مقاله انگلیسی رایگان در مورد ارزیابی جریان انرژی احتمالی – IEEE 2019

 

مشخصات مقاله
ترجمه عنوان مقاله ارزیابی جریان انرژی احتمالی و ممکن ترکیبی برای سیستم های حامل چند انرژی
عنوان انگلیسی مقاله Hybrid Possibilistic-Probabilistic Energy Flow Assessment for Multi-Energy Carrier Systems
انتشار مقاله سال 2019
تعداد صفحات مقاله انگلیسی 12 صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه IEEE
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس میباشد
نمایه (index) Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
4.641 در سال 2018
شاخص H_index 56 در سال 2019
شاخص SJR 0.609 در سال 2018
شناسه ISSN 2169-3536
شاخص Quartile (چارک) Q2 در سال 2018
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر دارد
رفرنس دارد
رشته های مرتبط مهندسی انرژی
گرایش های مرتبط سیستم های انرژی
نوع ارائه مقاله
ژورنال
مجله / کنفرانس دسترسی – IEEE Access
دانشگاه  College of Information Science and Engineering, Northeastern University, Shenyang 110004, China
کلمات کلیدی حامل چند انرژی، عدم قطعیت ممکن، عدم قطعیت احتمالی، جریان انرژی نامعلوم
کلمات کلیدی انگلیسی  Multi-energy carrier, possibilistic uncertainty, probabilistic uncertainty, uncertain energy flow
شناسه دیجیتال – doi
https://doi.org/10.1109/ACCESS.2019.2943998
کد محصول  E14086
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
ABSTRACT

I. INTRODUCTION

II. SYSTEM MODELING

III. UNCERTAINTY IN MULTI-ENERGY FLOW PROBLEM

IV. HYBRID POSSIBILISTIC-PROBABILISTIC UNCERTAINTY ALGORITHM

V. CASE STUDIES

VI. CONCLUSION

REFERENCES

 

بخشی از متن مقاله:
ABSTRACT

The uncertainty is a pivotal problem in Multi-Energy Carrier (MEC) systems, which leads to the strong demand of reasonable tools to evaluate uncertainties. When both possibilistic and probabilistic uncertainties exist in the real MEC systems, traditional possibilistic or probabilistic methods are no more suitable to be applied. Therefore, this paper proposes a hybrid possibilistic-probabilistic energy flow assessment method to evaluate these uncertainties. Firstly, to build a more precise uncertain model, the probabilistic and possibilistic uncertainties are respectively modeled by considering different uncertainties of sources, networks and loads of MEC systems, and the correlations among wind generation and energy loads. Then, the product t-norms of the extension principle plus α-cut method is firstly implemented in processing fuzzy energy flow, which can reduce overestimation compared with the sole α-cut method. Next, on the basis of Dempster-Shafer evidence theory, the hybrid possibilistic-probabilistic energy flow assessment approach is presented. Finally, two cases are carried out to verify the effectiveness and practicability of the proposed method.

INTRODUCTION

Currently, with increasingly global energy crisis and intricate interactions among electricity, gas and heat networks, the development of Multi-Energy Carrier (MEC) systems draws extensive attention worldwide. Meanwhile, Renewable Energy Resources (RESs), such as wind power and photovoltaics, predominate in the sustainable transformation of energy systems, which also devotes to establishing complementary utilization of multiple energy carriers [1], [2]. In the numerous investigation about MEC systems, the uncertainty assessment is a critical issue. As there are various uncertainties (e,g., the variability and intermittency of the RESs [3], [4], stochastic fluctuations in energy loads [5]) in MEC systems, a reasonable tool to evaluate the uncertainties is indispensable to quantify and control the operational and planning risks of MEC systems. Deterministic energy flow calculation provides available measures for uncertain energy flow calculation, and it lays the foundation for planning analysis and optimal operation of MEC systems. The steady-state energy flow of electrical, gas and heat network is firstly investigated on the basis of Newton-Raphson technique considering interactions among different networks [6]. Due to the sensitivity of Newton method to initial guesses, a fast decomposing strategy is proposed to solve energy flow in large scale MEC systems [7].

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا