مدل بهینه‌سازی مدیریت بار و انرژی در شبکه‌های توزیع فعال با ویژگی پروسومرها

زاینده رودی, هادی; صفری, عباس; رهبری مقام, حسام

doi:10.48301/kssa.2025.517491.3189

مدل بهینه‌سازی مدیریت بار و انرژی در شبکه‌های توزیع فعال با ویژگی پروسومرها

نوع مقاله : مقاله پژوهشی (کاربردی)

نویسندگان

هادی زاینده رودی ¹

عباس صفری ¹

حسام رهبری مقام ²

¹ گروه مهندسی برق، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران

² مهندسی برق، دانشکده فنی، دانشگاه آزاد اسلامی

10.48301/kssa.2025.517491.3189

چکیده

این تحقیق یک مدل نوین برای بهینه‌سازی مدیریت بار و انرژی در شبکه‌های توزیع فعال با ویژگی تولیدکنندگان مصرف‌کننده (پروسومرها) ارائه می‌دهد. مدل پیشنهادی با هدف کاهش هم‌زمان هزینه‌ها و تلفات انرژی، به طور خاص به بهینه‌سازی هزینه‌های تولید برق توسط مصرف‌کنندگان-تولیدکنندگان، تلفات انرژی در شبکه، کاهش بار و هزینه‌های ناشی از قطع منابع تجدیدپذیر می‌پردازد. نتایج شبیه‌سازی‌ها نشان می‌دهند که مدل پیشنهادی توانسته است تلفات انرژی را تا 14.5 درصد کاهش دهد و کیفیت ولتاژ شبکه را بهبود بخشد. همچنین، بارهای اوج تا 10 درصد کاهش یافته و هزینه‌های انرژی تا 5 درصد کاهش یافته است. مدل بهینه‌سازی با استفاده از استراتژی‌های مدیریت تقاضا، هماهنگی بهینه‌ای بین تولید و مصرف انرژی در شبکه برقرار می‌سازد و توانسته است شرایط بهتری برای فروش برق تولیدی توسط مصرف‌کنندگان-تولیدکنندگان فراهم آورد، که منجر به افزایش 8 درصدی سودآوری آن‌ها می‌شود. این مدل با استفاده از الگوریتم‌های پیشرفته جستجوی درختی مانند شاخه‌بندی و قید، به‌طور موثر مسائل بهینه‌سازی عدد صحیح و مختلط را حل کرده و سرعت و دقت حل را افزایش می‌دهد. این نتایج نشان‌دهنده تأثیر مثبت مدل در بهبود کارایی، پایداری و بهره‌وری شبکه‌های توزیع فعال است و پتانسیل بالای آن برای بهبود مدیریت منابع انرژی در شبکه‌های هوشمند را اثبات می‌کند.

کلیدواژه‌ها

مدیریت بار و انرژی

شبکه‌های توزیع فعال

تولیدکنندگان مصرف‌کننده

منابع انرژی تجدیدپذیر

بهینه‌سازی انرژی

موضوعات

قدرت

عنوان مقاله English

Optimal Load and Energy Management Model in Active Distribution Networks with Prosumer Features

نویسندگان English

Hadi Zayandehroodi ¹

Abbas Safari ¹

Hesam Rahbarimagham ²

¹ Department of Electrical Engineering, Ke.C., Islamic Azad University, Rafsanjan, Iran

² Department of electrical engineering, Islamic Azad University

چکیده English

This research presents a novel model for optimizing load and energy management in active distribution networks with prosumer (producer-consumer) features. The proposed model aims to simultaneously reduce costs and energy losses, specifically focusing on optimizing electricity generation costs by prosumers, energy losses in the network, load reduction, and costs associated with renewable resource curtailment. Simulation results demonstrate that the proposed model reduces energy losses by up to 14.5% and improves network voltage quality. Additionally, peak loads are reduced by 10%, and energy costs are lowered by 5%. By employing demand management strategies, the model establishes optimal coordination between energy production and consumption in the grid and creates improved conditions for selling electricity generated by prosumers, resulting in an 8% increase in their profitability. The optimization model effectively solves mixed-integer and complex optimization problems using advanced tree-search algorithms, such as branch and bound, enhancing solution speed and accuracy. These results highlight the model’s positive impact on improving the efficiency, stability, and productivity of active distribution networks, as well as its high potential for enhancing energy resource management in smart grids.

کلیدواژه‌ها English

Load and Energy Management

Active Distribution Networks

Prosumers

Renewable Energy Sources

Energy Optimization

[1] Hu, J., Wu, J., Ai, X., & Liu, N. (2021). Coordinated energy management of prosumers in a distribution system considering network congestion. IEEE Transactions on Smart Grid, 12(1), 468-478. https://doi.org/10.1109/TSG.2020.3010260

[2] Ceccon, W. F., Freire, R. Z., Szejka, A. L., & Junior, O. C. (2021). Intelligent electric power management system for economic maximization in a residential prosumer unit. IEEE Access, 9, 48713-48731. https://doi.org/10.1109/ACCESS.2021.3068751

[3] Ma, L., Liu, N., Zhang, J., & Wang, L. (2019). Real-time rolling horizon energy management for the energy-hub-coordinated prosumer community from a cooperative perspective. IEEE Transactions on Power Systems, 34(2), 1227-1242. https://doi.org/10.1109/TPWRS.2018.2877236

[4] Cai, Y., Huang, T., Bompard, E., Cao, Y., & Li, Y. (2017). Self-sustainable community of electricity prosumers in the emerging distribution system. IEEE Transactions on Smart Grid, 8(5), 2207-2216. https://doi.org/10.1109/TSG.2016.2518241

[5] MansourLakouraj, M., Sanjari, M. J., Javadi, M. S., Shahabi, M., & Catalão, J. P. S. (2021). Exploitation of microgrid flexibility in distribution system hosting prosumers. IEEE Transactions on Industry Applications, 57(4), 4222-4231. https://doi.org/10.1109/TIA.2021.3073882

[6] Petrou, K., Procopiou, A. T., Gutierrez-Lagos, L., Liu, M. Z., Ochoa, L. F., & Langstaff, T. (2021). Ensuring distribution network integrity using dynamic operating limits for prosumers. IEEE Transactions on Smart Grid, 12(5), 3877-3888. https://doi.org/10.1109/TSG.2021.3081371

[7] Ma, G., Lyu, J., Wang, Y., Zhang, J., & Xu, J. (2020). The prosumer energy management method based on smart load. IEEE Access, 8, 117086-117095. https://doi.org/10.1109/ACCESS.2020.3004557

[8] Chen, L., Liu, N., Yu, S., & Xu, Y. (2022). A stochastic game approach for distributed voltage regulation among autonomous PV prosumers. IEEE Transactions on Power Systems, 37(1), 776-787. https://doi.org/10.1109/TPWRS.2021.3097373

[9] Tziovani, L., Hadjidemetriou, L., Kolios, P., Astolfi, A., Kyriakides, E., & Timotheou, S. (2022). Energy management and control of photovoltaic and storage systems in active distribution grids. IEEE Transactions on Power Systems, 37(3), 1956-1968. https://doi.org/10.1109/TPWRS.2021.3118785

[10] Saber, H., Ehsan, M., Moeini-Aghtaie, M., Ranjbar, H., & Lehtonen, M. (2022). A user-friendly transactive coordination model for residential prosumers considering voltage unbalance in distribution networks. IEEE Transactions on Industrial Informatics, 18(9), 5748-5759. https://doi.org/10.1109/TII.2022.3141784

[11] Zomorodi Moghadam, A., & Javidi, M. H. (2022). Designing a two-stage transactive energy system for future distribution networks in the presence of prosumers' P2P transactions. Electric Power Systems Research, 211, 108202. https://doi.org/10.1016/j.epsr.2022.108202

[12] Li, H., Hou, J., Hong, T., & Nord, N. (2022). Distinguish between the economic optimal and lowest distribution temperatures for heat-prosumer-based district heating systems with short-term thermal energy storage. Energy, 248, 123601. https://doi.org/10.1016/j.energy.2022.123601

[13] Zhou, Y., Li, Z., & Yang, M. (2020). A framework of utilizing distribution power systems as reactive power prosumers for transmission power systems. International Journal of Electrical Power & Energy Systems, 121, 106139. https://doi.org/10.1016/j.ijepes.2020.106139

[14] Sarfi, V., & Livani, H. (2020). Optimal Volt/VAR control in distribution systems with prosumer DERs. Electric Power Systems Research, 188, 106520. https://doi.org/10.1016/j.epsr.2020.106520

[15] Yang, C., Liu, J., Liao, H., Liang, G., & Zhao, J. (2023). An improved carbon emission flow method for the power grid with prosumers. Energy Reports, 9, 114-121. https://doi.org/10.1016/j.egyr.2022.11.165

[16] Postnikov, I. (2023). Methods for the reliability optimization of district-distributed heating systems with prosumers. Energy Reports, 9, 584-593. https://doi.org/10.1016/j.egyr.2022.11.085

[17] Zabihinia Gerdroodbari, Y., Khorasany, M., & Razzaghi, R. (2022). Dynamic PQ operating envelopes for prosumers in distribution networks. Applied Energy, 325, 119757. https://doi.org/10.1016/j.apenergy.2022.119757

[18] Rajaei, A., Fattaheian-Dehkordi, S., Fotuhi-Firuzabad, M., Moeini-Aghtaie, M., & Lehtonen, M. (2021). Developing a distributed robust energy management framework for active distribution systems. IEEE Transactions on Sustainable Energy, 12(4), 1891-1902. https://doi.org/10.1109/TSTE.2021.3070316

[19] Liu, B., Wu, W., Zhou, C., Mao, C., Wang, D., Duan, Q., & Sha, G. (2019). An AC–DC hybrid multi-port energy router with coordinated control and energy management strategies. IEEE Access, 7, 109069-109082. https://doi.org/10.1109/ACCESS.2019.2933469

[20] Wang, Z., Gu, C., Li, F., Bale, P., & Sun, H. (2013). Active demand response using shared energy storage for household energy management. IEEE Transactions on Smart Grid, 4(4), 1888-1897. https://doi.org/10.1109/TSG.2013.2258046

[21] Luo, E., Cong, P., Lu, H., & Li, Y. (2020). Two-stage hierarchical congestion management method for active distribution networks with multi-type distributed energy resources. IEEE Access, 8, 120309-120320. https://doi.org/10.1109/ACCESS.2020.3005689

[22] Wu, W., Li, P., Wang, B., Liu, Y., Xu, T., Du, H., & He, Y. (2022). Integrated distribution management system: Architecture, functions, and application in China. Journal of Modern Power Systems and Clean Energy, 10(2), 245-258. https://doi.org/10.35833/MPCE.2021.000600

[23] Sadeghi, S. (2023). Investigation of the effect of solar panel type on the design and operation of a grid-connected photovoltaic system using PVsyst software. Karafan Journal, 20(1), 75-99. https://doi.org/10.48301/kssa.2023.346906.2163 (In Persian(

[24] Abdollahi, S. A., Ahrari, M., & Ghazizadeh Ahsaee, M. (2024). Modeling and optimization of hybrid energy systems using techno-economic and environmental characteristics. Karafan Journal, 21(1), 183-215. https://doi.org/10.48301/kssa.2024.417983.2717. (In Persian(

[25] Shafiee, M. (2023). Economic design of a hybrid wind-solar power plant based on the energy storage system with consideration of the equivalent loss factor. Karafan Journal, 20(3), 287-310. https://doi.org/10.48301/kssa.2023.398615.2564. (In Persian(