A Two Ways Communication-Based Distributed Control for Direct Load Control in Smart Distribution System

• Autorzy: Biabani M. , Golkar M. A. , Biczel P. , Sajadi A.

Warianty tytułu

PL

Bezpośrednie sterowanie obciążeniem w sieciach inteligentnych – sterownie rozproszone z komunikacją dwukierunkową

• Języki publikacji: EN

Abstrakty

EN

In this paper a novel approach to accommodate distributed generation resources in the power distribution system is discussed to reduce the peak power demand. Direct load control (DLC) is the capability of aggregate and precisely control individual loads on command. The novel implemented approach in this work is the DLC to demand response. The DLC algorithms in regularity base are used for controllable loads which can be turned on and off with unnoticeable interruption where the load is forecasted and it is dispatched accordingly by using distributed generation resources and controllable loads, thereby it helps to reduce peak demand. Multi-Agent System (MAS) is consisting a group of agents which are capable of perceived environment that they are located and act on it by communicating with each other to achieve the goals. Therefore a MAS has been adopted to manage the direct load control simulation. Load has forecasted in MATLAB and MAS has programmed in ZEUS utilize the forecasted load data to dispatch the load in such a way so as to reduce the peak demand. The agents are located at demand aggregator level, zone level and DG level. They communicate to dispatch the load properly based on resources and load availability.

PL

W niniejszym artykule przeanalizowano nowatorskie podejście do integracji źródeł rozproszonych w celu redukcji szczytów zapotrzebowania na moc. Poprzez precyzyjną kontrolę obciążenia i odpowiednie grupowanie odbiorców możliwe jest kształtowanie zapotrzebowania. Nowatorskie podejście zaprezentowane w artykule polega na kształtowaniu reakcji na zapotrzebowanie. Algorytm kształtujący podstawę obciążenia jest wykorzystywany do kontroli sterowanych odbiorów, które mogą być wyłączane i załączane bez negatywnego wpływu na ich pracę. Obciążenie takie może być prognozowane i odpowiednio kształtowane co pomaga redukować szczyt zapotrzebowania. System wieloagentowy (ang. Multi Agent System (MAS)) składa się z grup inteligentnych agentów osadzonych w konkretnym środowisku, współdziałających z nim i komunikujących się między sobą, w celu osiągnięcia wyznaczonych celów. Taki system został zaadaptowany do symulacji zarządzania kształtowaniem zapotrzebowania. Obciążenie jest prognozowane w środowisku MABLAB, natomiast MAS został wykonany w programie ZEUS w oparciu o prognozy obciążenia, tak by je kształtując wygładzić szczyt zapotrzebowania. Agenci są umieszczeni na poziomach agregacji obciążeń, stref i generacji rozproszonej. Prawidłowe kształtowanie zapotrzebowania odbywa się w oparciu o dostępne zasoby i źródła.

Słowa kluczowe

EN

Multi Agent System; Load Management; smart grid; demand response

PL

system wieloagentowy; zarządzanie obciążeniem; smart grid; system reagujący na zapotrzebowanie

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2013
• Tom: R. 89, nr 3a
• Strony: 126--131
• Opis fizyczny: Bibliogr. 9 poz., schem., tab., wykr.

Twórcy

autor

Biabani M.

• K. N .Toosi University of Technology

autor

Golkar M. A.

• K. N .Toosi University of Technology

autor

Biczel P.

• Warsaw University of Technology

autor

Sajadi A.

• Warsaw University of Technology

Bibliografia

• [1]http://www.pickocc.org/publications/electronic/Understanding_Distributed_Generation.pdf
• [2] A David Andrews, “National Grid‟s use of Emergency Diesel Standby Generator‟s in Dealing with Grid Intermittency and Variability Potential Contribution in Assisting Renewables”, Open university conference on Intermittence, 24th January, 2006.
• [3] S. D. J. McArthur, S.M. Strachan, and G. Jahn, “The design of a multiagent transformer condition monitoring system,” IEEE Trans. Power Syst., vol. 19, no. 4, pp. 1845–1852, Nov. 2004.
• [4] Foundation for Intelligent Physical Agents (FIPA), 2007. [Online]. Available: http://www.fipa.org/.
• [5] Foundation for Intelligent Physical Agents (FIPA), Agent ManagementSpecification, 2002. [Online]. Available: http://www.fipa.org/specs/fipa00023/SC00023J.html.
• [6] Rui Duan and Geert Deconinck, “Future Electricity Market Interoperability of a Multi-agent Model of the Smart Grid”, International Conference on Networking, Sensing and Control, 2010
• [7] Frances Brazier, Frank Cornelissen, Rune Gustavsson, Catholijn M. Jonker, Olle Lindeberg, Bianca Polak and Jan Treur, “Agents Negotiating for Load Balancing of Electricity Use”, Proceedings of the International Conference on Distributed Computing Systems, 1998.
• [8] Zita A. Vale, Carlos Ramos Hugo Morais, Pedro Faria and Marco Silva, “The Role of Demand Response in Future Power Systems”, Transmission & Distribution Conference & Exposition: Asia and Pacific, 2009.
• [9] Zeus agent development toolkit [Online]. Available: http://labs.bt.com/projects/agents/zeus/.