پروژه آماده تحویل قدرت : جایابی بهینه ذخیره‌ساز انرژی برای کاهش هدر رفت تجدیدپذیرها

۳۰ خرداد ۱۴۰۵

📋 معرفی پروژه

هدف: تعیین مکان بهینه ایستگاه‌های ذخیره‌سازی انرژی (باتری) در شبکه‌های انتقال برق برای:

• ✅ کاهش هدر رفت تولیدات تجدیدپذیر (خورشیدی، بادی)
• ✅ بهبود پایداری شبکه و کاهش قطع برق
• ✅ کاهش هزینه‌های نوسان قیمت برق
• ✅ بهینه‌سازی سرمایه‌گذاری و بهره‌وری

🎯 ۱۰ تحویل پروژه

تحویل ۱: مدل‌سازی ریاضی شبکه و تدوین مسئله

اهداف:

• تعریف ریاضی مسئله بهینه‌سازی
• مشخص کردن متغیرهای تصمیم، تابع هدف و قیود
• تجزیه‌تحلیل ادبیات پروژه

خروجی:

• گزارش مدل ریاضی ۵ صفحه‌ای
• فرمول‌بندی دقیق قیود شبکه (Kirchhoff، ظرفیت خط، محدودیت ژنراتور)
• فرمول‌بندی معادلات ذخیره‌ساز (شارژ/دشارژ، تلفات، حد ذخیره)

تحویل ۲: جمع‌آوری و پردازش داده‌های شبکه

اهداف:

• جمع‌آوری توپولوژی شبکه (نقاط، خطوط، ظرفیت‌ها)
• آماده‌سازی داده‌های بار و تولید تجدیدپذیر
• تهیه حالات سناریوی مختلف (روز پُربار، روز کم‌بار، فصل‌های مختلف)

خروجی:

• فایل داده شامل: topology، time-series بار، تولید تجدیدپذیر
• نمودارهای توصیفی بار و منابع تجدیدپذیر

تحویل ۳: کدنویسی مدل بدون ذخیره‌ساز (Baseline)

اهداف:

• پیاده‌سازی مسئله‌ی پاورفلو بدون ذخیره‌ساز
• تعیین سناریو بیس برای مقایسه

خروجی:

# کد Pyomo:
# - متغیرهای: تولید ژنراتور، جریان خط، زاویه ولتاژ
# - قیود: بالانس توان، محدودیت خط، محدودیت ژنراتور
# - هدف: کمینه‌سازی هزینه‌ی تولید

• کد کامل + نتایج baseline
• نقاط گرفتگی در شبکه (congestion points)

تحویل ۴: مدل‌سازی ذخیره‌ساز و قیود جدید

اهداف:

• اضافه کردن متغیرهای ذخیره‌ساز (موقعیت، ظرفیت، شارژ/دشارژ)
• تدوین قیود ذخیره‌ی انرژی و حد‌های تکنیکی

خروجی:

# متغیرهای جدید:
m.battery_capacity[i]      # ظرفیت در نقطه i
m.energy_level[i,t]        # سطح انرژی در زمان t
m.charge[i,t], m.discharge[i,t]

• قیود: SoE (State of Energy)، تلفات، حد‌های شارژ/دشارژ
• کد اولیه با تحلیل قیود

تحویل ۵: تدوین هدف (Objective Function) چندهدفه

اهداف:

• تعریف تابع‌های هدف متعدد:
  • کمینه‌سازی هزینه‌ی تولید
  • کمینه‌سازی هدر رفت تجدیدپذیرها
  • کمینه‌سازی هزینه‌ی سرمایه‌گذاری ذخیره‌ساز

خروجی:

• فرمول ریاضی هدف‌های منفرد
• وزن‌دهی و ترکیب اهداف (Weighted Multi-Objective)
• تحلیل Pareto Front

تحویل ۶: حل مسئله برای شبکه کوچک (Test Case)

اهداف:

• اجرای مدل روی یک شبکه کوچک و ساده (۳-۵ باس)
• تصحیح syntax و logic errors
• بررسی معقول‌بودن نتایج

خروجی:

# نتایج:
# - جایابی بهینه ذخیره‌سازها
# - سطح انرژی و جریان شارژ/دشارژ
# - تابع هدف (کل هزینه)

• جداول و نمودارهای نتایج
• مقایسه با baseline

تحویل ۷: بهبود و بهینه‌سازی کد

اهداف:

• بهتر کردن solver settings (TimeLimit، Optimality Gap)
• اضافه کردن warm start و heuristics
• بهبود سرعت حل

خروجی:

• بررسی solver logs و زمان حل
• تحلیل sensitivity روی پارامترهای مختلف
• گزارش بهبود‌های اعمال‌شده

تحویل ۸: حل برای شبکه واقعی (۳۰ یا ۱۱۸ نقطه)

اهداف:

• اجرای مدل روی شبکه‌ی واقعی بزرگ‌تر
• مقابله با مسائل محاسباتی

خروجی:

• نتایج جایابی بهینه برای شبکه بزرگ
• مانده‌ی بهینگی (optimality gap)
• نقاط ذخیره‌سازی پیشنهادی و اندازه‌های آن‌ها

تحویل ۹: تحلیل سناریوها و حساسیت

اهداف:

• بررسی نتایج در سناریوهای مختلف:
  • افزایش نفوذ تجدیدپذیرها (۳۰٪، ۵۰٪، ۷۰٪)
  • تغییر ظرفیت شبکه
  • تأثیر قیمت ذخیره‌ساز

خروجی:

• جداول تحلیل حساسیت
• نمودارهای اثر متغیرهای کلیدی

• توصیه‌های برنامه ریزی

تحویل ۱۰: گزارش نهایی و ارائه

اهداف:

• خلاصه تمام یافته‌ها
• توصیه‌های عملی
• راهکارهای آینده

خروجی:

• گزارش نهایی 10 صفحه‌ای
• ارائه و اسلاید‌های خلاصه
• کد کامل با مستندات
• فایل‌های داده و نتایج

📊 نتایج انتظاری

پس از تکمیل پروژه، باید بتوانی:

✅ مسئله جایابی بهینه را به شکل ریاضی فرموله کنی
✅ کد Pyomo/GAMS برای حل مسئله تولید کنی
✅ داده‌های شبکه واقعی را پردازش و آنالیز کنی
✅ نتایج را تفسیر کنی و توصیه‌های عملی ارائه دهی
✅ گزارش حرفه‌ای و ارائه‌ی قابل قبول برای صنعت تدوین کنی

📁 فایل‌های پروژه

🚀 شروع کار

۱. مطالعه ادبیات: جستجو برای مقالات درباره Energy Storage Placement ۲. انتخاب شبکه‌ی تست: از IEEE Test Cases استفاده کن (IEEE 30-Bus, IEEE 118-Bus)

💬 سوالات و راهنمایی

سوالی درباره هر تحویل داری؟ @pypyid تلگرام.