In collaboration with Iranian Association for Energy Economics(IRAEE) and Scientific Association of Defence Economics of Iran(SADEI)

Document Type : applicative

Authors

1 Assistance Professor,Department of Economics of Energy and Resources, Faculty of Economics, Kharazmi . Uniersity, Tehran, Iran

2 Ms in Industrial Engineering, Energy systmes, Islamic Azad University South Tehran Branch, Tehran, Iran

Abstract

Implementing the energy storage improves power load response, and network reliability, as well as reduces the need to build new power capacity in the electricity Using the energy storage improves responsiveness power into load, increases network reliability, and reduces the need to build new power capacity in the electricity industry. Regarding the economic- environmental benefits of using energy storage in the electricity industry, the main objective of this research is to investigate the application of electrical network’s energy storage with the aim of minimizing losses, environmental pollution, and system fuel costs. In this regard, three scenarios have been designed under the multi-objective particle swarm optimization (PSO) algorithm, which in scenario number 1, network consumption load is provided only by diesel generators. In scenario number 2, the renewable energy sources of wind and solar are added to the network, and in scenario number 3 further diesel generator and wind turbine and solar panels, energy storages are added to the network, and the PSO algorithm for optimal placement of the storage devices is performed. The results show that the most efficient result for the designed purposes can be achieved by solving the model under scenario number 3. Accordingly, the amount of network losses, fuel costs, and pollution in motion from the first scenario (base scenario) to the third scenario shows a decrease of 432 kW, 13.7 thousand dollars, and 75 kg, respectively. These results can help to optimum usage of energy storage devices in order to improve sustainability and network security, losses decreasing, and pollution decreasing in the electricity industry.

Keywords

جان‌نثار، محمد رسول، کلانتر، محسن و صدیقی انارکی، علیرضا (1398). "تخصیص بهینه باتری ذخیره‌ساز انرژی در شبکه توزیع انرژی الکتریکی با هدف سودآوری حداکثری". نشریه مهندسی برق و مهندسی کامپیوتر ایران، (4)17،‌ صص ،287-295.
حسینی، محمد حسن، عزیزی، حسین و جوانبخت، مهران و موسوی تاکامی، کوروش (1395). «سند راهبردی و نقشه راه طراحی، ساخت و تدوین دانش فنی ذخیره سازهای انرژی در صنعت برق». ویرایش اول،‌ وزارت نیرو، تهران.
حری، حمیدرضا، صادقی، زین العابدین و رضایی نژاد، سعیده (1397). "اندازه‌گیری صرفه‌های ناشی از مقیاس در صنعت برق ایران: مورد نیروگاه‌های حرارتی"، فصلنامه پژوهش‌های اقتصاد صنعتی، (6)2، صص ، 24-13.
صفدری، مهران،‌ قلی‌نیا، محمد (1394). "ارائه روشی نوین در بهره‌برداری بهینه ریز شبکه، با استفاده از بارهای پاسخگو و منابع ذخیره انرژی، با نفوذ زیاد منابع تجدیدپذیر"، سی‌امین کنفرانس بین‌المللی  برق،‌ تهران، ایران.
صیادی، محمد، ممی پور، سیاب و چراغی، مریم (1399). "ارزیابی تأثیر عوامل قیمتی، درآمدی و کارایی بر شدت انرژی در صنعت برق ایران: کاربرد مدل SVAR در نیروگاه‌های حرارتی"، فصلنامه پژوهش‌های اقتصاد صنعتی،  (13)4، صص 60-47.
عباسی سنجدری، محمدحسین، عفت نژاد، رضا و رضاپور، کامبیز (1395)، "مدل‌سازی اقتصادی و فنی بکارگیری بهینه از ذخیره‌سازهای انرژی در برنامه‌ریزی سیستم‌های انرژی" . فصلنامه پژوهش‌های سیاست‌گذاری و برنامه‌ریزی انرژی. ۲ (۴)، صص۷-۳۲.
عشقی، امیرحسین، رضایی، محمد مهدی (1394). "بررسی روش‌های ذخیره‌سازی انرژی و مطالعه اثرات روش ذخیره‌سازی انرژی هوای فشرده"، همایش ملی انرژی،‌ دانشگاه آزاد اسلامی واحد خمینی شهر.
عفت‌نژاد، رضا، زارع برگ‌آبادی،‌ اکرم (1392). "برنامه‌ریزی بهینه برق با محدودیت‌های زیست محیطی با استفاده از الگوریتم جستجوی هارمونی". فصلنامه پژوهش‌های سیاست‌گذاری و برنامه‌ریزی انرژی. 1(3)، صص 97-112.
علیزاده، محمد، جعفری نوکندی، میثم و سلطان مرادی، یامین (1398). "مدل‌سازی و بهینه‌سازی مصرف انرژی در خانه هوشمند با حضور ذخیره ساز انرژی, سلول خورشیدی, خودروی برقی و پاسخ گویی بار". مدل‌سازی در مهندسی, 17(57 )، صص 215-226.
محمدی، جلال، گلدانی، سعیدرضا و فلقی، حمید. (1398). "ارزیابی اقتصادی آربیتراژ انرژی سیستم ذخیره ساز انرژی باتری با توجه به نوع بهره‌برداری آن". نشریه مهندسی برق (دانشکده فنی دانشگاه تبریز)، 49(3 (پیاپی 89) )، صص 1295-1306.
هوشمند، رحمت اله، پرستگاری، معین (1387). "کاربرد الگوریتم PSO در پخش بار اقتصادی و پخش آلودگی برای توابع هزینه ناصاف با وجود تلفات خطوط انتقال و محدودیت‌های عملی سیستم. مهندسی برق و مهندسی کامپیوتر ایران"، 6(3)، صص 191-198.
Abido, M. A. (2003). Environmental / economic power dispatch using multiobjective evolutionary algorithms. IEEE transactions on power systems, 18(4), 1529-1537.
Arabali, A., Ghofrani, M., & Etezadi-Amoli, M. (2013). Cost analysis of a power system using probabilistic optimal power flow with energy storage integration and wind generation. International Journal of Electrical Power and Energy Systems, 53, 832-841. DOI: 10.1016/j.ijepes.2013.05.053
Billinton, R. (2005, May). Impacts of energy storage on power system reliability performance. In Canadian Conference on Electrical and Computer Engineering, 2005. (pp. 494-497). IEEE.
Chen, G., Yi, X., Zhang, Z., & Wang, H. (2018). Applications of multi-objective dimension-based firefly algorithm to optimize the power losses, emission, and cost in power systems. Applied Soft Computing, 68, 322-342.
Chen, Y., Xu, J., Wang, J., & Lund, P. D. (2021). Exergo-environmental cost optimization of a combined cooling, heating and power system using the emergy concept and equivalent emissions as ecological boundary. Energy, 121124.
Danish, S. M. S., Ahmadi, M., Danish, M. S. S., Mandal, P., Yona, A., & Senjyu, T. (2020). A coherent strategy for peak load shaving using energy storage systems. Journal of Energy Storage, 32, 101823.
De Siqueira, L. M. S., & Peng, W. (2021). Control strategy to smooth wind power output using battery energy storage system: A review. Journal of Energy Storage35, 102252.
Effatnejad, R., Hosseini, H., & Ramezani, H. (2014). Solving unit commitment problem in microgrids by harmony search algorithm in comparison with genetic algorithm and improved genetic algorithm. International Journal on Technical and Physical Problems of Engineering (IJTPE), 21, 61-65.
Haupt, R. L., & Haupt, S. E. (2004). Practical genetic algorithms second edition. A Wiley-Interscience publication.
Hoorfar, A. (2007). "Evolutionary Programming in Electromagnetic Optimization", IEEE Transactions on Antennas and Propagation, vol 55, no. 3.
Kerdphol, T., Qudaih, Y., & Mitani, Y. (2016). Optimum battery energy storage system using PSO considering dynamic demand response for microgrids. International Journal of Electrical Power and Energy Systems, (83), 58-66.
Kumar Mishra, Sudhansu Kumar Mishra. (2015). Multi-objective Economic Emission Dispatch Solution using Non-dominated Sorting Genetic Algorithm-II. Discovery, 47(219), 121-126.
Larsen, M., & Sauma, E. (2021). Economic and emission impacts of energy storage systems on power-system long-term expansion planning when considering multi-stage decision processes. Journal of Energy Storage, 33, 101883.
Leou, Rong-Ceng. 2012. “An economic analysis model for the energy storage system applied to a distribution substation”. International Journal of Electrical Power & Energy Systems 34.1, 132-137.
Li, L. L., Shen, Q., Tseng, M. L., & Luo, S. (2021). Power system hybrid dynamic economic emission dispatch with wind energy based on improved sailfish algorithm. Journal of Cleaner Production, 128318.
Meneses de Quevedo, P., & Contreras, J. (2016). Optimal placement of energy storage and wind power under uncertainty. Energies9(7), 528.
Neagu, B. C., Gavrilaş, M., Pentiuc, R. D., & Hopulele, E. (2019). Optimal Placement of Energy Storage Systems in Microgrids Using a PSO based Approach. In 2019 IEEE PES Innovative Smart Grid Technologies Europe (ISGT-Europe) (pp. 1-5). IEEE.
Nivedha, R. R., Singh, J. G., & Ongsakul, W. (2018, January). PSO based economic dispatch of a hybrid microgrid system. In 2018 International Conference on Power, Signals, Control and Computation (EPSCICON) (pp. 1-5). IEEE.
Rizk-Allah, R. M., El-Sehiemy, R. A., & Wang, G. G. (2018). A novel parallel hurricane optimization algorithm for secure emission/economic load dispatch solution. Applied Soft Computing63, 206-222.
Thakur, T., Sem, K., Saini, S., & Sharma, S. (2006, August). A particle swarm optimization solution to NO2 and SO2 emissions for environmentally constrained economic dispatch problem. In 2006 IEEE/PES Transmission & Distribution Conference and Exposition: Latin America (pp. 1-5). IEEE.
Sönmez, Y. (2013). Estimation of fuel cost curve parameters for thermal power plants using the ABC algorithm. Turkish Journal of Electrical Engineering & Computer Sciences21(Sup. 1), 1827-1841.
Su, H. I., & El Gamal, A. (2013). Modeling and analysis of the role of energy storage for renewable integration: Power balancing. IEEE Transactions on Power Systems, 28(4), 4109-4117.
Zakariazadeh, A. Jadid, S. & Siano, P. (2014). Smart microgrid energy and reserve scheduling with demand response using stochastic optimization. International Journal of Electrical Power & Energy Systems, 63, 523-533.