مدیریت بهینه انرژی در سیستم های هاب انرژی مدرن

در این مقاله، یک ساختار جامع از سیستم هاب انرژی برای ادغام زیرساخت های الکتریکی، حرارتی، سرمایشی و آب، جهت افزایش انعطاف پذیری و کارایی سیستم توزیع مدرن، پیشنهاد شده است. شبکه عصبی LSTM مصرف بارهای الکتریکی را با متغیرهای موثر از قبیل دمای هوا، رطوبت، سرعت باد، تعطیلی و آخر هفته، پیش بینی می کند. معمولا واحدهای آب شیرین کن صنعتی برای تامین آب شیرین مورد نیاز مشتریان، از آب های شور استفاده می کنند. از آنجایی که مصرف انرژی این واحدها برای شیرین سازی آب، بسیار زیاد است، لذا در این مطالعه ما فرض نموده ایم اپراتور سیستم ترجیح می دهد از منابع آب های زیرزمینی استفاده نماید. اما تغییراتاقلیمی، خشکسالی، پدیده گرد و غبار، رانش زمین، تخریب تالاب ها و دریاچه ها، کمبود آب و غذای کافی برای آیندگان از مشکلات اصلی استفاده بی رویه از منابع آب های زیرزمینی است. بنابراین، ما یک بهینه سازی چند هدفه را پیشنهاد می کنیم تا به طور همزمان هزینه های کل بهره برداری و استفاده از آب های زیرزمینی را در سیستم پیشنهادی به حداقل برساند. همچنین، منابع انرژی تجدیدپذیر و وسایل نقلیه الکتریکی در سیستم یکپارچه شده اند تا انعطاف پذیری را افزایش دهند. علاوه بر این، برنامه های پاسخگویی بار الکتریکی و حرارتی در کنار سیستم های ذخیره ساز انرژی، برای پوشش عدم قطعیت های منابع تجدیدپذیر استفاده شده است. سیستم پیشنهادی در یک مطالعه موردی استاندارد، آزمایش شده است.

Keywords:

هاب انرژی , پیش بینی بار الکتریکی , منابع انرژی تجدید پذیر , شیرین سازی آب , بهینه سازی چند هدفه