چکيده— شبکه هوشمند به شدت در حال رشد و ارتقای شبکه های توان می باشد که این رشد بواسطه بازده بالاتر تولید توان، هزینه پائین تر مصرف انرژی و تجربه بهتر کاربر مصرف کننده حاصل می شود. میکروشبکه برای کاهش بار شبکه های سراسری توان از تولید انرژی منابع تجدیدپذیر توزیع شده استفاده می کند. این مقاله یک اکوسیستم انرژی را پیشنهاد می کند؛ یک میکروشبکه هوشمند به صرفه و اقتصادی که اساس آن، ایجنت های سلسله مراتبی هوشمند می باشد و شامل مکانیسم دینامیک و پویای پاسخ به تقاضا (DR) و نیز مدیریت منابع انرژی توزیع شده (DER) می باشد. با وجود یک مکانیسم بروزرسانی دینامیک و پویا، سیستم پاسخ به تقاضا با اولویت های کاربر و نیز اطلاعات خارجی متغیر، تطبیق می یابد. سیستم مدیریت DER، عملیات میکروسیستم های ترکیبی تولید توان الکتریکی و گرما (μCHPs) و باطری VRB (باطری اکسایشی-کاهشی وانادیومی) را بر اساس تصمیمات سیستم پاسخ به تقاضا (DR) هماهنگ می سازد. به منظور کاهش هر چه بیشتر هزینه مصرف انرژی، یک استراتژی دو سطحی مدیریت سیستم های μCHPs هزینه-محور پیشنهاد می شود. پروسه دشارژ باطری VRB بگونه ای مدیریت می شود تا اینکه "سازگار با محیط" باشد. نتایج شبیه سازی و نتایج عددی نشان می دهند که سیستم پیشنهادی در کاهش هزینه مصرف انرژی و نیز محقق ساختن خواسته های کاربران، بسیار موثر و کارآمد است.
کلمات کليدي-پاسخ به تقاضا (DR)، منابع انرژی توزیع شده (DER)، بهینه سازی ازدحام ذرات (PSO)، روش یادگیری Q-learning، شبکه هوشمند

Abstract:  Smart grid is advancing power grids significantly, with higher power generation efficiency, lower energy consumption cost, and better user experience. Microgrid utilizes distributed renewable energy generation to reduce the burden on utility grids. This paper proposes an energy ecosystem; a costeffective smart microgrid based on intelligent hierarchical agents with dynamic demand response (DR) and distributed energy resource (DER) management. With a dynamic update mechanism, DR automatically adapts to users’ preference and varying external information. The DER management coordinates operations of micro combined heat and power systems (μCHPs), and vanadium redox battery (VRB) according to DR decisions. A twol evel shared cost-led μCHPs management strategy is proposed to reduce energy consumption cost further. VRB discharging is managed to be environment-adaptive. Simulations and numerical results show the proposed system is very effective in reducing the energy consumption cost while satisfying user’s preference.
Keywords-Demand response (DR), distributed energy resources (DER), microgrid, particle swarm optimization (PSO),Q-learning, smart grid