‌شود. سیستم‌های هوشمند مبتنی بر چند شرکتی برای کاربردهای مهندسی قدرت در مراجع [5، 11 و 12] گزارش شده است. در [5] برای برنامه‌ریزی منابع انرژی یک سیستم قدرت مستقل از شبکه دارای تولیدات پراکنده که شامل ریزشبکه‌های یکپارچه و بارهای خارجی هستند، یک سیستم چند شرکتی ارایه شده است. الگوریتم ارایه شده برای برنامه‌ریزی منابع تولید دارای 3 مرحله اجرایی است. در مرحله اول، هر ریزشبکه برای تأمین تقاضای داخلی به شکل جداگانه برنامه‌ریزی می‌شود. مرحله بعدی پیدا کردن بهترین پیشنهاد ممکن برای گسیل توان به شبکه و رقابت در بازار عمده فروشی انرژی است. مرحله آخر، برنامه‌ریزی مجدد هر ریزشبکه به شکل جداگانه برای تأمین تقاضای کل که مجموعه‌ای از تقاضای داخلی و تقاضای به‏دست آمده از نتایج شبیه‌سازی بازار عمده فروشی انرژی بوده، می‏باشد. در [11] برای تسهیل داد‌و‌ستد توان میان ریزشبکه‌ها با استفاده از پاسخ تقاضا و ذخیره‌سازی انرژی، یک EMS مبتنی بر شرکت ارایه شده است. تمرکز اصلی این مرجع، استفاده از تنوع الگوی مصرف بار مصرف‌کنندگان و انرژی در دسترس منابع تولید پراکنده، سیستم ذخیره‌سازی و پاسخ تقاضا برای کاهش پیک تقاضا و حداقل‌سازی هزینه الکتریسته است. [12] یک ساختار دو سطحی برای مدیریت منابع انرژی توزیع برای چند ریزشبکه با استفاده از سیستم‌های چند شرکتی، پیشنهاد می‌کند. به منظور مطابقت با خریداران و فروشندگان در بازار انرژی، مسأله انتساب متقارن مبتنی بر الگوریتم حراج ساده استفاده می شود.

در این مقاله، برای مدیریت انرژی در سیستم‌های دارای ریزشبکه‌های متعدد با مالکیت چندگانه، یک سیستم چند شرکتی ارایه شده است. هدف از ارایه ساختار پیشنهادی، مدیریت بهینه واحد‌های تولید موجود در ریزشبکه، مدیریت سمت تقاضا و تبادل ریزشبکه‌ها با شبکه سراسری و تعاملات مابین ریزشبکه‌هاست. در این روش، هر یک از اجزای ریزشبکه به عنوان یک شرکت درنظر گرفته شده و رفتار هماهنگ شرکت‌ها در داخل ریزشبکه سبب حداقل کردن هزینه تولید می‌شوند. این در حالی است که ریزشبکه‌های مختلف برای حداکثر کردن سود خود با یکدیگر رقابت می‌کنند. بنابراین، در ریزشبکه‌های یکپارچه نیاز به کنترل نظارتی توسط اپراتوری مستقل وجود دارد، که ناظر بر عملکرد ریزشبکه‌ها باشد و هر ریزشبکه با نظارت اپراتور مستقل، کنترل خود را انجام ‌دهد. شایان ذکر است، از آنجا که مدل درنظر گرفته شده برای ریزشبکه ماهیتی غیر‌خطی و گسسته دارد؛ برای پیاده‌سازی سیستم پیشنهادی و با هدف یافتن بهترین راه‌حل ممکن، از الگوریتم رقابت استعماری چند بعدی استفاده شده است. الگوریتم ارایه شده، مبتنی بر جمعیت و برپایه تکامل سیاسی و اجتماعی جوامع بشری بوده و دارای مزایای متعددی همچون سادگی، دقت، صرفه‌جویی در زمان و سرعت همگرایی بالاست. در مسأله مطرح شده، قیود فنی شامل تغذیه کامل بار، مشخصه‌های فنی مربوط به هر یک از منابع موجود در ریزشبکه، قیود اتصال به شبکه اصلی و همچنین، قیود مربوط به تبادلات توان ما بین ریزشبکه‌ها لحاظ شده است.

 

1- ساختار شبکه تحت مطالعه

تصویر شماتیک سیستم تحت مطالعه در شکل (1) نشان داده شده است. همان‏طور که در این شکل مشاهده می‌شود، سیستم دارای چندین ریزشبکه هست که هر یک از آن‏ها نیز دربرگیرنده بارهای محلی و منابع توزیع و ذخیره ویژه خودشان هستند. هر ریزشبکه دارای قابلیت عملکرد در هر دو حالت مستقل و متصل به شبکه سراسری است. افزون بر این، برای هر یک از ریزشبکه‌ها یک EMS مختص همان ریزشبکه و یک سیستم مدیریت انرژی مرکزی[5] (CEMS) در سطح بالایی کنترل برای کنترل تمامی این EMSها طراحی شده است. همچنین، در این شبکه مجموعه‌ای از بارهای فشرده نیز درنظر گرفته شده است. بار فشرده در واقع مجموعه‌ای از مصرف‌کنندگان است که به هیچکدام از ریزشبکه‌ها یا شبکه سراسری تعلق ندارد و به شکل مستقل تقاضای مورد نظر خورد را از شبکه معرفی شده دریافت می‌کند. قیمت‌های پیشنهادی توسط هر یک از منابع تولید موجود در ریزشبکه‌ها و تبادل توان بین آن‏ها و شبکه در جدول (1) خلاصه شده است. همان‏طور که مشاهده می‌شود، برخی از قیمت‌های پیشنهادی در بعضی از بازه‌های زمانی با قیمت‌های پیشنهادی منابع تولید و یا مصرف دیگر تداخل دارند. بنابراین، EMS و CEMS پیشنهادی، باید قابلیت انتخاب بهترین منبع تولید توان و نیز مصرف‌کننده جانبی با در نظر گرفتن حداقل هزینه توان تولیدشده را داشته باشد. شایان ذکر است، اطلاعات مربوط به منابع تجدیدپذیر و نیز پروفایل بار محلی موجود در ریزشبکه‌ها از [1-3] گرفته شده است. این اطلاعات از مقادیر واقعی منطقه هواشناسی بلادونا واقع در بارسلونا- اسپانیا به شکل آنلاین به دست آمده است. همچنین، به منظور نشان دادن قابلیت پاسخگویی سریع الگوریتم به وقوع هر رویدادی سناریوهای مختلفی در سیستم در نظر گرفته شده است. این سناریوها عبارتند از:

سناریو 1: عملکرد نرمال

سناریو 2: افزایش ناگهانی بار (در بازه‌های زمانی 17:00-17:30 و 18:00-18:30).

سناریو 3: قابلیت وصل کن و استفاده کن[6]

 

 

 


جدول (1):  قیمت‌های پیشنهادی هر یک از منابع تولید موجود در ریزشبکه‌ها و تبادل توان بین آن‏ها و شبکه

کمیت

نماد

€/kWh

 

حداقل

حداکثر

جریمه توان تأمین نشده[7] (UP) در ریزشبکه  nام

 

5/1

5/1

RLD بار در ریزشبکه  nام

 

08/0

15/0

منبع بادی در ریزشبکه n ام

 

03/0

09/0

منبع خورشیدی در ریزشبکه  nام

 

08/0

11/0

میکروتوربین در ریزشبکه  nام

 

14/0

16/0

منبع ذخیره‌کننده انرژی به عنوان تولیدکننده در ریزشبکه  nام

 

1/0

16/0

منبع ذخیره‌کننده انرژی به عنوان مصرف‌کننده در ریزشبکه n ام

 

1/0

15/0

خرید توان از ریزشبکه  kام و فروش آن به ریزشبکه  nام

 

07/0

17/0

خرید توان از ریزشبکه n ام و فروش آن به ریزشبکه k ام

 

15/0

17/0

خرید توان از شبکه و فروش آن به ریزشبکه  nام

 

16/0

18/0

خرید توان از ریزشبکه n ام و فروش آن به شبکه

 

05/0

115/0

بارفشرده (LL) در ریزشبکه nام

 

06/0

12/0

منبع تولید مجازی[8] در ریزشبکه nام

 

135/0

15/0

بار مجازی[9] در ریزشبکه nام

 

5/1

5/1

 

 

 

شکل(1): تصویر شماتیک سیستم تحت مطالعه دارای چند ریزشبکه

 

 

2- فرمول‏بندی کردن مسأله بهینه‌سازی

سیستم تحت مطالعه دارای n ریزشبکه است که هر یک از آن‏ها دارای منابع تجدید پذیر (بادی[10] (WT) و خورشید[11] (PV) در این مطالعه)، منابع تجدید ناپذیر به عنوان رزرو چرخان (میکروتوربین[12](MT)) و منابع ذخیره‌کننده انرژی[13] (ES) و چندین نوع بار شامل بارهای غیرقابل قطع[14] (NRLD) و بارهای قابل کنترل[15] (RLD) می‌باشند، که به شبکه و تعدادی بار فشرده[16] (LL) متصل شده‌اند. روابط ریاضی فرمول‏بندی شده برای پیاده‌سازی EMSها و CEMS در ادامه ارایه شده است.

 

2-1- پیاده‌سازی ریاضی تابع هدف در EMS-MICA

.برای مسأله بهینه‌سازی دو نوع تابع هدف تعریف شده است. برای تمامی EMSها به طور جداگانه تابع هزینه‌ای با هدف حداقل کردن تابع هدف و مدیریت منابع تولید و مصرف مربوط به هر ریزشبکه تعریف شده است. تابع هزینه تعریف شده برای EMS در ریزشبکه nام به شکل زیر مدل‏سازی شده است:

(1)

 

 

در این مدل، ، ، ،  و  به ترتیب توا‌ن‌های تولیدی توسط منابع بادی تحت سناریوی s (S تعداد کل سناریوهای درنظر گرفته شده است)، خورشیدی تحت سناریوی s، میکروتوربین، منبع تولید مجازی[17] و منبع ذخیره‌کننده انرژی برای ریزشبکه n ام در بازه زمانی  tام است. ضرایب  و  به ترتیب احتمال وقوع سناریوی s برای منابع بادی و خورشیدی هستند.،  و  به ترتیب توان‌های مصرفی توسط منبع ذخیره‌کننده انرژی، بار RLD و بار مجازی[18] برای ریزشبکه n ام در بازه زمانی  tام است. ، ، ، ، ، ،  و  به ترتیب قیمت پیشنهادی توسط منابع بادی، خورشیدی، میکروتوربین، منبع تولید مجازی، منبع ذخیره‌کننده انرژی به عنوان تولیدکننده، منبع ذخیره‌کننده انرژی به عنوان مصرف‌کننده، بار RLD و بار مجازی در ریزشبکه n ام در بازه زمانی  tام است. همچنین میزان توان تأمین نشده و  جریمه در نظر گرفته شده برای این توان در ریزشبکه n ام و در بازه زمانی  tام است.

در هر بازه زمانی، EMSها ابتدا قیمت‌های پیشنهادی تمامی منابع تولید و مصرف‌کنندگان موجود در هر ریزشبکه را دریافت می‏کنند. پس از آن، بسته به مقدار قیمت‌های پیشنهادی، الگوریتم پیشنهادی تصمیم به به‏کارگیری منابع تولید و تغذیه مصرف‌کنندگان با هدف ماکزیمم‌نمودن رفاه اجتماعی اتخاذ می‏کند. در طول عملکرد روزانه سیستم، با توجه به مقدار قیمت پیشنهادی منبع تولید و بار مجازی، ریزشبکه‌ها می‌توانند مازاد تولید و یا در مواقعی کمبود تولید داشته باشند. مقدار مازاد توان مورد نیاز و یا کمبود توان در ریزشبکه‌ها توسط EMSهای پیشنهاد شده به‏وسیله متغیرهای  و به واحد CEMS اعلام می‌شود. توان اختصاص داده‌شده به منبع تولید و بار مجازی توسط ریزشبکه  nام می‌تواند از رابطه زیر به‏دست آید:

(2)

 

 

در صورتی‏که  مثبت باشد به معنای وجود اضافه تولید است، که تحت چنین شرایطی ریزشبکه توانایی فروش توان به ریزشبکه‌های دیگر و شبکه را داراست و این مازاد توان به بار مجازی اختصاص داده می‌شود. اما زمانی که  منفی باشد به معنای وجود کمبود تولید است، که تحت چنین شرایطی ریزشبکه توانایی تأمین تقاضای داخلی خود را ندارد و تحت چنین شرایطی باید از ریزشبکه‌های دیگر و شبکه کمک بگیرد، بنابراین این کمبود توان به عنوان منبع تولید مجازی تلقی می‌شود.

 

2-2- پیاده‌سازی ریاضی تابع هدف در CEMS-MICA

پس از تعیین مقدار مازاد و کمبود توان هر یک از ریزشبکه‌ها، واحد CEMS اطلاعات مربوط به تمامی EMSهای سیستم را دریافت کرده و باید بهترین شرایط لازم برای تأمین این مقادیر با کمترین هزینه بهره برداری را فراهم کند و تصمیم لازم را با استفاده از ریزشبکه‌های موجود و یا شبکه اتخاذ ‌نماید. هدف این تابع این هست که کمبود و مازاد تولید ریزشبکه‌ها را به نحوی تامین کند که رفاه اجتماعی کل سیستم بیشنه شود. تابع هزینه تعریف شده برای واحد CEMS می‏تواند به شکل زیر تعریف شود:

(3)

 

در این شکل ،  و  به ترتیب توان فروخته شده به بار LL، شبکه سراسری و به ریزشبکه  kام توسط ریزشبکه  nام در بازه زمانی  tام است.  و  به ترتیب توان خریداری شده از شبکه سراسری و ریزشبکه  kام توسط ریزشبکه  nام در بازه زمانی  tام است. همچنین، ،  و  به ترتیب قیمت پیشنهادی فروش توان به بار LL، شبکه سراسری و ریزشبکه  kام و  و  به ترتیب قیمت پیشنهادی خرید توان از شبکه سراسری و ریزشبکه  kام است.

 

2-3- قیود مسأله

قیود ارایه شده برای مسأله بهینه‌سازی شامل موارد زیر است:

 

قید تعادل

در هر ریزشبکه مقدار کل توان تولیدشده توسط تولیدکنندگان در هر بازه زمانی باید برابر مقدار تقاضای کلی مصرف‌کنندگان باشد.

(4)

 

قیود ES [2،3]

1- محدودیت ذخیره انرژی؛

2- ماکزیمم و مینیمم توان در دوره شارژینگ و دشارژینگ.

 

3- تعادل انرژی

قیود ادوات رزرو چرخان [2 و 3]

قید مربوط به این ادوات شامل بیشینه و کمینه توان تولیدی توسط منابع تجدید‌ ناپذیر است.

 

قید منابع تجدیدپذیر [2 و 3]

این قید بیانگر بیشینه و کمینه توان تولیدی پیش‏بینی شده توسط منابع تجدیدپذیر در ریزشبکه و در بازه زمانی t است. شایان ذکر است که توان تولیدی واقعی منابع تجدید‏پذیر مقداری در این بازه خواهد بود. برای در نظر گرفتن عدم قطعیت تولید این نوع مولدها، در این مقاله میزان تولید به شکل تصادفی در این بازه انتخاب شده است. مشخص است که با افزایش دقت پیش بینی این محدوده کوچکتر خواهد شد.

 

قید مربوط به بارهای RLD [2 و 3]

کل توان مصرفی توسط RLD باید کمتر یا مساوی بیشینه بار در نظر گرفته شده برای RLD باشد.

 

قیود تبادل توان بین ریزشبکه‌ها و شبکه سراسری

همان‏طور که بیان شد، در صورتی که ریزشبکه در حالت متصل به شبکه باشد، می‌تواند با شبکه سراسری و سایر ریزشبکه‌ها تعامل داشته باشد. اما این تعاملات به قیودی محدود است. در واقع ریزشبکه n ام بیشتر از  نمی‌تواند از شبکه و سایر ریزشبکه‌ها توان خریداری کند و یا بیشتر از به شبکه، سایر ریزشبکه‌ها و بار LL توان بفروشد. در واقع این قید ناشی از محدودیت خطوط انتقال واصل بین شبکه و ریزشبکه و همچنین، برای محدود کردن تبادلات با شبکه و استفاده بهتر از منابع موجود در ریزشبکه درنظر گرفته شده است.

 

4- پیاده‌سازی ساختار مدیریت انرژی پیشنهادی با دولایه کنترلی

ساختار سیستم مدیریت انرژی پیشنهاد شده در این مقاله، برای ریزشبکه‏هایی با مالکیت چندگانه دارای دو لایه کنترلی به نام‌های کنترل اولیه و ثانویه است. در شکل (2) فلوچارت الگوریتم پیشنهاد شده برای پیاده‌سازی کنترل دو لایه ارایه شده است. همان‏طور که مشاهده می‌شود، این الگوریتم دارای 3 واحد به نام‌های واحد EMS، CEMS و بازار محلی انرژی[19] LEM است. واحد LEM به طور مفصل در مقالات ارایه شده توسط نویسندگان تشریح شده‌اند [1].

 

 

شکل (2):الگوریتم پیشنهاد شده برای پیاده‌سازی مدیریت انرزی با دو لایه کنترلی

 


4-1- کنترل اولیه

فلوچارت پیشنهادی برای پیاده‌سازی واحد EMS در کنترل اولیه در شکل 3 نشان داده شده است. پس از انتخاب حالت عملکرد ریزشبکه‌ها (مستقل از شبکه/ متصل به شبکه) در کنترل اولیه، EMS برای هر ریزشبکه به شکل کاملاً مستقل اجرا شده و با توجه به قیود در نظر گرفته شده برای مسأله، مقادیر توان بهینه واحدهای تولیدی و مصرفی موجود در همان ریزشبکه تعیین می‌شود. شایان به ذکر است، اگر ریز شبکه در حالت مستقل از شبکه باشد؛ هیچگونه تبادلاتی با شبکه نخواهد داشت. اما در حالت متصل به شبکه، می‌تواند با شبکه و ریزشبکه‌های دیگر تبادل توان انجام شود. تبادل توان به معنای خرید توان از شبکه سراسری و ریزشبکه‌های دیگر در مواقع کمبود تولید و همچنین، فروش توان به آن‏ها در زمان مازاد تولید است. از سوی دیگر، ریزشبکه متصل به شبکه، می‌تواند بارهای فشرده خارجی را نیز تغذیه کند. به عبارت دیگر، در مدیریت انرژی کنترل اولیه ریزشبکه‌های متصل به شبکه، علاوه بر تعیین توان‌های بهینه برای واحدهای موجود در ریزشبکه، همان‏طور ‏که قبلا بیان شد دو متغیر دیگر به نام‏های منبع تولید مجازی () و بار مجازی () نیز تعیین می‌شوند. این دو متغیر، در واقع مجموع توان‌های اختصاص داده شده برای فروش به شبـکه، فروش به ریزشبکـه‌های دیگر و تغذیه بارهای فشرده خارجی به عنوان یک بار مجازی و مجموع توان‌های اختصاص داده شده برای خرید از شبکه، خرید از ریزشبکه‌های دیگر به عنوان یک منبع تولید مجازی است. به بیان دیگر، بار مجازی میزان اضافه تولید احتمالی و منبع تولید مجازی میزان کمبود تولید احتمالی ریزشبکه است. با توجه به تابع هدف و قیمت پیشنهادی واحدهای موجود در ریزشبکه و همچنین قیمت پیشنهادی عناصر خارجی، یعنی شبکه و ریزشبکه‌های دیگر، EMS هر ریزشبکه در کنترل اولیه تشخیص می‌دهد که آیا تبادل توان با دنیای خارج به نفع صاحب ریزشبکه است یا خیر. بنابراین، میزان توان اختصاص داده شده برای بار و منبع تولید مجازی توسط سیستم مدیریت انرژی هر ریزشبکه با توجه به قیود فنی و اقتصادی در نظر گرفته شده، تعیین می‌شود. حال اینکه چه میزان از این بار و تولید مجازی به کدام مولفه اختصاص داده شود از حوزه وظایف مدیریت انرژی ریزشبکه در سطح کنترل اولیه خارج است. بنابراین، در هر بازه زمانی کمبود و یا اضافه تولید ریزشبکه‌ها به شکل یک مجموعه اطلاعات وارد سیستم مدیریت انرژی مرکزی در سطح کنترل ثانویه می‌شود.

 

 

 

شکل (3): فلوچارت پیشنهادی برای پیاده‌سازی واحد EMS در کنترل اولیه

 

 


در شکل (4)، ارتباط بین EMS پیشنهاد شده در کنترل اولیه و CEMS در کنترل ثانویه نشان داده شده است. همانطور که در شکل مشاهده می‌شود، اطلاعاتی از قبیل قیود فنی مربوط به ادوات درگیر در ریزشبکه‌ها، اطلاعات پیش‏بینی بارها و منابع تولید تجدیدپذیر، قیمت‏های پیشنهاد شده هر یک از منابع موجود در ریزشبکه‌ها به EMSهای موجود در سطح کنترل اولیه ارسال می‌شود. پس از تعیین توان‏های بهینه هر یک از ریزشبکه‌ها و تعیین مقدار توان‏های مازاد و کمبود هر یک از آن‏ها، این اطلاعات به CEMS پیشنهاد شده در سطح کنترل ثانویه ارسال می‌شود.

 

 

 

شکل (4): پیوند بین EMS هر یک از ریزشبکه‌ها و CEMS

 

 

4-1-1- الگوریتم آزمون آرایه متعامد تاگوچی TOAT[20]

یکی از مزایای استفاده از ریزشبکه‌ها، افزایش تولید منابع تجدیدپذیر در شبکه است. با این حال، یک مشکل بزرگ این نوع ادوات، طبیعت متناوبی آن‏هاست. توان تولید شده توسط منابع تجدیدپذیر تنها به شاخص‏های آب و هوایی مانند سرعت باد و تابش خورشید بستگی دارد. بنابراین، عدم قطعیت‌ موجود در این منابع به علت تغییرات مستمر در تولید برق تجدیدپذیر نیست، بلکه به علت غیر قابل پیش‌بینی‌بودن بخشی از انرژی باد و خورشیدی به علت خطاهای پیش‌بینی آن‏هاست. یکی از علل اصلی عدم قطعیت تغییرات غیر منتظره در تقاضای سیستم در طول روز است. با این حال، با وجود عدم قطعیت راه‌حل به‌دست آمده ممکن است مطلوب و یا حتی امکان‌پذیر نباشد. بنابراین، به منظور دستیابی به راه‌حل قابل اعتماد باید عدم قطعیت منابع تجدیدپذیر در برنامه‌ریزی تولید توان در ریزشبکه‌ها منظور شود. در این مقاله، به منظور در نظر گرفتن عدم قطعیت از روش تاگوچی استفاده شده است. تاگوچی در [13] برای به‌دست‌آوردن راه‌حل‌های قوی در مسائل آزمایشی طراحی تولید، روش قدرتمند آزمون آرایه متعامد تاگوچی (Taguchi’s orthogonal array testing-TOAT) را ارایه داده است. در بهره‌برداری با عدم قطعیت، TOAT با حداقل تعداد سناریو تضمین می‌کند که سناریوهای آزمایشی در نظر گرفته شده اطلاعات آماری خوبی را ارایه می‌دهند و به طور در خور توجهی تعداد آزمون را کاهش می‌دهد. برای مدل‌های مختلفی ثابت شده است که از بین تمامی سناریوهای ممکن TOAT توانایی انتخاب سناریو بهینه را داراست [14]. در مقایسه با روش مونت کارلو،TOAT  سناریوهای آزمون بسیار کمتری ارایه می‌دهد و به کاهش زمان محاسبات منجر می‌شود. این روش قابلیت خود را به عنوان یک الگوریتم بهینه‌سازی برای حل مسأله پخش بار و مسایل گسیل اقتصادی توان در سیستم‌های قدرت اثبات کرده است [15]. عدم قطعیت‌های موجود در مسأله مطرح‌شده با سناریوهای ایجاد شده مطابق با فلوچارت شکل (5) پیاده‌سازی شده است.

 

 

شکل (5): فلوچارت الگوریتم TOAT

 

4-2- کنترل ثانویه

در شکل (6) فلوچارت پیشنهادی برای پیاده‌سازی واحد CEMS در کنترل ثانویه ارایه شده است. همان‏طور که در شکل مشاهده می‌شود پس از دریافت اطلاعات از واحد EMS از تمامی ریزشبکه‌ها فرآیند مدیریت انرژی در کنترل ثانویه آغاز می‌شود. شایان به ذکر است اگر ریزشبکه‌ای در حالت عملکرد جزیره‌ای باشد؛ کنترل ثانویه برای این ریزشبکه‌ عمل نخواهد کرد. به این ترتیب، ریزشبکه‌های متصل به شبکه کمبود و یا اضافه تولید احتمالی خود را به سیستم مدیریت انرژی مرکزی در سطح ثانویه ارسال خواهند کرد و این سیستم وضعیت بارها و تولیدات مجازی تعیین شده در سطح کنترل اولیه را مشخص می‏کنند. در چنین شرایطی سناریوهای مختلفی ممکن است با توجه به تعداد ریزشبکه‌های موجود در سیستم قدرت، اتفاق بیافتد. اگر n ریزشبکه در سیستم موجود به تعداد  سناریو در سیستم رخ خواهد داد. اگر همه ریزشبکه‌ها کمبود تولید داشته باشند، این بدان معناست که سیستم مدیریت انرژی مستقل ریزشبکه‌ها، توانی برای منبع تولید مجازی در نظرگرفته است. همان‏طور که پیش‌تر بیان شد، تولید مجازی به معنای خرید از شبکه و ریزشبکه‌های دیگر است. از آنجا که همه ریزشبکه‌ها دارای کمبود تولید هستند، کاملاً واضح است که نمی‌توانند توانی برای فروش اختصاص دهند و کمبود تولید خود را تنها از شبکه سراسری تهیه خواهند کرد. در این سناریو هیچ کدام از ریزشبکه‌ها توانایی تغذیه بار فشرده خارجی را نخواهند داشت و این بار به طور کامل به وسیله شبکه سراسری تغذیه خواهد شد. زمانی که همه ریزشبکه‌ها اضافه تولید داشته باشند؛ این اضافه تولید برای تغذیه بار فشرده خارجی و فروش به شبکه سراسری مصرف خواهد شد. در این سناریو ابتدا ریزشبکه‌ها برای تغذیه بار فشرده خارجی با یکدیگر رقابت کرده و ریزشبکه با قیمت پیشنهادی کمتر برنده این رقابت خواهد شد. شایان ذکر است این امکان وجود خواهد داشت که ریزشبکه برنده به طور کامل بار فشرده خارجی را تغذیه نکند؛ در چنین شرایطی ریزشبکه‌های دیگر برای تغذیه این بار به همین ترتیب عمل خواهند کرد و اگر همچنان بار فشرده خارجی به طور کامل تأمین نشده باشد، شبکه سراسری وارد عمل خواهد شد. در نهایت، اگر همچنان در ریزشبکه‌ها اضافه تولید موجود باشد، به شبکه سراسری فروخته خواهد شد.

از طرف دیگر، این امکان وجود دارد شرایطی به وجود آید که برخی از ریزشبکه‌ها کمبود و برخی اضافه تولید داشته باشند؛ در این صورت، ابتدا بین ریزشبکه‌های با اضافه تولید، ریزشبکه‌ی با قیمت پیشنهادی کمتر انتخاب شده و مازاد تولید آن می‌تواند برای جبران کمبود تولید ریزشبکه‌های دیگر، تغذیه بار فشرده خارجی و فروش به شبکه سراسری به‏کار برده شود. در واقع در چنین شرایطی ابتدا کمبود تولید، ریزشبکه‌ با قیمت پیشنهادی بیشتر جبران می‌شود. سیستم مدیریت انرژی مرکزی تصمیم می‌گیرد چه میزان از مازاد تولید به این سه مولفه اختصاص داده شود. این روند تا اتمام اضافه تولید ریزشبکه‌ها ادامه پیدا خواهد کرد و در نهایت، اگر ریزشبکه‌های با کمبود تولید و بار فشرده خارجی به طور کامل تأمین نشوند، شبکه سراسری وارد عمل شده و تعادل توان را برقرار خواهد کرد. بنابراین، همان‏طور که بیان شد در واحد CEMS سه حالت کلی خواهیم داشت. یکی از حالت‌هایی که ممکن است با آن مواجه شویم این است که همه ریزشبکه‌ها کمبود تولید داشته باشند؛ در چنین شرایطی نیازی به بهینه‌سازی نیست، زیرا واضح است که تمامی کمبود تولیدها و بار فشرده خارجی باید به وسیله شبکه سراسری تغذیه شوند. اما در سایر موارد الگوریتم بهینه‌سازی مطابق با فلوچارت ارایه شده انجام می‌شود.

 

 

 

شکل (6): فلوچارت پیشنهادی برای پیاده سازی واحد CEMS در کنترل ثانویه

 

 

5- نتایج و بحث

برنامه‌ریزی منابع انرژی برای ریزشبکه‌های 1 و 2 به دست آمده با استفاده از الگوریتم پیشنهادی به ترتیب در شکل‌های (7) الف و (7) ب نشان داده شده است. در شکل‌های 8 الف و 8 ب نیز مقدار توان فروخته شده به شبکه، توان فروخته شده به بار LL از طرف هر یک از ریزشبکه‌ها، مقدار توانی که به ریزشبکه‌ دیگر فروخته شده است، توان تعذیه بار RLD و توان شارژ ES نشان داده شده است. تولید توان توسط PV و  WT متأثر از شرایط آب و هوایی (وزش باد و تابش خورشیدی) است. این منابع با شدت بیشتری از منابع دیگر در تأمین توان مورد نیاز مصرف‌کنندگان مشارکت کرده‌اند. زیرا قیمت‌های پیشنهادی پایین‌تری ارایه کرده‌اند که رقابتی‌تر از منابع دیگر است. در نتیجه، الگوریتم تلاش کرده است بیشینه توان قابل دسترس را از این منابع خریداری کند. همان‏طور که در شکل‌ها مشاهده می‌شود، در بازه زمانی 00:30-:00:01 باتوجه به قیمت‌ پیشنهادی کمتر MT درنتیجه سود بیشتر نسبت به قیمت‌های پیشنهادی خرید از شبکه و ریزشبکه دیگر، ریزشبکه 1 علاوه بر تعذیه RLD و ES بخشی از توان مورد نیاز ریزشبکه 2 و LL را نیز تأمین کرده است. نکته قابل توجه این است که الگوریتم بهینه‌سازی برای کاهش هزینه کلی تولید، این منبع را برای تأمین توان مورد نیاز منابع دیگر اختصاص داده است. در ساعت بعدی، با وجود بالا بودن  نسبت به تمامی قیمت‌های پیشنهادی دیگر، EMS  ریزشبکه 1 تصمیم گرفته است تا این که بخشی از RLD را توسط خرید از شبکه تأمین کند.


 

شکل (7) الف: برنامه ریزی منابع انرژی برای ریزشبکه‌ 1

 

شکل (7) ب: برنامه ریزی منابع انرژی برای ریزشبکه‌ 2

 

شکل (8) الف: توان مصرفی توسط مصرف‌کنندگان موجود در ریزشبکه 1

 

شکل (8) ب: توان مصرفی توسط مصرف‌کنندگان موجود در ریزشبکه 2

 

 

در ساعت 02:00 با توجه به افت تقاضای بار محلی توان  بیشتری تولید شده و این توان با توجه به اینکه قیمت‌ پیشنهادی  بالاتر است، بیشتر صرف تغذیه شبکه شده است. نکته دیگر آن این است که بین بارهای RLD و LL با وجود بالاتر بودن  نسبت به ، RLD کاندید بعدی برای تعذیه توان مازاد تولیدی توسط ریزشبکه 1 در این بازه زمانی است. EMS-MICA بار مصرفی در هر دو ریزشبکه را برای اجتناب از پرداخت جریمه در طول پیک مصرف زمانی که دیاگرام بار به حداکثر مصرف می‌رسد و یا وقوع سناریوهای 2 و 3، زمانی که ترکیب تمامی منابع تولید برای تغذیه بار کافی نیست، کاهش داده است. شارژ ES تنها در 3 ساعت در هر دو ریزشبکه رخ داده و تأثیر عمیقی بر روی کل توان مصرف شده ندارد. پس از این بازه‌های زمانی SOC در هر دو ریزشبکه به حداکثر مقدار رسیده و ES در حالت آماده به‏کار نگه داشته می‌شود تا این که در مواقع عملکرد ریزشبکه‌ها ‌در حالت مستقل از شبکه توانایی پشتیبانی آن‏ها را داشته باشد.

مقادیر درصد روزانه تولید توان توسط منابع تولید و نیز درصد سهم هر یک از مصرف‌کنندگان برای مصرف مقدار توان مازاد تولید شده به ترتیب در شکل‌های (9) الف و (9) ب برای ریزشبکه 1 نشان داده شده است. همان‏طور که مشاهده می‌شود، ساعات اولیه روز زمانی که بار مصرفی پایین است، منابع تجدیدپذیر بیشتر آن‏ها را تغذیه کرده‌اند و مواردی نیز از شبکه توان خریداری شده است. در ساعات اولیه صبح با افزایش تقاضای بار ابتدا به علت کم شدن توان خروجی WT تقاضای بار بیشتر توسط MT تغذیه شده و به مرور با به سرویس آمدن PV، مشارکت MT نیز به تدریج کاهش پیدا کرده است. EMS ریزشبکه 1 را برای تأمین تقاضای خود از MT استفاده کرده و بخشی از آن نیز توسط توان خریداری شده از شبکه تغذیه شده است. همان‏طور که در شکل (9) ب مشاهده می‌شود، در ساعات اولیه روز که مقدار تقاضای بار پایین است EMS  ریزشبکه 1، مقدار توان تولیدی را برای شارژ ES در طول این دوره اختصاص داده است؛ و با توجه به تعریف قید محدودیت حداکثر توان شارژ ES به مقدار  در نتیجه مابقی مازاد توان برای تعذیه RLD استفاده شده است. در این بازه زمانی، مقداری از توان مازاد به ریزشبکه 1 فروخته شده است که صرف شارژ ES شده است. با توجه با پایین‏تر بودن قیمت پیشنهادی خرید از ریزشبکه 2 نسبت به قیمت پیشنهادی شارژ ES در نتیجه صاحب ریزشبکه 1 منفعت خوبی به دست آورده است.

مقادیر درصد روزانه تولید توان توسط منابع تولید و نیز درصد سهم هر یک از مصرف‌کنندگان برای مصرف مقدار توان مازاد تولید شده به ترتیب در شکل‌های (10) الف و (10) ب برای ریزشبکه 2 نشان داده شده است. ریزشبکه 2 نیز مشابه ریزشبکه 1 از منابع MT و شبکه در ساعاتی که بار محلی شروع به افزایش کرده است (00:06- 00:09) پیش از به سرویس وارد شدن PV و در زمان اوج مصرف و یا وقوع سناریوهای 2 و 3 (00:18- 00:24) استفاده کرده است. EMS  ریزشبکه 2 به جز در یک ساعت (00:30- 00:01) در بقیه ساعات از ریزشبکه 1 توانی خریداری نکرده است. در این ساعت با توجه به ترتیب قیمت‌های پیشنهادی بارهای ES، RLD و ریزشبکه 2 به ترتیب تعذیه شده‏اند. در طول بازه زمانی 00:18- 00:24، با توجه به بالاتر بودن قیمت پیشنهادی MT نسبت به خرید از شبکه، MT با توان  وارد مدار شده و بقیه توان از شبکه خریداری شده است. زیرا با توجه به اولویت قیمت پیشنهادی مصرف کنندگان مازاد تولید صرف تعذیه RLD و ES داخلی شده و توان مازادی برای فروش به ریزشبکه 2 تولید نشده است.

 

6- نتیجه‌گیری

در این مقاله، برای تعیین توان بهینه واحدهای تولیدی و مصرفی موجود در ریزشبکه‌ها و همچنین، کنترل تبادلات آن‏ها با یکدیگر و شبکه سراسری، با استفاده از سیستم‌های چند شرکتی، ساختاری با دو لایه کنترلی برای مدیریت انرژی ریزشبکه‌های با مالکیت چندگانه پیشنهاد شده است. سیستم چند شرکتی توسعه یافته در این مقاله،‌ به وسیله الگوریتم رقابت استعماری چند بعدی پیاده‌سازی شده و برای کنترل بهره‌برداری در هر دو حالت مستقل و متصل به شبکه ارایه شده است. در الگوریتم پیشنهاد شده، مجوعه‌ای از راه‌حل‌های بهینه مد نظر قرار گرفته به نحوی که شرایط مندرج در قیود فنی را به طور کامل برآورده کند. نتایج حاصل از سیستم مورد مطالعه شامل دو ریزشبکه و یک بار فشرده، عملکرد ساختار پیشنهادی را در مدیریت انرژی در میان ریزشبکه‌های متعدد تأیید کرده و به وضوح نشان می‌دهد که سیستم چند شرکتی ارایه شده به لحاظ اقتصادی موثر بوده، زیرا سبب مدیریت موثر منابع پراکنده با کم‏ترین هزینه بهره‌برداری می‌شود. ساختار پیشنهادی می‌تواند سیستم قدرت را به طور دقیق نظارت، کنترل و بهره‌برداری ‌کند و همچنین، مقیاس‌پذیر، مقاوم و به راحتی قابل تنظیم مجدد است. بنابراین، این سیستم می‌تواند در شرایط و نیازهای مختلف، برای مدیریت و کنترل هر ساختاری از سیستم قدرت و با گسترش توابع شرکت‌ها و ایجاد شرکت‌های اضافی در سیستم، توسعه یابد.

 

 

   

شکل (9) الف: درصد مشارکت روزانه منابع تولید ریزشبکه 1

شکل (9) ب: درصد مشارکت روزانه منابع مصرف ریزشبکه 1

   

شکل (10) الف: درصد مشارکت روزانه منابع تولید ریزشبکه 2

شکل (10) ب: درصد مشارکت روزانه منابع مصرف ریزشبکه 2


ضمایم

جدول (2): توان‌های تولیدی و مصرفی توسط ریزشبکه n ام در بازه زمانی tام

کمیت

نماد

توان تولیدی منبع WT

 

توان تولیدی منبع PV

 

توان تولیدی منبع MT

 

توان تولیدی منبع تولید مجازی

 

توان تولیدی منبع ES

 

توان مصرفی منبع ES

 

توان مصرفی بار RLD

 

توان مصرفی بار مجازی

 

توان مصرفی بار NRLD

 

توان مصرفی بار LL

 

توان فروخته شده به شبکه سراسری از ریزشبکه nام

 

توان خریداری شده از شبکه سراسری به ریزشبکه nام

 

توان فروخته شده به ریزشبکه  kام از ریزشبکه nام

 

توان خریداری شده از ریزشبکه   kام به ریزشبکه nام

 

حداکثر توان خریداری شده توسط ریزشبکه nام

 

حداکثر توان فروخته شده توسط ریزشبکه nام

 

 

 



[1]Microgrids

[2]Energy management systems

[3] Mixed integer linear programing

[4] Signaled particle swarm optimization

[5]Central energy management system

[6] Plug and play

[7]Undelivered power

[8]Virtual generation unit

[9]Virtual load unit

[10]Wind turbine

[11]Photovoltaic

[12]Micro-turbine

[13]Energy storage

[14]Non-responsive load demand

[15]Responsive load demand

[16]Lumped load

[17]Virtual generation units

[18]Virtual load units

[19]Local energy market

[20]Taguchi’s orthogonal array testing

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

[1]     Marzband, M., Sumper, A., Ruiz-Álvarez, A., Domínguez-García, J. L., Tomoiag˘a, B., "Experimental evaluation of a real time energy management system for stand-alone microgrids in day-ahead markets", Applied Energy, Vol. 106, pp. 365-76, 2013.

[2]     Marzband, M., Sumper, A., Domínguez-García, J. L., Gumara-Ferret, R., "Experimental Validation of a Real Time Energy Management System for Microgrids in Islanded Mode Using a Local Day-Ahead Electricity Market and MINLP", Energy Conversion and Management, Vol. 76, pp. 314-22, 2013.

[3]     Marzband, M., Ghadimi, M., Sumper, M., Domínguez-García, J.  L., "Experimental validation of a real-time energy management system using multi-period gravitational search algorithm for microgrids in islanded mode", Applied Energy, Vol. 128, pp. 164-78, 2014.

[4]     Chowdhury, S., Chowdhury, S. P.,  Crossley, P., "Microgrids and Active Distribution Networks" The Institution of Engineering and Technology, London, United Kingdom, 2009.

[5]     Logenthiran, T., Srinivasan, D., Khambadkone, A. M., "Multi-agent system for energy resource scheduling of integrated microgrids in a distributed system", Electric Power Systems Research, Vol. 81, No. 1 ,pp. 138–148, 2011.

[6]          Mehleri, E. D.,  Sarimveis, H.,  Markatos N. C.,  Papageorgiou, L. G., "Optimal Design and Operation of Distributed Energy Systems", Renewable Energy, Vol. 51, pp. 331–342, 2013.

[7]     Soares, J.,  Silva, M.,  Sousa, T.,  Vale, Z.,  Morais, H., "Distributed energy resource short-term scheduling using signaled particle swarm optimization", Energy, Vol. 42, No. 1, pp. 466 – 476, 2012.

[8]     Niknam, T., Golestaneh, F., Malekpour, A., "Probabilistic energy and operation management of a Microgrid containing Wind-Photovoltaic-Fuel cell generation and energy storage devices based on point estimate method and self-adaptive gravitational search algorithm", Energy, Vol. 43, No. 1, pp. 427 – 437, 2012.

[9]     Niknam, T., Meymand, H., Mojarrad, H., "An efficient algorithm for multi-objective optimal operation management of distribution network considering fuel cell power plants", Energy, Vol. 36, No. 1, pp. 119 – 132, 2011.

[10]     Chen, C., Duan, S., Cai, T., Liu, B., Hu, G., "Smart energy management system for optimal microgrid economic operation", IET Renew Power Gener. Vol. 5, No. 3, pp. 258-67, 2011.

[11]     Kumar Nunna, H. S. V. S.,  Suryanarayana D., "Energy Management in Microgrids Using Demand Response and Distributed Storage—A Multiagent Approach", IEEE Transactions on Power Delivery, Vol. 28, N0. 2, pp. 939 – 947, 2013.

[12]     Logenthiran, T., Srinivasan, D., Khambadkone, A.M., Htay Nwe Aung, "Multiagent System for Real-Time Operation of a Microgrid in Real-Time Digital Simulator", IEEE transactions on smart grid, Vol. 3, No. 2, pp. 925 – 933, 2012.

[13]     Kumar Karna, S., Sahai, R., "An Overview on Taguchi Method", IEEE transactions on power delivery, Vol. 1, No. 1, pp. 1 – 7, 2012.

[14]     Atkinson, A. C., Donev, A. N., Tobias, R. D., "Optimum Experimental Designs, with SAS", Oxford University Press, 2007.

[15]     Byrne, D. M., Taguchi, S.,  "The Taguchi approach to parameter design", Quality Progress, Vol. 20, No. 12, pp. 19-26, 1987.