اقرأ في هذا المقال
- تقدير أهمية توازن التصميم الأمثل لشبكة الطاقة الكهروضوئية
- التكوين الأمثل لعناصر الطاقة الهجينة وتطوير الخوارزميات
بالعادة يتم تطبيق النظام المحسن للتوازن (EO)، وذلك لتصميم شبكة هجينة لتغذية الكهرباء للداخلة، وكمنطقة معزولة تم اختيار (EO) لتصميم نظام (microgrid)، ونظراً لفعاليته العالية في تحديد الحل الأمثل في وقت قصير جداً يتم تقديم (EO) لاختيار التصميم الأمثل للنظام الذي يمكن أن يقلل التكلفة ويحسن استقرار النظام ويغطي الحمل في ظروف مناخية مختلفة.
تقدير أهمية توازن التصميم الأمثل لشبكة الطاقة الكهروضوئية
نظراً للاستهلاك السريع للوقود الأحفوري والتلوث البيئي؛ فإنه يجب دمج مصادر الطاقة المتجددة (RESs) في نظام الطاقة من أجل تلبية المتطلبات المستقبلية، بحيث تم تركيب (RESs) (الطاقة الشمسية، طاقة الرياح، طاقة المحيطات، الطاقة الحيوية، الطاقة الحرارية الأرضية) في العديد من الأماكن حول العالم وخاصة في المناطق الريفية، أيضاً تعد طاقة الرياح والطاقة الشمسية أكثر مصادر الطاقة المتجددة انتشاراً.
وفي الأماكن النائية، يتم تركيب نظام صغير الحجم خارج الشبكة (microgrid) بدلاً من بناء خط نقل لتوصيل الكهرباء من محطات التوليد إلى الأحمال الكهربائية، أيضاً نظام الشبكة الصغيرة هو نظام صغير يحتوي بشكل أساسي على مصادر الطاقة الشمسية وطاقة الرياح، بحيث بسبب عدم الاستقرار والتقطع والتكلفة المرتفعة لنظام الطاقة الشمسية وطاقة الرياح، كما تمت إضافة مصادر الطاقة غير المتجددة وتخزين الطاقة لضمان إمداد مستمر ومستقر للطاقة.
الآثار المترتبة على دمج مصادر الطاقة واختلال توازن التصميم
عندما يتم دمج (RESs) مع مصادر الطاقة الأخرى؛ يسمى النظام أنظمة الطاقة المتجددة الهجينة (HRESs).، وبناءً على اتصال (HRESs) بشبكة الطاقة الكهربائية؛ فإنه يمكن تصنيف (HRES) إلى الشبكة، أيأن تكون (HRESs) متصلة بالشبكة وخارج الشبكة بمعنى أن (HRESs) غير متصلة، كما تتمتع أنظمة (HRES) بالعديد من المزايا مثل استغلال مصادر الطاقة المختلفة لخدمة المجتمع وزيادة تغلغل مصادر الطاقة المتجددة وتقليل استخدام الوقود الأحفوري والموثوقية (تغطي طلب الحمل في ظل سرعات الرياح المختلفة والإشعاع الشمسي).
ومع ذلك لا تزال التكلفة والموثوقية والكفاءة الكهربائية مشاكل مهمة تحتاج إلى مزيد من التحسين، وبالتالي يبقى من المهم استغلال تقنيات التحسين المرتبطة بأداء أنظمة (HRES) في ظل ظروف مناخية مختلفة، بحيث يتم تقديم الخوارزمية الجينية للفرز غير المرنة (NSGA-II) وأهمية المعايير على الرغم من الارتباط بين المعايير (CRITIC) لتقليل (LPSP ،LCOE) ومعدل التخلي عن الطاقة (PAR).
كذلك تم الحصول على النظام الأمثل لنظام الرياح والطاقة الكهروضوئية وحتى طاقة الهيدروجين خارج الشبكة الكهربائية، بحيث تم استخدام خوارزمية اليراع (FA) وخوارزمية القفز على الضفدع (SFLA) وتحسين سرب الجسيمات (PSO) لتحديد التركيبة المثلى من (RESs).
التكوين الأمثل لعناصر الطاقة الهجينة وتطوير الخوارزميات
أظهرت النتائج أن (PV /WT /FC) هو التكوين الأمثل، بحيث تم استخدام (NSGA II) لاكتشاف التصنيف الأمثل للنظام الموزع لتقليل فقد الطاقة الحالية أو الطاقة المتوقعة، بحيث تم تطوير خوارزمية تحسين إرشادية للحصول على الحجم الأمثل لنظام (PV) والبطارية أو الديزل، بحيث تم تطبيق خوارزمية التطور التفاضلي الذاتي التكيفي متعدد الأغراض (MOSaDE) لتحديد السعة المثلى لنظام (PV) أو الرياح أو الديزل أو البطارية.
كذلك تم إجراء تقنيات التحسين (metaheuristic) لاختيار التصميم الأمثل التقني الاقتصادي لمولد الكهروضوئية أو الغاز الحيوي خارج الشبكة أو نظام تخزين الطاقة المائية أو البطاريات، بحيث تم تقديم استراتيجيات التحكم في الإرسال والتصنيفات المثلى لـ (HRESs)، أيضاً تم استخدام وحدات تحكم الذكاء الاصطناعي (AI) لتحقيق عملية إدارة طاقة فعالة ومحسّنة لنظام الطاقة الهجين (H2 / WT / PV / GMT)، بحيث تم اقتراح تحسين سرب الجسيمات المحسن استنادًا إلى آلية ضبابية لتقليل التكلفة والانبعاثات.
وفيما بعد تم استغلال تقنية (metaheuristic) بشكل فعال، بحيث تعتمد على سرب نحل اصطناعي لتحديد الحجم الأمثل لنظام طاقة الرياح أو الكهروضوئية أو طاقة الهيدروجين، كذلك تم تطبيق خوارزمية التحسين (metaheuristic)، بحيث تسمى خوارزمية تحسين الجندب (GOA) لتحديد الحجم الأمثل لمولد الطاقة وخاصة الطاقة الهجينة.
أخيراً يتضمن (EO) آليات بحث استكشافية واستغلالية عالية لتغيير الحلول عشوائياً، مما يساعد في تجنب الحدود الدنيا المحلية طوال عملية التحسين بأكملها وهو عيب شائع للعديد من خوارزميات التحسين وفعالية عالية في الحصول على الحل الأمثل ووقت حسابي أقل أو تكرارات أقل، ومع ذلك تم تطبيق (EO) لحل العديد من مشاكل التحسين في مجالات مختلفة.
أيضاً تم استخدام (EO) للعثور على قيمة العتبة المثلى للصورة ذات التدرج الرمادي، بينما تثبت (EO) قدرة جيدة على تحسين الدقة وتحليل البحث للصورة المجزأة، بحيث تم تطوير مُحسِّن التوازن المعتمد على السكان مؤخراً لحل مشكلة تدفق الطاقة الأمثل في شبكات الطاقة الهجينة (AC / DC)، كما تم استخدام (EO) لحل مشكلة (OPF) مع الأخذ في الاعتبار التكامل الكهروضوئي والرياح والهجين الكهروضوئية أو الرياح.
