بهینه¬سازی تولید همزمان گرما و برق با ذخیره¬سازی گرما بر اساس روش پنجره زمانی لغزان

الگوی بهینه¬سازی همزمان برق و گرما (CHP) با ذخیره¬سازی گرما برای کمینه¬سازی هزینه تولید و بیشینه¬سازی درآمد از فروش برق بر اساس روش پنجره زمانی لغزان ارائه شده است. این الگو می¬تواند برای ذخیر¬سازی گرما به طور بهینه و همچنین پشتیبانی از برنامه¬ریزی سرمایه¬گذاری برای ذخیره¬سازی جدید به کار رود. تقاضای گرما بر اساس پیش¬بینی وضع هوا پیش¬بینی می¬شود. هر روز تقاضای گرما و پیش-بینی قیمت برق به عنوان ورودی به مدل کلی بهینه¬سازی CHP برای پنجره زمانی چند روزه داده می¬شوند تا برنامه¬ریزی عملیات ذخیر¬سازی گرما به دست آید. سپس تنها اولین روز برنامه با قیمت واقعی برق و تقاضای گرما با استفاده از مدل بهینه¬سازی تک روزه پیاده¬سازی می-شود تا میزان واقعی تولید، هزینه¬های سوخت و درآمد از فروش برق محاسبه شود. پس از آن، پنجره زمانی یک روز به جلو لغزانده می¬شود و فرآیند اشاره شده در بالا تکرار می¬شود. در راه¬اندازی¬های آزمایشی، پیش¬بینی¬ها برای قیمت برق و دما با ایجاد اغتشاش در اطلاعات واقعی (تاریخی) از طریق فرآیند وینر (گردش تصادفی) شبیه-سازی می¬شوند. به منظور ارزیابی مزایا و تایید اعتبار روش ارائه شده، ن

A combined heat and power (CHP) optimization model with heat storage is proposed to minimize the production cost and to maximize the revenue from power sales based on a sliding time window method. The model can be applied both for operating heat storage optimally and supporting investment planning for a new storage. Heat demand is forecasted based on a weather forecast. Each day the heat demand and power price forecasts are input to a generic CHP optimization model for a several-day time window to obtain a heat storage operation plan. Then only the first day of the plan is implemented with actual power price and heat demand using a single-day optimization model to compute the actual production amount, fuel costs and revenue from power sales. After that, the time window is slid one day forward, and the above-mentioned process is repeated. In the test runs, forecasts for power price and temperature are simulated by disturbing actual (historical) data by the Wiener process (random walk).