Показати скорочену інформацію

dc.contributor.authorКулапін, О. В.uk
dc.contributor.authorМахотіло, К. В.uk
dc.contributor.authorKulapin, O. V.en
dc.contributor.authorMakhotilo, K. V.en
dc.date.accessioned2026-04-22T08:21:47Z
dc.date.available2026-04-22T08:21:47Z
dc.date.issued2024
dc.identifier.citationКулапін О. В., Махотіло К. В. Визначення оптимальної ємності акумулятора для індивідуального споживача-просьюмера // Вісник Вінницького політехнічного інституту. 2024. № 4. С. 30-36. URI: https://visnyk.vntu.edu.ua/index.php/visnyk/article/view/3064.uk
dc.identifier.issn1997-9274
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/51205
dc.description.abstractWith the deepening of the "renewable energy source-household load-energy storage system" interaction and the development of demand response technology, the emergence of prosumers has led to the need to optimize the microgrids operation. This paper proposes a new optimization technique using a linear programming method to solve the problem of optimal planning of distributed energy resources, including photovoltaic systems and energy storage systems. Optimization of the operation of energy storage systems is a complex problem as it has special limitations, such as requirements for depth of discharge, state of charge limitations, charge and discharge rates, etc. According to the level of generation and load, supplied by the microgrid, the costs of the energy storage system in the consumer, an objective function is established to optimize the capacity of the energy storage system. The purpose of the study is to find the balance of unused energy at the end of the simulated day. In this work, the main goal of optimization is to find the minimum value of the energy storage systems capacity, which provides all the needs of the consumer’s load for the given power of the photovoltaic systems. The strategy of electricity consumption has been developed, aimed at maximization of the the autonomy of the prosumer. The optimal values of battery capacities determined, using the direct search method were simulated and presented. The results of battery capacities are given for the same prosumer with different power values of the rooftop solar power plant. The analysis of the dependence of the battery capacity on the value of the installed power of the photovoltaic systems of the prosumer was carried out. The optimization problem is modeled and solved using Matlab optimization toolkit.en
dc.description.abstractЗ поглибленням взаємодії «джерело відновлюваної енергії — побутове навантаження — системи зберігання енергії» та розвитком технології реагування на попит, поява просьюмерів призвела до потреби в оптимізації роботи мікромереж. У статті запропоновано нову техніку оптимізації з використанням методу нелінійного програмування для вирішення проблеми оптимального планування розподілених енергетичних ресурсів, включаючи фотоелектричні системи та системи накопичення енергії. Оптимізація роботи систем накопичення енергії є складною проблемою, оскільки вона має спеціальні обмеження, такі як вимоги до глибини розряду, обмеження стану заряду, швидкості заряду та розряду тощо. Відповідно до рівня генерації та навантаження, що видається мікромережею, витратами на системи накопичення енергії у споживача, встановлюється цільова функція для оптимізації ємності таких систем. В роботі головною метою оптимізації є пошук мінімального значення ємності систем накопичення енергії, що забезпечує всі потреби навантаження споживача для заданої потужності фотоелектричної системи. Розроблено стратегію споживання електроенергії, спрямовану на максимальну автономність просьюмера. Змодельовано та подано оптимальні значення ємності акумуляторів, визначених за допомогою методу прямого пошуку. Результати ємності акумуляторів подано для одного просьюмера з різними значеннями потужності дахової фотоелектричної системи. Проведено аналіз залежності ємності акумулятора від значення встановленої потужності дахової фотоелектричної системи просьюмера. Задачу оптимізації модельовано та розв’язано за допомогою оптимізаційного інструментарію Matlab.uk
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofВісник Вінницького політехнічного інституту. № 4 : 30-36.uk
dc.relation.urihttps://visnyk.vntu.edu.ua/index.php/visnyk/article/view/3064
dc.subjectпросьюмерuk
dc.subjectсистема накопичення енергіїuk
dc.subjectоптимізаціяuk
dc.subjectвідновлювані джерела енергіїuk
dc.subjectenergy storage systemsen
dc.subjectrenewable energy sourcesen
dc.subjectprosumeren
dc.subjectoptimizationen
dc.subjectmodeling of energy consumptionen
dc.titleВизначення оптимальної ємності акумулятора для індивідуального споживача-просьюмераuk
dc.title.alternativeIon of Optimal Battery Capacity of the Household Prosumeren
dc.typeArticle, professional native edition
dc.typeArticle
dc.identifier.udc681.12
dc.relation.referencesL. Gruber, T. Klatzer, and S. Wogrin, Developing a Framework for Multiple Participation in Energy Communities. 2023. https://doi.org/0.36227/techrxiv.23294795.v1.en
dc.relation.referencesO. Kulapin, A. Ivakhnov, D. Danylchenko, S. Fedorchuk, V. Hrytsenko, and D. Stanislav, “Prospects of Using Prosumers to Analyze the Potential of Demand Management,” in 2022 IEEE 3rd KhPI Week on Advanced Technology (KhPIWeek), 2022, pp. 1-5. https://doi.org/10.1109/KhPIWeek57572.2022.9916321.en
dc.relation.referencesM. Marzband, M. Javadi, S. A. Pourmousavi, and G. Lightbody, “An advanced retail electricity market for active distri-bution systems and home microgrid interoperability based on game theory,” Electr. Power Syst. Res., no. 157, pp. 187-199, 2018. https://doi.org/10.1016/j.epsr.2017.12.024.en
dc.relation.referencesC. D. Korkas, S. Baldi, and E. B. Kosmatopoulos, “Grid-Connected Microgrids: Demand Management via Distributed Control and Human-in-the-Loop Optimization,” Advances in Renewable Energies and Power Technologies, Elsevier, 2018, pp. 315-344. https://doi.org/10.1016/B978-0-12-813185-5.00025-5.en
dc.relation.referencesM. Guo et al., “Access Point And Capacity Optimization Planning Method Of Virtual Power Plant,” in 2021 IEEE 5th Conference on EnergyInternet and Energy System Integration (EI2), 2021, pp. 1877-1881. https://doi.org/10.1109/EI252483.2021.9712891.en
dc.relation.referencesM. Ruiz-Cortés et al., “Optimal Charge/Discharge Scheduling of Batteries in Microgrids of Prosumers,” IEEE Trans. En-ergy Convers., vol. 34, no.1, pp. 468-477, 2019. https://doi.org/10.1109/TEC.2018.2878351.en
dc.relation.referencesB. Kumaran Nalini, Z. You, M. Zade, P. Tzscheutschler, and U. Wagner, “OpenTUMFlex: A flexibility quantification and pricing mechanism for prosumer participation in local flexibility markets,” Int. J. Electr. Power Energy Syst., no. 143,pp. 108382, 2022. https://doi.org/10.1016/j.ijepes.2022.108382.en
dc.relation.referencesC. Korkas, S. Baldi, I. Michailidis, and E. Kosmatopoulos, “Occupancy-based demand response and thermal comfort op-timization in microgrids with renewable energy sources and energy storage, ” Appl. Energy, no. 163, pp. 93-104, 2016, https://doi.org/10.1016/j.apenergy.2015.10.140.en
dc.relation.referencesM. Secchi, G. Barchi, D. Macii, D. Moser, and D. Petri, “Multi-objective battery sizing optimisation for renewable energy communities with distribution-level constraints: A prosumer-driven perspective,” Appl. Energy, no. 297, pp. 117-171, 2021, https://doi.org/10.1016/j.apenergy.2021.117171.en
dc.relation.referencesM. Fice, andK. Dębowski, “Energy management in a semi off-grid prosumer micro system,” 2016 13th Selected Issues of Electrical Engineering and Electronics (WZEE), 2016, pp. 1-6. https://doi.org/0.1109/WZEE.2016.7800204.en
dc.relation.referencesN. A. Shan, Y. Li, and H. Li, “Motivations behind P2P energy trading: a machine learning approach,”Int. J. Chin. Cult. Manag., vol. 5, no. 3, с. 189, 2022. https://doi.org/10.1504/IJCCM.2022.123645.en
dc.relation.referencesA. Boumaiza, and A. Sanfilippo, “Energy Prosumer for Local Energy Marketplace,” в 2023 IEEE International Confer-ence on Industrial Technology (ICIT), с. 1-5 , 2023. https://doi.org/10.1109/ICIT58465.2023.10143096.en
dc.relation.referencesU. Cali and A. Fifield, “Towards the decentralized revolution in energy systems using blockchain technology, ” Int. J. Smart Grid Clean Energy, pp. 245-256, 2019. https://doi.org/10.12720/sgce.8.3.245-256.en
dc.relation.referencesО. В. Кулапін і К. В. Махотіло, «Моделювання смарт-мережі споживачів-просьюмерів з фотоелектричними си-стемами», 2019, [Електронний ресурс]. Режим доступу:https://repository.kpi.kharkov.ua/handle/KhPI-Press/46363 . Датазвернення: 08, Червень 2024.uk
dc.relation.referencesH. Chen, T. Cong, W. Yang, C. Tan, Y. Li, and Y. Ding, “Progress in electrical energy storage systems: a critical re-view. Prog Nat Sci,” Prog. Nat. Sci., no. 19, pp. 291-312, 2009. https://doi.org/10.1016/j.pnsc.2008.07.014.en
dc.relation.referencesО. Кулапін і К. Махотіло, «Моделювання графіків навантаження просьюмера на базі поведінкового підходу,» POWER Eng. Econ. Tech. Ecol., no. 1, 2024. https://doi.org/10.20535/1813-5420.1.2024.297584.uk
dc.identifier.doihttps://doi.org/10.31649/1997-9266-2024-175-4-30-36


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію