Integrated Energy Management System for Microgrids with Hybrid Renewable Generation, Energy Storage and Controllable Loads. Masters thesis, King Fahd University of Petroleum and Minerals.
|
PDF
AhmedAlahmed.pdf Download (6MB) | Preview |
Arabic Abstract
يشهد العالم تطوراً سريعاً في أعداد السكان وبالتالي ارتفاعاً مُطّرداً في الطلب على الطاقة الكهربائية التي أصبحت تستخدم في جميع مناحِ الحياة. هذا الاستعمال المفرط للطاقة الكهربائية أدّى إلى زيادة الضغط على الشبكات الكهربائية الحالية مما إلى أدى تدهور موثوقيتها وارتفاع تكاليف صيانتها. تأتي الشبكات الكهربائية الذكية (Smart Microgrids) كعلاج ناجع لتخفيف الضغط على الشبكة ورفع قابليتها لتكامل مصادر الطاقة المتجددة ومصادر التخزين والأحمال غير الاعتيادية كالسيارات الكهربائية (Electric Vehicles). لذلك، وانطلاقاً من الإيمان بأهمية هذه الشبكات، نُشرت العديد من الأبحاث في هذا المجال ولكن معظمها تفتقر لوجود منصة فعالة تُطبّق الدراسات عليها وتُقارن فيها مع الدراسات الأخرى. إضافة إلى أن الإدارة المثلى لهذه الطاقة تتطلب توفّر معلومات فعلية لأحمال حقيقية كي تعزز من اعتمادية الدراسة. تعتزم هذه الدراسة على تصميم وإنشاء شبكة فاعلة ومتكاملة لإدارة الطاقة في الشبكات الذكية. هذه الشبكة تحتوي على الطاقة الكهروضوئية وطاقة الرياح وأحدث وسائل تخزين الكهرباء بالإضافة إلى قدرتها على إزاحة الأحمال لضمان استمرارية الشبكة وعدم انقطاعها وزيادة كفاءتها. كذلك الدراسة تشمل فئات مختلفة من الأحمال كالأحمال السكنية، الصناعية والتجارية والأحمال الغير قابلة للانقطاع كالمستشفيات. تستخدم هذه الدراسة أدوات التحكم الذكي كتقنية شبكة الأعصاب الصناعية (Artificial Neural Network) ونظام المنطق الضبابي (Fuzzy Inference System) هادفةً إلى تحقيق التحكم الذكي بأحمال هذه الشبكة ومولداتها وتبادل الطاقة بينها وبين الشبكة الأم. ستختم هذه الدراسة بمناقشة نظام حوافز للتحقق من جدوى الشبكات الهجينة بدل الشبكات ذات التيار المترددAlternating Current) ). نتائج الدراسة أثبتت كفاءة قدرة الشبكة الذكية المقترحة على الموازنة بين عرض الكهرباء وطلبه وكذلك قدرة الشبكة على تخفيض التكاليف التي يكون معظمها بسبب شراء الطاقة في أوقات الذروة من الشبكة الأساسية لعدم قدرة الشبكة الصغيرة على توفير الكهرباء الكافي لأحمالها. أثبتت النتائج كذلك قدرة تقنية التحكم بالأحمال على ترتيب أولويات إزاحة الأحمال بحيث لا تَمس الأحمال ذات الأهمية القصوى كالمستشفيات ومحطات الإطفاء ومراكز المعلومات الحيوية.
English Abstract
The mounting number of world population and the corresponding swelling demand and reliance on electrical energy have surfaced the necessity of upgrading the current power system into a more flexible, resilient and smarter network. Microgrids avail a promising new concept that aims to encourage and facilitate the integration of renewable energy resources, energy storage systems and demand-side management. However, several hitches are objecting the way toward reposing microgrids. The lack of test system designs with real data that are capable of integrating and managing energy resources restrained researchers from appropriately bench-mark their findings. The amount of research on microgrid load side is very minimal compared to studies on control, generation or self-healing of microgrids. Furthermore, usually loads in microgrid studies are not diverse and possess an equivalent importance level, or in the best case a predefined fixed load priority list. In this thesis, an energy management system microgrid test-bed will be designed. Renewable Energy Resources (RES), Energy Storage System (ESS) and four load categories including residential, commercial, industrial and a hospital will be integrated into the system. Real and local data is considered for the design to enhance the practicality of the study. The energy management system utilizes intelligence control techniques mainly Artificial Neural Networks (ANN) and Fuzzy Inference System (FIS) to flexibly prioritize the demands and efficiently balance the microgrid local generation, storage, loads and transaction with the main grid. An incentive-based feasibility study of a hybrid DC/AC microgrid is evaluated and further compared with the proposed test system.
| Item Type: | Thesis (Masters) |
|---|---|
| Subjects: | Engineering Electrical |
| Department: | College of Engineering and Physics > Electrical Engineering |
| Committee Advisor: | Al-Muhaini, Mohammad |
| Committee Members: | Abido, Mohamed and Khalid, Muhammed |
| Depositing User: | AHMED ALAHMED (g201149070) |
| Date Deposited: | 14 May 2019 09:40 |
| Last Modified: | 10 Nov 2020 05:13 |
| URI: | http://eprints.kfupm.edu.sa/id/eprint/140961 |