Mikrogrid'lerdeki Enerji Depolama Sistemlerinin Optimal Tasarımı için Integer Programlama

Mikrogrid'lerdeki Enerji Depolama Sistemlerinin Optimal Tasarımı için Integer Programlama

Mikrogridler, bağımsız olarak veya temel güç ızgarası ile birlikte çalışabilmek için yerelleştirilmiş enerji sistemleridir. Enerji direncini artırmak, yenilenebilir enerji kaynaklarını entegre etmek ve enerji kullanımını optimize etmek için gerekli olan sistemlerdir. Bu makale, tam zamanlı programlamanın uygulamasını mikrogridler, ayrıntılı bir problem, pratik sorunlar ve hangi teknolojileri seçmek için güçlü bir yöntem olarak ortaya koyar.

Anlaş Integer Programlamayı Anlamak

Integer programlama (IP) bazı veya tüm karar değişkenlerinin sadece tamsayısal programlamayı ele almak için kısıtlandığı matematiksel optimizasyon bir disiplindir.Bu model sadece sürekli değişkenlerle ilgilidir, tamsayı programlama, ayrı seçimler içeren sorunlar için ideal olarak uygundur - örneğin, ikileme ve sürekli değişkenleri dışlamak için ikili kararı.

Neden Enerji Depolama Tasarımlarında İntegers Madde

Enerji depolama birimleri – bataryalar, uç tekerlekler veya hidrojen sistemleri – genellikle modüler. Bir tasarımcı 2.7 batarya paketi yükleyemiyor; bu gerçeklerle tam olarak aynı birimlerin tam bir sayı üzerinde karar vermeli veya bir üreticinin katalogundan ayrı ayrı ayrı boyutlardan seçim yapmalıdır. Benzer şekilde, minimum güç çıkışına veya birim taahhüdüne yatırım yapma kararı, tam anlamıyla iki katına çıkar.Integer programlama bu gerçekleri ele alır, matematiksel olarak en uygun çözümleri üretir.

Karma-Integer Linear Programlamanın Rolü

MILP mikrogrid tasarımı için tam tam anlamıyla programlamanın en yaygın kullanılan formudur. Hedef ve kısıtlamalar, tamsayı kısıtlamalarla birlikte, Gurobi, CPLEX ve açık kaynaklı alternatifler, orta büyüklükteki problemler için küresel olarak en uygun çözümleri bulmak için. MILP modelleri, her iki akademi ve endüstride de uygun hale getirebilir.

Enerji Depolama Sistemi Tasarımında Uygulama

Mikrogrid için bir ESS tasarlarken, mühendisler en uygun büyüklükte (enerji kapasitesi), güç derecelendirmesi, teknoloji tipi, birimlerin sayısı ve bazen ağ içindeki fiziksel yerleştirmeyi dikkate alır. Hedef genellikle toplam maliyeti (kapital artı operasyonel) en aza indirmek için elektrik tedarik etmek için, özellikle de yenilenebilir nesillerin geçiciliğini göz önünde bulundurmalıdır.Integer programlama modelleri birden fazla faktöre sahiptir:

• [FONT:0]Küresel ve operasyonel maliyetler) - her depolama birimi için tedarik, yükleme, bakım ve yedek maliyetler.
• [FONT:0)Yenilenebilir enerji yetimleri[[Döneticileri: Güneş ve rüzgar çıktı profilleri, çoğu zaman birden fazla zaman serisi veya senaryolar aracılığıyla temsil edilir.
• [FONT:0)Load talep ediyor - saat veya alt saatlik elektrik tüketimi modelleri, bu da belirsiz veya stochastic olabilir.
• [FONT:0]Grid kısıtlamaları[[Dönetici: 1) Ana ağla güç değişimi, dönüştürücü kapasite ve gerilim veya termal sınırlar.
• [FONT:0]Storage operasyonel kısıtlamalar[[Dönetici: 1), deşarj derinliği, şarj / parçalama sınırları ve devlet şarj dinamikleri.

Optimizasyon, depolama birimlerinin kombinasyonunu (örneğin, iki 200 kWh-ion birimleri ve 100 kW akış bataryası) en iyi dengelerin maliyeti, güvenilirlik ve teknik fizibilitesi olarak tanımlamak için tasarlanmıştır. tam anlamıyla programlama olmadan, sürekli bir çözüm, bu da gerçekleştirilebilir; yuvarlaklama altoptimal veya infeasible tasarımları yol açabilir.

Örnek: Bir Hastane Mikrogrid için bir Battery Bank'ı alıyorsunuz

Bir kritik tesis mikrogrid olarak, sınırsız güç tedariki sağlamalı. A MILP modeli her batarya türünin kurulum için ikili değişkenleri içerebilir (örneğin, sistem tarafından belirlenen kısıtlamalara ilişkin kısıtlamalara tabi olarak, 24 saat = 1, eğer teknoloji seçilmişse) ve mevcut alan için tam olarak değişkenleri karşılayabilir.The goali).

Optimizasyon Problemini Formül Etmek

ESS tasarımı için tam bir programlama modelinin formülasyonu yapısal bir yaklaşım takip eder: karar değişkenleri, objektif fonksiyon ve kısıtlamalar. Aşağıdaki tipik bir MILP formülasyonunu özetlemekteyiz.

Karar Değişkenleri

• [FONT:0)Binary değişkenler[[Dönemli: 1 ): y[DÜT:2|[Dönetici:0) ⁇ {0,1} belirli bir depolama teknolojisi veya birim tipinin seçilmiş olup olmadığını gösterir.
• [FONT=0)Integer değişkenleri[[Dönem: x[D:2)[[Dönetici:0) ⁇ Z+, yüklü tip depolama birimlerinin sayısını temsil eder.
• [Dönemli değişkenler[Dönemli: 1)[Dönemli değişkenler[Dönemli:2|Dönemli:2|Dönemli[Dönemli)[Dönemli değişkenler[Dönemli değişkenler[DÜye Olmayanlar[DÜyeler) ve E_{|Dönemli[Dönemli)}
• [FONT:0) Kafe değişimi için önemli değişkenler : P_{|Dönemli[Dönemli: 3 )[Dönemli: 3 )[Dönemli değişkenler (önemli) veya negatif (geçici) olabilir.}

Objektif Fonksiyonlar

En yaygın hedef, planlama ufukuna (örneğin, 20 yıl) toplam net mevcut maliyeti (NPC) en aza indirmektir.

[FONT: 9)[[değiştir | kaynağı değiştir][değiştir | kaynağı değiştir][[değiştir | kaynağı değiştir][[değiştir | kaynağı değiştir][[değiştir | kaynağı değiştir][*)[[*) · x[*)[*|[*|

C[DÜŞÜNCÜŞÜNCÜŞÜNÜ:0)[DÜDÜDÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜ

Eklenmeler

Tipik kısıtlamalar gruplandırılabilir:

• [FONT=0)Power dengesi[[DÜT:1): talep = yenilenebilir + şebeke ithalat + deşarjı - şebeke ihracat - şarj
• [FONT:0]Storage dinamikleri [DÜDÜT:1][DÜDÜDÜDÜDÜDÜDÜDÜye ait olan · P[FLT: 9)[DÜye ait olan · 9/01/2012|DÜye Olmayanlar[DÜyeler)[Üye Olmayanlar[Üyeler)[Üyeler)
• [FONT=0)Storage kapasite sınırları[Dönetici: 0 ≤ E₎)[Dönetici[Dönetici: 4)[D[DÜye/Üye ait olan) · E[DÜye ait olan)[DÜye ait olan)[DÜye ait olan)
• [FONT=0) Kaynak sınırları[[DÜDÜDÜDÜDÜDÜŞÜNÜCÜŞÜNÜŞÜNÜŞÜNÜye Değerler[Üye Olmayanlar İçindekiler)[Üye Olmayanlar İçin[Üye Olmayanlar İçindekiler[Üye Olmayanlar İçin)
• [FONT:0)Minimum deşarj derinliği[Dönem: E_{)[Dönemli: x[DÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜ)[DÜye Olmayanlar[DÜye Olmayanlar İçindekiler[DÜyeler)}
• [FONT=0)))[[Dönemli bağlantı sınırları[Dönemli)[Dönemli: · 9|0|[Dönemli)[Dönemli: · 4|0|)[Dönemli) · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · ·
• [FONT:0)Budget[DÜDÜT:1]: ⁇ [DÜDÜDÜ:2|DÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜ)[Üye Değeri: 9)
• [FONT:0)Binary-integer bağlantı[Dönetici]: x₎) ≤ M · y₎

Son kısıtlama, tam sayının sıfır olduğunda sıfır hale geldiğini uygulamak için optimizasyonda yaygın olarak kullanılan “büyük M” formülasyonu. M değeri mümkün olan bir dizi birimden daha büyük olmalıdır.

Uncertainty

Gerçekte, yenilenebilir nesil ve yük talepleri belirsizdir. Bunu ele almak için, stochastic tam bir programlama (SIP) modeli, ilişkili olasılıklarla birden çok senaryoyu içerebilir. Amaç, sonra beklenen maliyete dönüşür ve kısıtlamalar her senaryoya uyum sağlar (veya yeniden eylemlerin izin verilir). İki aşamalı bir programlamanın her bir dizi olası gelecek için iyi bir tasarım yapar: ilk aşama kararları (şu anda ve birimlerin sayısı) “burada ve şimdi” yapılır.

Integer Programlamasını Kullanımının Avantajları

Integer programlama, mikrogrid ESS tasarımı için heuristic veya sürekli olarak sadece yöntemler üzerinde beton avantajları sunar:

• [FONT:0)Produces kesin ve pratik çözümler[Dönetici: 1) - Tamsayısal doğa, nihai tasarımın gerçek mevcut ürünlerle karşılık geldiğini, uygun olmayan birimlerin kaçınılmasını sağlar.
• [FONT:0]Handles kompleksi, çok-kriter karar verme[[Döntilmiş: 1) Hedef, çatışma hedeflerini (malzeme vs. güvenilirlik) ağırlıklandırılarak, toplam yöntemler veya epsilon-constraint yöntemleri ile, ticaret-off analizi için Pareto sınırları elde edebilir.
• [FONT:0) Senaryo analizi ve hassasiyet testleri - Bir model inşa edildiğinde, mühendisler giriş parametrelerini kolayca değiştirebilir (örneğin, batarya maliyet projeksiyonları, indirim oranları veya politika teşvikleri) ve yeniden çözücüler, belirsizlik altında sağlam planlama destekler.
• [FONT:0)Demirler sürdürülebilir ve maliyet-aktif sistem gelişimi) - Açık olarak emisyonlar, yenilenebilir eğrilik veya ağ bağımlılığı, tamsayı programlama, ekonomik olarak uygulanabilirken mikrogrid tasarlamaya yardımcı olabilir.
• [FONT:0)En iyiliğin teorik garantilerini verir[Dönetici:0)) -- Heuristic yöntemlerin aksine (örneğin, genetik algoritmaları), MILP çözücüleri küresel optimalliği kanıtlayabilir (bir toleransla), karar vericilere tanımlı kısıtlamalar içinde daha iyi bir çözüm bulunmadığına dair güven verebilir.

Meydanlar ve Sınırlar

Onun gücüne rağmen, tam anlamıyla programlama pratikte ele alınması gereken birkaç zorluk sunar.

C ⁇ Kompleksiity

Integer programlama genel olarak NP-hard'dır. Sayısal değişkenlerin sayısı büyüdükçe (özellikle de teknoloji seçenekleri ve zaman-çift kısıtlamalar için ikili değişkenleri), çözüm zamanı patlamaya devam edebilir.Böylece bir süre boyunca, uygulayıcılar, küçük bir boşlukla "iyi" çözümü kabul edebilir (örneğin, 1,5).

Veri Gereksinimleri

Doğru giriş verileri – profiller, yenilenebilir nesil zaman serisi, tarife yapıları, bozulma eğrileri – temel olarak. Birçok gerçek dünya projelerinde, bu tür veriler eksik veya belirsizdir. Zavallı giriş verileri pratikte matematiksel olarak en iyi çözümü mümkün kılar. Hassasiyet analizi yardımcı olabilir, ancak yükü arttırır.

Asvoltaiklerin Modellenmesi

Çoğu tam tam programlama modeli lineerliği ve konveksity varsayıyor, bu da pil yaşlanma veya piyasa fiyat formasyonunu gerektiren fenomenler için tutunamaz.

Gerçek Zaman Kontrolü ile entegrasyon

Tam programlamadan elde edilen en iyi tasarım bir planlama kararıdır. Daha sonra, tasarımın optimize edilmesi ve işletmesinin aktif bir araştırma alanı olduğu gerçek zamanlı enerji yönetimi sistemi ile entegre edilmelidir.

Future Yol ve Araştırma Trendleri

Mikrogrid ESS tasarımında tam tam tam tam programlama rolü hızla gelişmektedir, algoritmaları, donanım ve enerji geçişi ile yönlendirilir.

Makine Öğrenme ile Hibrit Modeller

Makine öğrenimi (ML) giderek karmaşık kısıtlamalara (örneğin, batarya bozulması) veya tam anlamıyla programlama çözücüleri içinde hızlı bir şekilde göz ardı edilebilirlik kontrolleri üretmek için daha doğru bir şekilde kullanılır. Örneğin, bir sinir ağı çalışma desenleri işlevi olarak hayatı tahmin edebilir ve parça lineer imasyon bir MILP formülasyonuna gömülür. Conversely, tam anlamıyla programlama, tam anlamıyla yorumlanabilir ve ML tahminleri yakalamak için kullanılabilir.

Decomposition ve Paralel Hesaplama

Büyük ölçekli mikrogrid planlama sorunları genellikle Benders decomposition ile ele alınır, Lagrangianrangian rahatlaması veya çoklu-veya (ADMM) yönlendirme yöntemi, problemi daha küçük alt-problemlere kırar (örneğin, zaman blok veya per scenario) ve bir master problemle koordine edilir.

Multi-Energy ve Multi-Vector Systems

Future mikrogrids sadece elektrik değil aynı zamanda ısı, hidrojen ve doğal gaz da dahil edecek.Integer programlama modelleri, farklı enerji taşıyıcıları ile çift enerji vektörlerini (örneğin yakıt hücreleri, ısı pompaları) koordine etmek için ihtiyaç duyacak.

Dağıtılmış Optimizasyon ve Gizlilik

Bir topluluk mikrogrid'de, birden çok prosumers kendi depolama birimlerine sahip olabilir ve mikrogrid için bir araya gelmek için bir araya getirilebilir.Integer programlama ADMM veya konsensör algoritmaları kullanarak dağıtılmış bir modada uygulanabilir, her ajan yerel MILP ve borsalar sınırlı bilgi çözerken.

Open Source Solver Advancements

Gurobi ve CPLEX gibi yarıklar MILP için altın standart olarak kalır, ancak HiGHS, SCIP ve CBC gibi açık kaynaklı alternatifler boşlukları kapatır. Birçok mikrogrid problemi için, bu çözücüler zaten uygulanabilir. Örneğin, paralel bir topluluk desteği büyüdükçe, tam anlamıyla programlama daha geniş bir mühendisler ve planlayıcılara erişilebilir hale gelecektir.

Mühendisler için Pratik Öneriler

Mühendisler, ESS tasarımı için tam tam tam tam programlamayı uygulamakla görevlendirilmişler için, birkaç en iyi uygulama sonuçları geliştirebilir:

• [FONT=0) Basitleştirilmiş bir modelle başlayın[Dönetici: 1 ) - Küçük sayıda temsilci zaman dönemleri (örneğin 12 tipik gün) ve birkaç depolama seçeneği ile başlayın. ölçeklendirmeden önce mantığı uygulayın.
• [FONT:0]Use senaryo indirgeme[[[Dönemli yenilenebilir nesille uğraşırken, yüzlerce senaryoyu ana yetimleri yakalamak için kümeleme veya an eşleştirme uygulayın.
• [FONT:0]Leverage opensource-Compleksiyonlar[Döneticiler[Dönler: 1 ) - Birçok çözülme test vakası mevcut (örneğin, [[Şe.g., from 03FLT:2).mikrogrid repository[D][D][/FONT=MIPLIB) veya "MIPLIB" kütüphanesi test etmek için.
• [[Dönetici:0)Post-process tam çözümü[Dönetici:0)[Dönetici:0)Post-process tamsa çözüm[[Dönetici:0)[Dönetici:0))) – Operasyonel kısıtlamaların gerçekçi zaman çözümünden memnun olduğunu doğrulamak için en uygun tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tam tamsayı kullanarak bir tasarım kullanarak bir simülasyonu çalıştırın.
• [FONT=0]Embrace decomposition[[Dönetici: 1 ) - Birçok zaman adım veya senaryo ile ilgili sorunlar için, tam yıl boyunca MILP'yi yönetilebilir chunks olarak bölmek için bir yuvarlanma ufuk veya zamansal ayrışma uygulayın.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Integer programlama, mikrogridlerdeki enerji depolama sistemlerinin optimum tasarımı için titiz bir çerçeve sağlar. depolama birimlerinin ayrık doğasını ve teknoloji seçiminin ikili kararlarını dahil ederek, bu modeller, dengenin ve sürdürülebilirliğin temel bir parçası olarak elde edilebilir çözümler sunar.