کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6595754 | 458538 | 2014 | 49 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Application of rolling horizon optimization to an integrated solid-oxide fuel cell and compressed air energy storage plant for zero-emissions peaking power under uncertainty
ترجمه فارسی عنوان
استفاده از بهینه سازی افق نورد به یک سلول سوخت جامد اکسید جامد و ذخیره انرژی هوای فشرده برای افزایش قدرت نشتی در اثر عدم قطعیت
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
در این مطالعه، استفاده از یک استراتژی بهینه سازی افق نورد به یک سلول سوخت جامد / اکسید جامد / ذخیره انرژی انرژی فشرده برای بارگذاری زیر بررسی شده است. یک مدل کاهش تولید سفارشات از یک کارخانه یکپارچه برای شبیه سازی و بهینه سازی هر فاصله بهینه سازی به عنوان یک برنامه غیر خطی عادی استفاده می شود. عدم قطعیت های پیش بینی از طریق اضافه شدن نویز اندازه گیری و استفاده از شبیه سازی تصادفی مونت کارلو در نظر گرفته می شود. علاوه بر بهینه سازی افق نوری، کاهش معکوس به خطای مجموع مربعات بین پروفایل های تقاضا و عرضه می شود. تجزیه و تحلیل حساسیت نشان می دهد که افزایش افق پیش بینی و بهینه سازی ردیابی بار با بازده های کاهش می یابد. نویز گاوسی سفید برای درخواست پیش بینی ها تاثیر منفی بر خطا دارد، حتی زمانی که از قدرت صدای نسبتا بالا استفاده می شود. تقاضای پیوسته تقریبا یا کمتر پیش بینی کننده تاثیر بیشتر بر خطا ردیابی بار است. با این حال، حتی در سناریوهای پیش بینی بدترین حالت، با استفاده از یک طرح بهینه سازی افق نورد، در مقایسه با سیستم اصلی، خطای بیش از 50٪ کاهش می یابد. یک تابع هدف اقتصادی به منظور بهبود درآمد ناخالص با استفاده از قیمت های نقطه ای الکتریکی فرموله شده است، اما منجر به کاهش کارایی با عملکرد بار می شود. نتایج نشان می دهد که رویکرد بهینه سازی افق نورد به طور بالقوه می تواند برای سیستم های ذخیره سازی سوخت های کمپرسور در سطح شهری در آینده به منظور دستیابی به سطوح قدرت که از چرخه قدرت واقعی شبکهای استفاده می کنند با استفاده از مدل های پیش بینی شده موجود استفاده شود.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی شیمی
مهندسی شیمی (عمومی)
چکیده انگلیسی
In this study, the application of a rolling horizon optimization strategy to an integrated solid-oxide fuel cell/compressed air energy storage plant for load-following is investigated. A reduced-order model of the integrated plant is used to simulate and optimize each optimization interval as a mixed integer non-linear program. Forecasting uncertainties are considered through the addition of measurement noise and use of stochastic Monte Carlo simulations. The addition of rolling horizon optimization gives significant reductions to the sum-of-squared-errors between the demand and supply profiles. A sensitivity analysis is used to show that increasing the forecasting and optimization horizon improves load tracking with diminishing returns. Incorporating white Gaussian noise to demand forecasts has a marginal impact on error, even when a relatively high noise power of is used. Consistently over- or under-predicting demand has a greater impact on the plant's load-tracking error. However, even under worst-case forecasting scenarios, using a rolling horizon optimization scheme provides a more than 50% reduction in error when compared to the original system. An economic objective function is formulated to improve gross revenue using electricity spot-prices, but results in a trade-off with load-following performance. The results indicate that the rolling horizon optimization approach could potentially be applied to future municipal-scale fuel cell/compressed air storage systems to achieve power levels which closely follow real grid power cycles using existing prediction models.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Chemical Engineering - Volume 68, 4 September 2014, Pages 203-219
Journal: Computers & Chemical Engineering - Volume 68, 4 September 2014, Pages 203-219
نویسندگان
Jake Nease, Thomas A. II,