Детальная информация

В данной магистерской диссертации рассматривалась проблема оптимизации планирования использования энергоресурсов в микрогриде с учетом режимных ограничений. Целью данной работы был анализ существующих алгоритмов оптимизации и разработка алгоритма, который позволит более эффективно планировать работу микрогридов. В результате исследования был разработан алгоритм, который показал техническую и экономическую эффективность его применения. В его основу легло применение линейного и нелинейного программирования, а также использование эвристического алгоритма роя частиц (PSO). В дальнейшем данные результаты могут применяться в секторе малой энергетики. Внедрение разработанного алгоритма также может помочь улучшить планирование и управление работы микрогридов, что приведет к снижению затрат на выработку электроэнергии и повысит устойчивость энергосистемы в целом. Также приведены возможные пути улучшения алгоритма оптимизации (ускорение процесса получения решения за счет многопоточности, добавления новых целевых функций и т.д.), а также в дальнейшем возможна разработка интерфейса для пользователей, которая может способствовать внедрению разработанного алгоритма в существующее программное обеспечение для управления микрогридами.

This masters thesis considered the problem of optimization of energy resource scheduling in a microgrid subject to mode constraints. The purpose of this work was to analyze existing optimization algorithms and develop an algorithm that would allow for more efficient scheduling of microgrids. As a result of the study, an algorithm was developed that showed the technical and economic efficiency of its application. It was based on the application of linear and nonlinear programming and the use of a heuristic particle swarm algorithm (PSO). In the future, these results can be applied to the small-scale energy sector. The implementation of the developed algorithm can also help to improve the scheduling and control of microgrid operations, which will reduce the cost of power generation and improve the stability of the power system as a whole. Possible ways to improve the optimization algorithm (speeding up the process of obtaining a solution by multithreading, adding new target functions, etc.) are also given, as well as the future possible development of an interface for users, which can facilitate the implementation of the developed algorithm in existing microgrid control software.