که وابسته به می باشد و ضریبی است بزرگتر از صفر و مدار آن بستگی به زمان و تابع QoS دارد. نتایج شبیه سازی به صورت زیر می باشد :
شکل ۲-۲- نرخ شارژ و هزینه مشترکین ]۴۵[
همانطور که در شکل ۲-۲ دیده می شود با توجه به مقادیر مختلف دیده می شود هزینه کاهش یافته است .
۳-۲-۲- مدیریت سمت تقاضا بر اساس نوع مصرف انرژی
این روش در سال ۲۰۱۴ توسط هنری چن و همکارانش ارائه شده است . هدف این طرح کاهش پروفیل مصرف مشترکین نسبت به پروفیل مصرف گذشته خود مشترکین با بهره گرفتن از مدیریت سمت تقاضا است . شبکه مورد بررسی دارای N مصرف کننده می باشد که هر مصرف کننده با بهره گرفتن از مدیریت سمت تقاضا و کنترل بخش های مختلف خود می کوشد تا انرژی مصرفی خود را برای H ساعت آینده نسبت به ساعات قبل کاهش دهد . انرژی هر مشترک به صورت زیر بیان می شود]۴۶[:
( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )
بنابر این تابع هدف به صورت زیر می باشد :
نتیجه حاصل از شبیه سازی به صورت زیر می باشد :
شکل ۲-۳- نمودار انرژی بر حسب زمان در پروفیل مدیریت سمت تقاضا ]۴۶[
دیده می شود که این طرح موثر بوده و هزینه مشترکین کاهش یافته است .
۲ -۲- ۳- مدیریت سمت تقاضا با بهره گرفتن از باتری به منظور کاهش پیک بار
در این روش که در سال ۲۰۱۲ توسط هانگ و همکاران ارائه شده است هدف کاهش پیک بار با بهره گرفتن از تئوری بازی بوده که بر اساس این بازی و قیمت گذاری متفاوت در شبانه روز هر مشترک با در اختیار داشتن اطلاعات مصرف سایر مشترکین و تولید کننده به دنبال استفاده در زمانی است که مصرف انرژی کمتر باشد که نتایج بدست آمده از شبیه سازی کاهش پیک بار را تصدیق میکند]۳۴[.
شرح سیستم :
یک تولید کننده انرژی و N مصرف کننده را به همراه یک باتری برای ذخیره انرژی فرض شده است که هر مصرف کننده در زمان خاصی که با توجه به تعامل با دیگر مشتریکن شروع به ذخیره برق در باتری میکند سیستم مورد ارزیابی به صورت زیر می باشد :
شکل ۲-۴- مدل مورد بررسی جهت کاهش پیک بار ]۳۴[
تابع هدف و نتایج شبیه سازی :
که انرژی مصرفی هر مشترک ، مجومع انرژی مصرفی هر کار بر می باشد و مدت زمان در یک روز یعنی ۲۴ ساعت می باشد .
ایراد این طرح : اگر تمامی مشترکین در زمان اوج مصرف یا در زمانی دیگر به طور همزمان بخواهند باتری های خود را شارژ کنند شبکه دچار افت بیش حد ولتاژ شده و ممکن است زیر بار بخوابد .
نتیجه :
برای اینکه بتوان مدیریت تقاضا را برای کاهش پیک بار انجام داد باید کلیه لوازم خانگی با برنامه ای خاص مورد استفاده قرار بگیرند که در الگوریتم سیستم نیز به آن پرداخته شده و دیده میشود منجر به کاهش پیک بار میگردد.
شکل ۲-۵- نمایش پیک سایی برای یک مصرف کننده ]۳۴[
۲ – ۲ – ۴ - مدیریت سمت تقاضا و الگوریتم فرا اکتشافی۱
این روش در سال ۲۰۱۲ توسط دپی سرینیواسان و همکارانش ارائه شده است . هدف پیاده سازی و بررسی نتایج مدیریت سمت تقاضا با بهره گرفتن از الگوریتم بهینه سازی اکتشافی می باشد .
این طرح به ارائه یک مدیریت سمت تقاضا بر اساس استراتژی روش تغییر بار برای سمت تقاضا در مدیریت شبکه های هوشمند با تعداد زیادی از دستگاه های انواع مختلفی پرداخته است . داده های این مقاله بر اساس داده های ایلات متحده امریکا می باشد .شبکه مورد ارزیابی به صورت زیر می باشد که بنای تحلیل اطلاعات روز قبل بوده که بر اساس آن مدیریت تقاضا جدید طرح ریزی میشود]۴۲[ .
شکل ۲-۶- شبکه مورد بررسی به منظور مدیریت سمت تقاضا با الگوریتم فرا اکتشافی ]۴۲[
که بنا به دو هدف منحنی بار مشخص شده است اگر هدف کاهش پیک بار باشد منحنی بار حول نقطه کار سیستم بوده اما اگر هدف کاهش هزینه باشد سیستم حول نقطه کار تابع هزینه بهره برداری میشود . منحنی بار به عنوان وروردی سیستم مد نظر قرار میگیرد که فلوچارت این الگوریتم به صورت زیر می باشد :
۱- Heuristic Optimization
شکل ۲-۷- فلوچارت الگوریتم فرا اکتشافی ]۴۲[
نتیجه گیری :
نتایج شبیه سازی بیانگر ارضا فرض بر اساس الگوریتم اکتشافی بوده است .
شکل ۲-۸ – نتایج الگوریتم فرا اکتشافی ]۴۲[
جدول ۲-۱- مقادیر هزینه الگوریتم فرا اکتشافی ]۴۲[
جدول ۲-۲- نحوه پیک سایی در الگوریتم فرا اکتشافی ]۴۲[
۲-۲-۵ شارژ و دشارژ ماشین برقی یک شبکه هوشمند به منظور کاهش پیک بار
در این روش که در سال ۲۰۱۲ توسط بی سانگ ارائه شده است هدف کاهش پیک بار با بهره گرفتن از ماشین های هیبریدی در یک شبکه هوشمند بوده ]۲[ .
مدل سیستم :
همانطور که در شکل دیده می شود یک ساختمان با N ماشین هیبریدی فرض شده و تلاش شده است نحوه شارژ ماشین ها طوری در نظر گرفته شود تا منجر به کاهش پیک بار شود .
شکل۲-۹- ساختمان هوشمند و ایستگاه شارژ PHEVs ]2[
شکل ۲-۱۰- نمایش کاهش پیک بار با تعداد متغیر ماشین برقی ]۲[
نتیجه :
همانطور که در شکل دیده می شود با بهره گرفتن از یک روند هماهنگ در شارژ و دشارژ ماشین برقی منجر به کاهش پیک بار و کاهش هزینه خواهد شد .
۲ – ۲ – ۶ – قیمت گذاری پویا در ساعات مختلف برای وسایل مختلف خانگی
در این علاوه بر قیمت گذاری پویا و استفاده از الگوریتم تئوری بازی و رسیدن به تعادل نش مدیریت زمان را هم اتخاذ کرده که هر مشترک از وسایل خانگی خود فقط در ساعات مشخصی از روز میتواند استفاده کند و اگر از وسایل پر مصرف در زمان اوج مصرف استفاده کرد جریمه ای برای آن منظور می گردد]۳۶[.
شرح سیستم :
این روش در سال ۲۰۱۱ توسط یوسوکو نوزاکی و همکارانش ارائه شده است . هدف این مدیریت سمت تقاضا و ارائه زمان خاص برای کلیه وسایل خانگی می باشد که بر اساس مدیریت این وسایل ، بتوانند پیک بار را کاهش دهند. الگوریتم مورد استفاده الگوریتم تئوری بازی و بازی غیر تعاونی می باشد . مدل سیستم به صورت زیر می باشد]۳۶[ :
شکل ۲-۱۱- شبکه مورد بررسی در قیمت گذاری پویا در بار های مختلف ]۳۶[
نتیجه :
مصرف انرژی براساس تئوری بازی به این صورت فرموله میشود که در آن کاربران به عنوان بازیکنان عمل می کنند. استراتژی های بازیکنان برنامه روزانه لوازم خانگی و بارهای خود را تحت تاثیر قرار میدهد. این برنامه ریزی بر اساس تعرفه قیمت گذاری توسط شرکت تولیدی انرژی در زمان های مشخص میباشد که در نهایت این فرمولها در تعادل نش بدست می آیند.
در بازی سمت تقاضا توزیع هر بازیکن (مصرف کننده ) نیازمند به دنبال بهترین استراتژی( مدیریت مصرف انرژی ) در شبکه هوشمند است. نتایج تجربی نشان می دهد که این روش قادر به کاهش پیک مصرف از تقاضای انرژی کل، کل هزینه های انرژی، و همچنین هر صورتحساب برق روزانه هر بازیکن میباشد .
۲ – ۲ – ۷ – مدیریت سمت تقاضا و برنامه نویس خطی۱
