پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 44 |
| تعداد شمارهها | 1,877 |
| تعداد مقالات | 15,278 |
| تعداد مشاهده مقاله | 43,731,461 |
| تعداد دریافت فایل اصل مقاله | 17,563,669 |
مدیریت نیروی محرکه الکتریکی و بهینه سازی مصرف در حضور منابع تغذیه هیبریدی | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| هوش محاسباتی در مهندسی برق | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| مقاله 1، دوره 5، شماره 4، اسفند 1393، صفحه 1-14 اصل مقاله (551.85 K) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| نوع مقاله: مقاله پژوهشی فارسی | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| نویسندگان | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| علیرضا پاکخصال1؛ حبیب اله اعلمی* 2؛ الیاس ابراهیم زاده3 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 1کارشناسی ارشد، دانشکده فنی مهندسی، دانشگاه آزاد واحد تهران جنوب، تهران، ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 2استادیار، دانشکده و پژوهشکده فناوری اطلاعات و ارتباطات، دانشگاه جامع امام حسین (ع)، تهران، ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 3- دانشجوی دکتری تخصصی، دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران، تهران، ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| چکیده | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| بهرهبرداری از منابع تولید پراکنده و تجدید پذیر اگرچه پتانسیل بالایی دارند، اما ممکن است به علت طبیعت متغیرشان مشکل آفرین باشند. علاوه بر این، نوسانهای باد و یا تغییرات شدید آب و هوایی میتواند به نوسانهای موقتی در ولتاژ منجر شود. تحقیقات نشان میدهد که ذخیره سازی انرژی میتواند این طبیعت تصادفی را جبران کند و در بازه زمانی کوتاه بدون نیاز به قطع بار و یا به مدار آوردن منابع انرژی جدید مؤثر باشد. همچنین، بهرهگیری از ذخیرهسازهای انرژی برای یکنواخت کردن پروفیل توان و تنظیم ولتاژ در نقاط اتصال، امکان استفاده بهتر از توان تولیدی را فراهم میآورد و میتواند راه حلّ اقتصادی تلقی شود. در این راستا، در این مقاله یک سیستم مدیریت انرژی هوشمند به منظور بهینه کردن بهرهبرداری از سیستم الکتریکی نمونه و برنامهریزی تولید و ذخیره انرژی طراحی شده است. روش پیشنهاد شده قادر است بسته به اهداف کاری مختلف و درجه اهمیت متناظرشان با استفاده از روش بهینه سازی پارتو نقاط کار بهینه را تعیین نماید. در این روش، ساعات استفاده و میزان استفاده از منابع مختلف انرژی بهگونهای که کمترین هزینه و پایین ترین آلودگی زیست- محیطی را بهدست دهد، تعیین شده است. در نهایت، به منظور اعتبار سنجی الگوریتم پیشنهادی، روش با استفاده از نرم افزارهای MATLAB و GAMS بر روی یک سیستم پیشرانه الکتریکی نمونه پیاده و نتایج بحث و بررسی شده است. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| کلیدواژهها | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ذخیره سازی انرژی؛ مدیریت بهینه مصرف انرژی؛ برنامه ریزی خطی اعداد صحیح؛ بهینه سازی پارتو | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| اصل مقاله | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
1- مقدمه[1]از آنجایی که امروزه مفاهیمی مانند قابلیت اطمینان، بهبود راندمان، تقلیل هزینههای بهره برداری، بهرهگیری مناسبتر از منابع انرژی و مدیریت بهینه آنها مرکز توجه بسیاری از صنایع تولیدی؛ بالاخص تولیدات صنعتی با کاربرد نظامی قرارگرفته است، نیاز است نگاهی عمیقتر و بهتر در این خصوص افکنده شود. برای نمونه، در مرجع]1[ یک پیش بینی میان مدت (MTF) از میزان تابش خورشید و درجه حرارت هوا بر اساس رفتارشان در روزهای قبل در قالب یک تخمینگر عصبی- فازی انجام شده است. سپس با بهره گیری از فیلتر کالمن و مدلسازی ARMA به یک پیش بینی کوتاه مدت (STF) دست مییابد. با تغذیه مدل ریاضی سلول های خورشیدی از طریق MTF و STFمیزان انرژی تولیدی روزانه و ساعت به ساعت به راحتی بهدست میآید. مرجع] 2[ یک رشته از دادههای موجود برای میزان تابش آفتاب[1] را به عنوان نمونه بر روی حوزههای فرکانسی- زمانی نگاشت میکند که در این فرایند از تبدیل موجک بهره میگیرد و در هر حوزه از یک شبکه عصبی RBP برای پیش بینی میزان توان تولیدی حاصل از سلولهای خورشیدی استفاده میکند. به طور کلی، میتوان گفت چندین عامل در رشد ذخیره سازهای انرژی نقش دارند ]3-10[ که عبارتند از:
نیاز روز افزون به قابلیت اعتماد و امنیت در تأمین انرژی الکتریکی مدیریت انرژی فرآیندی است؛ شامل انتخاب مجموعهای از تولیدات که بتواند مجموعهای از بارها را با کمترین هزینه و تلفات تأمین کند. از این رو، در حل مسأله مدیریت هوشمند تلاش شده است تابع هزینه با فرض عدم قطع بار به حالت بهینه برسد؛ به این صورت که اگر بار موجود در سیستم نتواند از طریق تولیدات پراکنده در محل تأمین شود، باید از طریق دیگری که البته قیمت بالاتری دارد، تهیه شود. در مرجع ]11 [روش هوشمندی برای کنترل توان برای عملکرد خودگردان سیستم ارائه شده است. روش کنترلی مذکور مبتنی بر یک واحد تخمینگر تطبیقی (AEU[2]) است که میتواند دامنه، فاز و فرکانس مؤلفههای توان اکتیو و راکتیو را تخمین بزند (شکل 1) و در قالب یک الگوریتم ردیابی سینوسی (STA[3]) پیاده سازی میشود. در انتها، درستی روش فوق بریک سیستم نمونه تست میشود و به اثبات میرسد. در مرجع [12] از یک روش ترکیبی برای پیش بینی انرژی خورشیدی استفاده شده است؛ به عبارت دیگر، با بهرهگیری از خواص دینامیکی شبکههای عصبی بازگشتی (RNN[4]) و نگاشت تبدیل موجک از پدیدههای غیر خطی، به یک شبکه عصبی قطری بازگشتی مبتنی بر تبدیل موجک(DRWNN[5]) دست یافته است. به کاربردهای مختلف شبکه های عصبی در بحث انرژیهای نو بر طبق یک فهرست موضوعی در مرجع] 13[ اشاره میشود؛ از قبیل کاربرد تکنیکهای هوشمند عصبی در مدلسازی، طراحی و پیش بینی توان تولیدی منابع انرژی های تجدیدپذیر. در مراجع] 14-15[ نویسنده ضمن اشاره به برنامهریزی عدد صحیح انرژیهای تجدید پذیر در سیستمهای هوشمند، بر آن است که روشهای مرسوم مدیریت انرژی را بهبود بخشد و در نهایت روش مزبور را در یک شبکه نمونه، تست و برتری آن را به اثبات میرساند. بسیاری از مراجع مذکور با معرفی یک سیستم تولید و ذخیره توان، در واقع تنها به ارائه یک الگو بسنده و یا به برتری توانی یا راندمانی الگوی خود اشاره کرده اند. در ساختار طرح پیشنهادی این مقاله، علاوه بر استفاده از منابع متعدد و متنوع تولید انرژی الکتریکی و نگاه کامل به ذخیره و تولید در کنار استفاده از منابع تولید تجدیدپذیر از یک منظر و اولویت دادن به هر بخش، بنا به محدودیتهای منابع و خواسته های اپراتور از سویی دیگر پرداخته شده است.
شکل (1): دیاگرام بلوکیAEU
در این تحقیق سعی شده است ضمن پرداختن به اصل "برنامهریزی و مدیریت هوشمند انرژی"، با معرفی یک سیستم الکتریکی جامع ترکیبی (هیبریدی) - نظیر یک سیستم پیشرانه الکتریکی که طیف وسیعی از منابع تولید و ذخیره انرژی را در اختیار داشته باشد- اجرای این روشهای هوشمند مدیریتی و کنترلی تولید و ذخیره انرژی تحقیق و مطالعه شود. در این مقاله سیستم الکتریکی هیبریدی با منابع انرژی های نو که با تولید متغیر و عدم قطعیت همراه است، با حضور ذخیره سازها در نظر گرفته شده است. همچنین، در ساعات مختلف که میزان تولید/میزان بار تغییر می کند، میزان مصرف و میزان بهره برداری از هر منبع انرژی با استفاده از روش توابع چند هدفه بهینه شده است. در واقع، در این مقاله نگاه چند منظوره ای به مسائل تامین انرژی با حفظ قیود اقتصادی از یک منظر و مسأله زیست- محیطی از منظری دیگر طرح گردیده است. روش پیشنهادی به مصرف کننده این امکان را میدهد تا مهمترین قید تاکیدی خود را عنوان و نتیجه عملیاتی مناسب را با توجه به قیود مطرح شده، دریافت کند. علاوه بر این موضوع، حل مسأله با چند قید همزمان (تابع چند هدفه) و به دست آوردن مجموعه جواب در نقاط کار مختلف، امکان انتخاب بهترین نقطه کار از دیدگاه مصرف کننده را مهیا می سازد. تمامی موارد ذکر شده، از جمله مزایای روش پیشنهادی است که مطالعات گذشته به این جامعیت به آن نپرداخته اند.
2- بهرهبردای هوشمند از یک ریز شبکه الکتریکیبرنامهریزی دقیق منابع انرژی در یک سیستم الکتریکی از درجه اهمیت بالایی برخوردار است ، زیرا بهبود بهرهبرداری از سیستم چه از لحاظ اقتصادی، چه از نظر زیست- محیطی و کاهش آلودگی وچه از نظر قابلیت اطمینان و پایداری شبکه مهم خواهد بود. لذا ارائه روشهای بهینه سازی مناسب در جهت رفع این مشکل امری لازم و ضروری است. از طرفی باید توجه داشت این حوزه مسائل زیادی، ازجمله بهینه سازی همزمان چندین تابع هدف را شامل می شود. معمولاً این توابع هدف غیر همجنس، متباین و اغلب در تضاد با یکدیگر هستند. بهینه سازی چندهدفه با توابع هدف متناقض به ایجاد یک مجموعه جواب به جای یک جواب بهینه منجر میشود ]16-17[. دلیل بهینه بودن تعداد زیادی از جوابها این است که با در نظر داشتن همة توابع هدف به طور همزمان هیچ جوابی نمیتواند همة توابع هدف را بهینه کند. این مجموعه جواب بهینه به عنوان مجموعه بهینه پارتو[6]شناخته میشود] 18[. یک مسألة بهینه سازی چندهدفه کلی شامل تعدادی تابع هدف است که باید همزمان بهینه شوند و تعدادی قید تساوی و نامساوی که باید رعایت شوند. بنابراین، مسأله را می توان به صورت زیر فرمول بندی کرد:
که در رابطه فوقF بردار حاوی توابع هدف و X بردار شامل متغیرهای بهینه سازی است. نماینده امین تابع هدف و و به ترتیب بیانگر قیدهای نامساوی و تساوی است. همچنین بر تعداد توابع هدف موجود در مسأله دلالت دارد. در یک مسألة بهینه سازی چندهدفه جوابهای و می توانند یکی از این دو حالت را داشته باشند: یکی دیگری را مغلوب[7] کند یا هیچکدام یکدیگر را مغلوب نکنند. بهطور کلی، در یک مسألة بهینه سازی اگر هر دو شرط زیر برقرار شوند، آنگاه جواب را مغلوب می کند:
اگر جواب را مغلوب کند، آنگاه جواب غیر مغلوب[8] یا غالب نامیده میشود و جواب هایی که در کل فضای جستجو مسلط باشند، مجموعه جواب بهینه پارتو را تشکیل میدهند.
1- 2 – 1 – مدل سازی مسأله بهره برداری هوشمند از ریز شبکه نمونهسیستم های هوشمند به سیستم هایی گفته می شود که سیستم به صورت خودکار و اتوماتیک وضعیت خود را با تغییر شرایط و داده ها به صورت آنلاین تغییر و در حالت بهینه قرار می دهد. بهعبارت دیگر، مدیریت بهره برداری هوشمند عبارت است از مدیریت دینامیکی سیستم ها با توجه به شرایط متغیر محیط؛ چنانکه در این مقاله به صورت هوشمند با توجه به تغییر شرایط محیطی، میزان بهره برداری از سیستمها (دیسپاچینگ سیستم ها) تغییر می کند. در این تحقیق مسأله بهرهبرداری از شبکه به صورت تابعی بهینهساز با دو هدف غیرهمسان پیاده سازی میشود که در آن هزینه کل بهرهبرداری از سیستم محرکه و میزان آلودگی ناشی از آلایندهها به طور همزمان بررسی میشود.
2- 2– 2- توابع هدف
هزینه کل بهرهبرداری از سیستم مذکور در حقیقت شامل هزینههای سوخت منابع تولیدی و هزینه مربوط به روشن یا خاموش شدن آنهاست. خروجی این تابع هدف معرفی مجموعهای از توانهای تولیدی مربوط به واحدها و در بازه زمانی خاصی است که در شرایط بهینه اقتصادی محاسبه شده است. به این ترتیب، اولین تابع هدف به صورت رابطه (3) بیان میگردد:
در این رابطه بیانگر کل ساعات مورد مطالعه است و و به ترتیب بر کل تعداد واحدهای تولیدی و عناصر ذخیره کننده انرژی دلالت دارد. نشان دهنده وضعیت روشن (عدد 1) و یا خاموش بودن (عدد 0) واحد ام در زمان است و و نیز به توان خروجی واحد ام و ذخیره کننده ام در زمان اشاره دارد. و بترتیب تابع هزینه واحدهای تولیدی و عناصر ذخیره کننده است و هزینه راه اندازی متناظرشان با و مدل می شود.
به منظور در نظر گرفتن اثرهای مخرب زیست- محیطی ناشی از آلایندههای موجود، میزان آلودگی به عنوان هدف دوم در حل مسأله بهینهسازی لحاظ می شود. در این راستا از شایعترین آلایندهها نظیر دی اکسید گوگرد (SO2)، اکسیدهای نیتروژن (NOx) و دیاکسید کربن (CO2) استفاده میشود. مدل ریاضی دومین تابع هدف مشابه با رابطه (4) بوده، تنها میزان آلودگی ناشی از واحدها و یا ذخیره کنندههای انرژی جایگزین قیمت پیشنهادی آنها میشود.
در این رابطه و به ترتیب به میزان آلودگی ناشی از واحد ام و ذخیره کننده ام در زمان و بر حسب اشاره دارد که از قرار زیر هستند:
که عبارات شامل ، و در هر یک از روابط فوق به ترتیب بیانگر میزان تصاعد دی اکسید گوگرد، اکسیدهای نیتروژن و دی اکسید کربن از منبع مربوطه در زمان است.
3- 2 – 3 - قیود مسأله
مهمترین شرطیکه در واقع پایه بهرهبرداری از یک سیستم به حساب میآید، تعادل میان میزان بار و مجموع توان تولیدی واحدها در هر زمان است که به صورت رابطه (7) بیان میگردد.
در رابطه فوق بیانگر میزان بار ام وارد بر سیستم و در زمان و تعداد کل سطوح بارهاست.
تمامی منابع انرژی به دلایل فنی و مشخصههای عملکردی خود لازم است در محدوده توانی خاصی مطابق رابطه (3-8) عمل کنند:
که و به ترتیب بیانگر حداقل توان اکتیو تولیدی واحدهای پراکنده و ذخیره کنندههای انرژی است و و نشان دهنده ماکزیمم توان تولیدی آنها در زمان است.
از آنجایی که ذخیره کنندههای انرژی در هر بخش معینی از زمان قادرند میزان معینی به شارژ خود اضافه کنند یا دشارژ شوند، لذا دارای محدودیتهایی از لحاظ نرخ شارژ یا دشارژ و توان تحویلی در هر ساعت مطابق روابط (9) و (10) هستند:
که و به ترتیب نمایانگر میزان انرژی ذخیره ساز ام در ساعت فعلی و قبلی است و و به ترتیب نشان دهنده میزان مجاز توان مصرفی (شارژ) و یا تولیدی (دشارژ) ذخیره کننده در زمان فعلی هستند که بین مقادیر حداقل صفر و حداکثرهای و محدود هستند. به طور مشابه کمیتهای و راندمانهای کلی عملکردی را بیان می کنند که به ترتیب نمایانگر راندمان شارژ و یا دشارژ ذخیره کننده مزبور هستند. در این تحقیق به منظور بررسی رفتار المانهای موجود در سیستم از بازههای کوتاه مدت ساعت به ساعت ( ) و افق زمانی بلند مدت (24 ساعته) استفاده شده است.
برای عملکرد مطمئن سیستم الکتریکی و همچنین افزایش قابلیت اطمینان، نیاز است که سطحی از رزرو در نظرگرفته شود تا اگر به هر دلیلی سیستم اصلی دچار مشکل شود، بتواند بارمصرفی خود را بدون بروز اخلال تأمین کند. به همین علت، در شبیه سازی ها این قید اعمال شده است که در هر ساعت همواره حداقل به اندازه بزرگترین منبع انرژی رزرو درنظر گرفته شده است، تا اگر یک منبع انرژی اصلی از سیستم جدا شود، این کمبود توان توسط منابع دیگر درون سیستم بتواند جبران شود.
3- سیستم الکتریکی مورد مطالعهبهکارگیری منابع کوچک انرژی به صورت منفرد میتواند به بروز مشکلاتی منجر شود؛ اگر چه گاهی راه حل مشکل نیز تلقی میشود. لذا یک روش بهتر برای استفاده مناسبتر از این واحدها، در نظر گرفتن مجموعه ای از تولیدات به همراه بارهای محلی مربوطه به صورت یک زیر سیستم و یا ریز شبکه است.
شکل (2): یک پیشرانه نمونه مجهز به پانلهای خورشیدی برای استفاده از منبع انرژی تجدیدپذیر
در این مقاله، یک سیستم الکتریکی نمونه در سطح ولتاژ پایین (L.V) فرض میشود که که طیف متنوعی از مولدهای انرژی الکتریکی مانند: میکروتوربین، پیل سوختی، فتوولتائیک و باتری در اختیار باشند (شکل2). همچنین هسته کنترل مرکزی شبکه (SEMS [9]) از طریق کنترلرهای اصلی سیستم عمل برنامهریزی تولید، ذخیره و یا تبادل توان میان بخشهای مختلف سیستم را بهعهده میگیرد. سیستم محرک یک پیشرانه در شکل (3) و کل بار الکتریکی وارد بر سیستم، اعم از رانشی، وادارنده، روشنایی داخلی و غیره در یک روز منتخب (منحنی بار کل ریزشبکه) در شکل (4) رسم شده است.
شکل (3): سیستم نیروی محرکه الکتریکی
شکل (4): منحنی بار ریز شبکه نمونه در یک روز مشخص
همچنین، کلیه مشخصات فنی و قیود عملکردی واحدهای تولید پراکنده در جداول 1 و 2 نشان داده شده است. از آنجایی که در تأمین توان مورد نیاز سیستم رانشی از انرژیهای تجدید پذیر نظیر انرژی خورشیدی استفاده شده است، ارزیابی مناسب آنها در بهبود بهره برداری از سیستم امری ضروری خواهد بود. به این منظور، از یک الگوریتم تخمینگر نظیر شبکه عصبی برای پیش بینی میزان توان حاصل از این منابع انرژی در ریز شبکه نمونه بهره گرفته میشود. میزان توان خروجی پیش بینی شده برای واحد خورشیدی در جدول 3 نشان داده شده است.
جدول (1): حدود توانی واحدهای تولیدی
* علامت مثبت در باتری به منزله تحویل توان به سیستم یا وضعیت دشارژ باتری و علامت منفی به منزله جذب توان یا وضعیت شارژ باتری است.
جدول (2): مشخصههای فنی و عملکردی واحدهای تولید پراکنده (میزان آلاینده ها)
جدول (3): میزان توان خروجی پیش بینی شده برای واحد خورشیدی
4- ارزیابی الگوریتم بهینهسازی پیشنهادیدر این بخش، الگوریتم پیشنهادی برای حل مسأله مدیریت بهرهبرداری از شبکه نمونه پیادهسازی و عملکرد آن در تخصیص تولید و یا ذخیره توان با در نظر گرفتن اهداف اقتصادی و زیست محیطی بررسی می شود. در تمامی مدلهای پیشنهادی کلیه هزینههای مربوط به بهرهبرداری از شبکه در نظر گرفته میشود و آلودگی ناشی از تمام آلایندههای موجود لحاظ میگردد. از طرفی ضروری است تا مسأله بهینه سازی با توجه به هر تابع هدف جداگانه حل شود و سپس با در دست داشتن مقادیر مختلف توابع هدف و تجمیع آنها در یک قالب مشخص به حل مسأله کلی پرداخته شود. اضافه می گردد که حل مسأله بهینه سازی مطرح در این مقاله از دسته مسائل برنامه ریزی خطی اعداد صحیح [10] محسوب می شود که بهعلت پیچیدگی مدل برای حل آن از نرم افزار GAMS[11] کمک گرفته شده است. این نرم افزار از سرعت بسیار بالایی در حل مسائل بهینه سازی مدلهای بزرگ و پیچیده برخوردار است و معمولا برای حل مسائل برنامه ریزی خطی (LP)، برنامه ریزی غیرخطی (NLP) و برنامه ریزی اعداد صحیح مختلط (خطی و غیرخطی) بهکار می رود. همچنین، سعی میشود به منظور شناسایی بهتر هزینهها و آلودگیهای موجود در شبکه و ارزیابی میزان آنها در شرایط کاری مختلف، نخست چندین سناریوی مختلف از وضعیت کاری ریز شبکه طرح شود و سپس بر مبنای محاسبات صورت گرفته و نتایج بهدست آمده تصمیمات مناسب برای ساخت مدل نهایی اتخاذ شود.
4-1- سناریوی اول در اولین سناریوی پیشنهادی فرض میشود سیستم الکتریکی در پیشرانه مورد مطالعه و اجزای محرکة آن طوری مدیریت و برنامهریزی شوند که کمترین هزینه بهرهبرداری بهدست آید. در این صورت، تخصیص نقاط کار بهینه به واحدهای تولیدی با در نظر گرفتن تک هدف اقتصادی در جدول 4 و شکل (5) نشان داده شده است. در واقع، پس از حل معادلات موجود با تاکید بر مسأله اقتصادی، اعداد بهینه منابع در جدول و شکل مذکور نمایش داده شدهاند. با توجه به معادلات توانی منابع موجود، حداقل و حداکثر شدن هریک از پارامترها، به پیش شرط های انتخابی در حل مسأله وابسته است؛ مانند وضعیت کاری سیستم اصلی پیشرانش که شامل وضیعت شتاب گیری، حالت یکنواخت و کاهش سرعت است. برای مثال، در وضعیت ترمزی (کاهش سرعت) مولدها وظیفه شارژ باتری را نیز بهعهده دارند. باتری ها (Batt.) در دو وضعیت دیگر نیز شارژ می شوند: اول حالت کم باری (ساعات ابتدایی صبح) و دوم وقتی که وضعیت شارژ آنها به زیر 30 درصد برسد. در ساعات پیک بار (21 به بعد) باتری ها در مدار قرار گرفته، به تامین انرژی میپردازند. همچنین، در ستون مربوط به پیل سوختی (FC) مشاهده می شود که در تمام ساعات این مولد با حداکثر توان کار می کند. علت این امر از یک سو ثابت و کم هزینه بودن تولید این سیستم و از سوی دیگر، هزینه بالای راه اندازی و خاموش کردن آن است. میکروتوربین (MT) نیز در تمام ساعات شبانه روز روشن است و بهعلت هزینه بالای راه اندازی/خاموش سازی از روشن و خاموش شدن آن پرهیز می شود. همچنین، از ساعت 8 تا 23 که دوره میان باری و پیک بار است، با تمام ظرفیت مشغول تولید انرژی الکتریکی است. از طرفی، مسأله مهم دوم توجه به زمان است. در برخی از ساعات شبانه روز امکان بهکار گیری تمامی منابع وجود ندارد. برای مثال، همانطور که در جدول ملاحظه می شود، در شب سلولهای خورشیدی (PV) قادر به تولید توان نبوده و با عدد صفر مشخص شده اند و حداکثر توان خود را در ساعات میانی روز که بیشترین تابش خورشید وجود دارد (ساعات 13 تا 17) تولید کرده اند. در جدول (4) مشاهده می شود که دیزل ژنراتور (DG) بهعلت هزینه بالای سوخت آخرین مولدی است که تغذیه بار را بهعهده دارد. در نهایت، از حل شرایط موجود، مقادیر توان های بهینه هریک از منابع بهدست می آید. چنانکه اشاره شد، از نظر اقتصادی در ساعات اولیه کار سیستم، بخش عمدهای از بار توسط پیل سوختی تأمین میشود؛ چراکه قیمت آن در این ساعات به نسبت پایینتر از سایر واحدهاست، اما با اوج گرفتن بار، سایر واحدها با قیمتهای تمام شده پایینتر خروجی خود را افزایش میدهند تا تعادل بار- تولید در هزینه پایینتر برقرار شود. باید توجه کرد زیر سیستم مدیریت انرژی سعی مینماید فرایند شارژ باتری را در ساعات کم باری و در هزینه پایینتر انجام دهد؛ حال آنکه عمل دشارژ را تا ساعات پیک بار به تعویق بیندازد.
جدول (4): تخصیص نقاط کار بهینه به واحدهای تولیدی با در نظر گرفتن تابع هدف اقتصادی (kW)
شکل (5): عملکرد بهینه منابع تولیدی موجود با شرط حداقل هزینه بهره برداری
4-2- سناریوی دوم در دومین سناریوی پیشنهادی فرض میشود بخش کنترلی پیشرانه طوری مدیریت و برنامهریزی می شود تا کمترین آلودگی زیست- محیطی در بهرهبرداری - صرف نظر از آنکه به لحاظ اقتصادی چه هزینهای بر سیستم تحمیل خواهد شد- نتیجه شود. در این صورت، تخصیص نقاط کار بهینه به واحدهای تولیدی با در نظر گرفتن تک هدف زیست- محیطی (آلودگی) به صورت نتایج نشان داده شده در جدول (5) و شکل (6) است.
جدول (5): تخصیص نقاط کار بهینه به واحدهای تولیدی با در نظر گرفتن تابع هدف زیست- محیطی
شکل (6): عملکرد بهینه منابع تولیدی موجود با شرط حداقل آلودگی ناشی از بهره برداری
با عوض شدن هدف بهرهبرداری از رویکرد اقتصادی به زیست- محیطی مشاهده میشود (جدول (5) و شکل (6)) در نتایج شبیهسازی تغییرات شگرفی رخ میدهد. خلاف آنچه در حالت اول عنوان شد، اکنون از واحدهایی بیشتر بهرهبرداری میشود که از حجم آلودگی کمتری برخوردار ند. بدین سان تمایل به تأمین توان از طریق واحدهای خورشیدی و پیل سوختی به جهت آلودگی کمتر به حداکثر میزان خود میرسد؛ حال آنکه تبادل انرژی با سایر منابع انرژی افت می کند. مقایسه جدولهای (3) و (5) نشان میدهد نیروگاه خورشیدی و پیل سوختی در تمام ساعات با حداکثر توان خود کار می کنند و در اولویت اول تولید انرژی قرار دارند. همچنین، جدول (5) نشان می دهد میکروتوربین که طبق جدول (2) آلاینده ترین منبع تولید مورد مطالعه است، آخرین گزینه تامین انرژی بوده و دیزل ژنراتور در رده ماقبل آخر قرار دارد. اکنون که پیاده سازی سناریوهای مختلف در خصوص بهرهبرداری از سیستم نمونه به پایان رسید و بحث و تحقیق در باب هر یک به تفصیل انجام شد، لازم است با مقایسه کلی نتایج حاصله چندین نکته را خاطر نشان کنیم: - طرح الگوهای مختلف بهرهبرداری از سیستم الکتریکی مزبور به شدت به اهداف کاربران سیستم وابسته است و لذا با تغییر نوع هدف، رویه بهرهبرداری نیز تغییر خواهد نمود. - اعمال سناریوهای مختلف عملکردی در یک سیستم علاوه بر تصمیمات انسانی بسته به شرایط محیطی نیز هست؛ چراکه گاهی به سبب قیدهای بیرونی کاربران سیستم ناگزیرند نوع بهرهبرداری از سیستم را عوض کنند. - ارائه یک نقطه کار بهینه برای عمل مناسب یک سیستم الکتریکی همواره میسر نیست؛ زیرا گاهی انتخاب نوع بهرهبرداری منوط به ارضای همزمان چندین هدف است که الزاماً این اهداف از یک سنخ نیستند (متباین هستند) و لذا در این حالت نیاز است با ارائه مجموعهای از نقاط کار بهینه، نوع بهرهبرداری معین شود.
4-3- سناریوی سوم با توجه به مطالب ذکر شده، مشخص میشود که به منظور تکمیل یک طرح برنامهریز هوشمند که قادر باشد بسته به شرایط مختلف، تصمیمات مناسب را اتخاذ کند حضور چند فاکتور الزامی است: اول آنکه طرح پیشنهادی جامع و منعطف باشد؛ یعنی قابلیت انطباق با هر تغییر شرایط و یا اعمال نظر را دارا باشد؛ دوم آنکه مدل چند هدفه باشد؛ بدان معنی که در مسیر رسیدن به جواب یا جوابهای بهینه، تعداد معینی از اهداف را بسته به نظر کاربران و شرایط مسأله مد نظر قرار دهد؛ سوم آنکه در حل یک مسأله بهرهبرداری تا حد امکان شرایط نزدیک به واقعیت مدل و برای مدل پیشنهادی جواب مناسب در زمان کافی ارائه شود. با این اوصاف، سعی میشود در ارائه مدل نهاییِ بهینهساز چند هدفه فاکتورهای یاد شده به دقت رعایت و پیاده سازی شوند. بدین منظور، فرض میشود مجدداً در سیستم نمونه تمامی واحدها مجازند بنا به شرایط در ساعاتی از بازه کاری در مدار حضور داشته باشند و یا خاموش باقی بمانند؛ به عبارتی دیگر، تمامی مولدها اینک علاوه بر هزینه تولید انرژی و آلودگی ناشی از آن، متحمل هزینهای بابت روشن و یا خاموش شدن نیز بشوند. از این رو، نیاز است در مدل سازی تابع هزینه، تغییر وضعیت واحدها نیز لحاظ شود. همچنین، با در نظر گرفتن توابع هدف مختلف، از آنجایی که هیچ جوابی نمیتواند تمامی توابع هدف را به طور همزمان به نقطه ایده ال یا ماکزیمم برساند، مجموعه جواب های بهینه پارتو برای بهرهبرداری از سیستم معرفی میشوند؛ به گونهای که هر یک از جواب های موجود در مجموعه جواب های به دست آمده بیانگر یک الگوی بهرهبرداری خاص و نوعی تغییر کاربری سیستم بر مبنای مصالحه بین اهداف مختلف (هزینه، آلودگی) است. در شکل (7) منحنی جواب های پارتو حاصل از بهینه سازی دو هدفه مسأله مدیریت هوشمند انرژی در زیر سیستم الکتریکی یک پیشرانه نمونه نشان داده شده است. از شکل فوق به خوبی پیداست که روش بهینه سازی پیشنهادی قادر است بسته به اهداف کاری مختلف و درجه اهمیت متناظرشان نقاط کار بهینه را تعیین نماید و در مسیر رسیدن به مجموعه جواب های بهینه بهترین عملکرد را نیز نتیجه دهد. در همین خصوص باید اضافه نمود از آنجاییکه اهداف اقتصادی و زیست- محیطی در مسأله بهرهبرداری مذکور در تقابل با یکدیگر هستند، حرکت از نقاط ابتدایی نمودارها به سمت نقاط انتهایی آنها و بر مسیر پارتو به معنای تغییر الگوی بهرهبرداری از آلودگی کمتر و هزینه بیشتر به سوی آلودگی بیشتر و هزینه پایینتر است؛ به طوریکه در قسمت بالا و سمت چپ شکل (7) نقطه کار با بیشترین هزینه و کمترین آلودگی زیست- محیطی و در قسمت پایین و سمت راست نقطه کار با کمترین هزینه و بیشترین آلودگی زیست- محیطی مشاهده می شود.
شکل (7): منحنی جواب های پارتو حاصل از بهینه سازی مسأله مدیریت هوشمند انرژی دو هدفه
5- نتیجهگیریدر این تحقیق، مدیریت انرژی الکتریکی هوشمند در یک سیستم پیشرانه الکتریکی نمونه که مجهز به مولدهای انرژی الکتریکی مانند: سلول های خورشیدی، پیل سوختی، میکرو توربین و باتری است، بررسی شده است. مسأله بهینه سازی با دو تابع هدف متباین هزینه بهره برداری و آلودگی محیط زیست تعریف شد و با استفاده از روش برنامه ریزی عدد صحیح مجموعه جواب های بهینه پارتو بهدست آمد. روش پیشنهادی نشان داد که سیستم مدیریت انرژی یا اپراتور سیستم الکتریکی یک پیشرانه قادر است بسته به اهداف کاری مختلف و درجه اهمیت متناظرشان نقاط کار بهینه را تعیین نماید و در مسیر رسیدن به مجموعه جواب های بهینه بهترین عملکرد را نیز بهدست آورد. در روش پیشنهادی، ساعات استفاده و میزان استفاده از منابع مختلف انرژی بهگونهای که کمترین هزینه و پایین ترین آلودگی زیست- محیطی را بهدست دهد، تعیین شده است. در همین خصوص باید اضافه نمود از آنجاییکه اهداف اقتصادی و زیست- محیطی در مسأله بهرهبرداری مذکور در تقابل با یکدیگر هستند، حرکت از نقاط ابتدایی نمودارها به سمت نقاط انتهایی آنها و بر مسیر پارتو به معنای تغییر الگوی بهرهبرداری از آلودگی کمتر و هزینه بیشتر به آلودگی بیشتر و هزینه پایینتر است. در نهایت، می توان گفت در این مطالعه، یک سیستم مدیریت انرژی هوشمند (SEMS) به منظور بهینه کردن بهرهبرداری از سیستم نمونه و برنامهریزی تولید و ذخیره انرژی طراحی شده است. از سویی، چون توابع بهینه سازی به طور گسترده به پروفیل بار سیستم و گاهی به میزان انرژی قابل حصول از یک منبع خاص (نظیر انرژی خورشیدی) وابسته است، بخش پیش بینی کننده ای برای ارزیابی میزان بار و یا انرژی تولیدی در بازه زمانی مورد مطالعه برای SEMS ارائه شده است. همچنین، با ارائه یک الگوریتم پیش بینی کننده مناسب، پارامترهای مزبور برای بازههای کوتاه ساعت به ساعت پیش بینی شده است. با توجه به الگوریتم پیش بینی کننده در مطالعات بعدی سعی شده است اطلاعات خروجی با دقت مناسب از بخش پیش بینی کننده، برای تغذیه قسمت بهینه سازی ارائه شود که این فرایند خود میتواند مبتنی بر روش تحلیلی ریاضی و یا یک الگوریتم تلفیقی نظیر الگوریتمهای تکاملی و منطق فازی باشد. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| مراجع | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
[1] Maher Chaabene, Mohsen Ben Ammar, “Neuron-fuzzy dynamic model with Kalman filter to forecast irradiance and temperature for solar energy systems”, journal of Renewable Energy, Vol. 33, No. 7, pp. 1435-1443, 2008. [2] J.C. Cao, S.H. Cao, “Study of forecasting solar irradiance using neural networks with preprocessing sample data by wavelet analysis”, Energy, Vol. 31, No. 15, pp. 3435-3445, 2006. [3] P.L. Zervas, H. Sarimveis, J.A. Palyvos, N.C.G. Markatos, ”Prediction of daily global solar irradiance on horizontal surfaces based on neural-network techniques”, Renewable Energy, Vol. 33, No. 8, pp. 1796-1803, 2008. [4] Shuanghua Cao, Jiacong Cao, ”Forecast of solar irradiance using recurrent neural networks combined with wavelet analysis”, Applied Thermal Engineering, Vol. 25, No. 3, pp. 161-172, 2005. [5] Fatih O. Hocaoğlu, Ömer N. Gerek, Mehmet Kurban ,” Hourly solar radiation forecasting using optimal coefficient 2-D linear filters and feed-forward neural networks”, Solar. Energy, pp. 714–726 , 2008. [6] T.M.I. Mahlia, T.J. Saktisahdan, A. Jannifar, M.H. Hasan, H.S.C. Matseelar, "A review of available methods and development on energy storage; technology update” Renewable and sustainable Energy Reviews, Vol. 33, No. 5, pp. 532-545, 2014. [7] G. N. Bathurst, G. Strbac, ”Value of combining energy storage and wind in short-term energy and balancing markets” Electric Power Systems Research, Vol. 67, No. 1, pp. 1-8, 2003. [8] Ryan Anderson, Samira Shiri, Hitesh Bindra, Jeffrey F. Morris "Experimental results and modeling of energy storage and recovery in a packed bed of alumina particles" Applied Energy, Vol. 119, No. 4, pp. 521-529, 2014. [9] N. Hamsic, A. Schmelter, A. Mohd, E. Ortjohann, E. Schultze, A. Tuckey, J. Zimmermann. “Stabilizing the Grid Voltage and Frequency in Isolated Power Systems Using a Flywheel Energy Storage System,” The Great Wall World Renewable Energy Forum , Beijing, China, 2006. [10] A. Ruddell, G. Schönnenbeck, R. Jones, “Flywheel Energy Storage Systems”, Rutherford Appleton Lab, UK. [11] Vallve, X.; Graillot, A.; Gual, S.; Colin, H.; “Micro storage and demand side management in distributed PV grid-connected installations”, 9th International Conference on Electrical Power Quality and Utilization, Publication, pp. 1-6, 2007. [12] S.A. Kalogirou, E. Mathioulakis, V. Belessiotis "Artificial neural networks for the performance prediction of large solar systems" Renewable Energy, Vol. 63, No. 3, pp. 90-97, 2014. [13] A. Azadeh, R. Babazadeh, S.M. Asadzadeh "Optimum estimation and forecasting of renewable energy consumption by artificial neural networks "Renewable and Sustainable Energy Reviews, Vol. 27, No. 11, pp. 605-612, 2013. [14] Kerim Karabacak, Numan Cetin "Artificial neural networks for controlling wind–PV power systems: A review" Renewable and Sustainable Energy Reviews, Vol. 29, No. 1, pp. 804-827, 2014. [15] Francis Mwasilu, Jackson John Justo, Eun-Kyung Kim, Ton Duc Do, Jin-Woo Jung "Electric vehicles and smart grid interaction: A review on vehicle to grid and renewable energy sources integration" Renewable and Sustainable Energy Reviews, Vol. 34, No. 6, pp. 501-516, 2014. [16] H. Bindner, “Power Control for Wind Turbines in Weak Grids,” Rios National Lab, March 1999. [17] Bhatia, R.S.; Jain, S.P.; Jain, D.K.; Singh, B.; “Battery Energy Storage System for Power Conditioning of Renewable Energy Sources", International Conference on Power Electronics and Drives Systems, Vol. 1, pp. 501- 506, 2005. [18] Shuang Yu; Mays, T.J.; Dunn, R.W.; “A new methodology for designing hydrogen energy storage in wind power systems to balance generation and demand “, International Conference on Sustainable Power Generation and Supply, pp. 1 - 6, 2009. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
آمار تعداد مشاهده مقاله: 2,576 تعداد دریافت فایل اصل مقاله: 853 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||