توضیحات
A Direct Load Control Model for Virtual Power Plant Management
یک مدل کنترل بار مستقیم برای مدیریت نیروگاه برق مجازی
دارای 8صفحه گزارش ورد است.
فایل اصلی شبیه‌سازی DLC2.gms است که باید در محیط GAMS اجرا شود.
نامهای انتخاب شده برای متغیرها مطابق مقاله و گزارش هستند.
پس از اجرای فایل DLC2.gms، فایل DLC2.lst ایجاد می‌شود که از داخل آن میتوان نتایج شبیه‌سازی را مشاهده نمود.
به عنوان مثال در قسمت display، میتوان بار نهایی 24 ساعتی را در متغیر L مشاهده کرد.
این خروجی ها از GAMS مجددا به MATLAB منتقل شده‌اند تا خروجی شکل 7 مقاله از روی آنها رسم شود: که به کمک اجرای فایل final.m در محیط MATLAB این کار انجام می‌شود.
ابتدا فایل Untitled2.m و سپس فایل datamodifier.m اجرا می‌شود و خروجی شکل final.fig حاصل می‌شود.
فایل Untitled2.m داده‌ها را وارد MATLAB می‌کند و فایل datamodifier.m خروجی و نتایج GAMS را وارد MATLAB می‌کند و همچنین نمودار خروجی را رسم می‌کند.
سایر فایلها:
فایلهای اکسل جهت ورود داده‌ها در GAMS استفاده شده‌اند.
فایل inp2.mat و inp.mat همان داده‌های ذخیره‌شده و بسته‌بندی‌شده در MATLAB هستند؛ فایلهای asv نیز پس از اجرای هر M-File در MATLAB خودبخود تولید می‌شوند.
داده ها
داده‌های به کار رفته در این مقاله، حاصل از خروجی نرم‌افزار EnergyPlus است.
این دیتا مربوط به منطقه باسک واقع در شمال شرقی اسپانیاست.
چون دسترسی به این دیتا ممکن نبود، از MATLAB برای تولید داده های ورودی مسئله استفاده شده است.
داده های مورد نیاز:
1- استاتیک
2- دینامیک
- بار حرارتی
- مشتریهای دارای بارهای کنترل شده
- طول بازه زمانی
- ابتدا و انتهای بازه زماتی
- مصرف تحت هرگونه عمل کنترلی
توضیحاتی راجع به نحوه ارائه ورودیها و پیاده‌سازی در نرم‌افزار GAMS
یک شبانه روز را به تعداد دلخواهی بازه برابر تقسیم میکنیم که در این پروژه مقدار مزبور 30 دقیقه در نظر گرفته شده است.
فرض بر این است که میزان مصرف در هر کدام از این بازهها را میتوان با مقدار ثابتی تخمین زد.
به بیان دیگر نمودار مصرف به صورت پلکانی میباشد.
بخشی از گزارش در اینجا نیامده است.
انجام پروژه متلب و انجام پروژه با گمز را به متخصصین سایت متلبی بسپارید.
در اینجا میتوان راجع به ورودیهای مورد نیاز بحث نمود:
| Costumer Type | k | nDev(k) |
| Domestic | 1 | 6295 |
| Supermarket | 2 | 12 |
| Office | 3 | 195 |
حال طبق مباحثی که در مقاله صورت پذیرفته است در مجموع میتوان 44 سناریو برای کنترل در نظر گرفت که بایستی برای همه این سناریوها را برای هر سه نوع مصرف کننده به عنوان ورودی در دست داشت.
این سناریوها در جدول زیر نمایش داده و اندیس گذاری شده اند.
| عمل | زمان شروع | مدت | اندیس سناریو | |
| خاموش | 14 | 30 دقیقه | (1,29) | |
| خاموش | 14:30 | 30 دقیقه | (1,30) | |
| خاموش | 15 | 30 دقیقه | (1, 31) | |
| خاموش | 15:30 | 30 دقیقه | (1,32) | |
| خاموش | 14 | 1 ساعت | (2,29) | |
| خاموش | 14:30 | 1 ساعت | (2,30) | |
| خاموش | 15 | 1 ساعت | (2, 31) | |
| عمل | زمان شروع | مدت | ||
| افزایش دما 2 درجه | 14 | 2 ساعت | (3,29) | |
| افزایش دما 2 درجه | 14:30 | یکساعت و 30 دقیقه | (3,30) | |
| افزایش دما 2 درجه | 15 | یکساعت | (3,31) | |
| افزایش دما 2 درجه | 15:30 | 30 دقیقه | (2,32) | |
| افزایش دما 2 درجه | 14 | یکساعت و 30 دقیقه | (4,29) | |
| افزایش دما 2 درجه | 14 | یکساعت | (5, 29) | |
| افزایش دما 2 درجه | 14 | 30 دقیقه | (6,29) | |
| افزایش دما 2 درجه | 14:30 | یکساعت | (4,30) | |
| افزایش دما 2 درجه | 14:30 | 30 دقیقه | (5, 30) | |
| افزایش دما 2 درجه | 15 | 30 دقیقه | (4,31) | |
| افزایش دما 1 درجه | 14 | 2 ساعت | (7,29) | |
| افزایش دما 1 درجه | 14:30 | یکساعت و 30 دقیقه | (6,30) | |
| افزایش دما 1 درجه | 15 | یکساعت | (5,31) | |
| افزایش دما 1 درجه | 15:30 | 30 دقیقه | (3, 32) | |
| افزایش دما 1 درجه | 14 | یکساعت و 30 دقیقه | (8,29) | |
| افزایش دما 1 درجه | 14 | یکساعت | (9, 29) | |
| افزایش دما 1 درجه | 14 | 30 دقیقه | (10,29) | |
| افزایش دما 1 درجه | 14:30 | یکساعت | (7,30) | |
| افزایش دما 1 درجه | 14:30 | 30 دقیقه | (8,30) | |
| افزایش دما 1 درجه | 15 | 30 دقیقه | (6,31) | |
| عمل | زمان شروع | مدت | ||
| افزایش دما 3 درجه | 14 | یکساعت و 30 دقیقه | (11,29) | |
| افزایش دما 3 درجه | 14:30 | یکساعت و 30 دقیقه | (9, 30) | |
| افزایش دما 3 درجه | 14 | یکساعت | (12,29) | |
| افزایش دما 3 درجه | 14:30 | یکساعت | (10,30) | |
| افزایش دما 3 درجه | 15 | یکساعت | (7,31) | |
| افزایش دما 3 درجه | 14 | 30 دقیقه | (13, 29) | |
| افزایش دما 3 درجه | 14:30 | 30 دقیقه | (11,30) | |
| افزایش دما 3 درجه | 15 | 30 دقیقه | (8,31) | |
| افزایش دما 3 درجه | 15:30 | 30 دقیقه | (4,32) | |
| عمل | زمان شروع | مدت | ||
| افزایش دما 4 درجه | 14 | یکساعت | (14,29) | |
| افزایش دما 4 درجه | 14:30 | یکساعت | (12,30) | |
| افزایش دما 4 درجه | 15 | یکساعت | (9,31) | |
| افزایش دما 4 درجه | 14 | 30 دقیقه | (15,29) | |
| افزایش دما 4 درجه | 14:30 | 30 دقیقه | (13,30) | |
| افزایش دما 4 درجه | 15 | 30 دقیقه | (10,31) | |
| افزایش دما 4 درجه | 15:30 | 30 دقیقه | (5,32) | |
شبیه سازی
با در نظر گرفتن Llim(z)=500 kw مقدار تغیرات توان در بازه کنترلی و بعد از آن به صورت زیر به دست میآید:
| Time interval | Del Load | Load lim |
| 29 | -5305.437 | |
| 30 | -1581.841 | |
| 31 | -3858.899 | |
| 32 | -0.251 | |
| 33 | 499.996 | 500 |
| 34 | 499.997 | 500 |
| 35 | 233.203 | 500 |
| 36 | 166.022 | 500 |
1.4.29 =6030
1.13.29 =265
2.4.29 =1
2.13.29 =11
3.4.29 =179
3.13.29 =16
| Time interval | Del Load |
| 29 | 0 |
| 30 | -141.559 |
| 31 | -10630 |
| 32 | -10630 |
| 33 | 918.49 |
| 34 | 2134 |
| 35 | 795 |
| 36 | 528.5 |
1.9.31 =6295
2.9.30 =12
3.9.31 =195
خروجی مقاله نموداری است که بار روزانه را با بار حاصل از بهینه‌سازی مقایسه می‌کند (شکل زیر)
نمودار خط چین، بار حاصل از بهینه‌سازی را نشان میدهد که در بازه کنترلی ساعت 14 تا 16 مقدار بار کمتری نسبت به حالت عادی دارد.
نتایج مشابه این کار به دلیل این که داده‌های مربوط به شهر بیلبائو موجود نبود، به وسیله MATLAB تولید شده است و بنابراین نتایج کمی متفاوت است.
باز هم از نمودار شکل زیر مشخص است که در بازه کنترلی ساعت 14 تا 16 مقدار بار کمتری نسبت به حالت عادی دارد و پس از آن برای مدتی (دو ساعت) بار از بار عادی بیشتر می‌شود.
مشاهده می‌شود که فرم کلی دو نمودار بسیار مشابه یکدیگر است.
کلید واژه : کنترل بهینه
Air-conditioning, load management, optimal control
شبیه سازی مقاله
A Direct Load Control Model for Virtual Power Plant Management
طبق توضیحات فوق تهیه و به تعداد محدودی قابل فروش می باشد.
سفارش انجام پروژه مشابه
درصورتیکه این محصول دقیقا مطابق خواسته شما نمی باشد،. با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
