Cet article vise à présenter un modèle de prise de décision économique pour déterminer la conception optimale de l'éolienne (WT) pour différents nœuds de bus dans un réseau de distribution radial (RDN) basé sur le potentiel éolien du site étudié et la capacité du réseau. La fonction principale de l'objectif dans le problème d'optimisation de cette étude est la maximisation de la valeur actuelle nette (VAN) des revenus de l'énergie éolienne soumis aux variables de conception géométrique WT, y compris le diamètre du rotor et la hauteur de la tour ; et sous les contraintes du RDN pour maintenir la stabilité du système électrique. Les emplacements adéquats parmi les différents nœuds de bus pour l'installation d'éoliennes sont ceux avec la valeur maximale de la VAN. En outre, la caractéristique intermittente de l'énergie éolienne conduit à l'utilisation d'un réseau neuronal artificiel (RNA) dans la prévision de la vitesse du vent pour une bonne estimation de l'énergie éolienne générée. L'efficacité du modèle proposé a été validée à l'aide des RDN de bus IEEE 9 et IEEE 33. Les résultats démontrent que la détermination de la conception de l'éolienne n'est pas liée à la puissance du potentiel éolien mais principalement à la capacité du RDN connecté.

Este documento tiene como objetivo presentar un modelo de toma de decisiones económicas para determinar el diseño óptimo de aerogeneradores (WT) para diferentes nodos de bus en una Red de Distribución Radial (RDN) basado en el potencial eólico del sitio estudiado y la capacidad de la red. La función principal del objetivo en el problema de optimización de este estudio es la maximización del Valor Actual Neto (VPN) de los ingresos de energía eólica sujetos a las variables de diseño geométrico de WT, incluido el diámetro del rotor y la Altura de la Torre; y bajo las restricciones de RDN para mantener la estabilidad del sistema de energía. Las ubicaciones adecuadas entre los diferentes nodos de bus para la instalación de WT son aquellas con el valor máximo de NPV. Además, la característica intermitente de la energía eólica conduce al uso de una Red Neuronal Artificial (ANN) en el pronóstico de la velocidad del viento para una buena estimación de la energía eólica generada. La efectividad del modelo propuesto se validó utilizando IEEE 9 e IEEE 33 Bus RDN. Los resultados demuestran que la determinación del diseño de WT no está relacionada con la potencia del potencial eólico, sino principalmente con la capacidad de la RDN conectada.

This paper aims to present an economic decision-making model for determining the optimal wind turbine (WT) design for different bus nodes in a Radial Distribution Network (RDN) based on the wind potential of the studied site and grid capability.The main objective function in the optimization problem of this study is the maximization of the Net Present Value (NPV) of wind energy incomes subject to the WT geometrical design variables, including the rotor diameter and Tower Height; and under the RDN constraints to maintain the power system stability.Adequate placements among the different bus nodes for WT installation are those with the maximum NPV value.Furthermore, the intermittent characteristic of wind energy leads to the use of an Artificial Neural Network (ANN) in wind speed forecasting for good estimation of the generated wind energy.The effectiveness of the proposed model was validated using IEEE 9 and IEEE 33 Bus RDNs.The results demonstrate that the WT design determination is not related to the power of the wind potential but mostly to the capability of the connected RDN.

تهدف هذه الورقة إلى تقديم نموذج لصنع القرار الاقتصادي لتحديد التصميم الأمثل لتوربينات الرياح (WT) لعقد الناقل المختلفة في شبكة التوزيع الشعاعية (RDN) بناءً على إمكانات الرياح للموقع المدروس وقدرة الشبكة. وتتمثل الوظيفة الرئيسية للهدف في مشكلة التحسين لهذه الدراسة في تعظيم القيمة الحالية الصافية (NPV) لدخول طاقة الرياح الخاضعة لمتغيرات التصميم الهندسي WT، بما في ذلك قطر الدوار وارتفاع البرج ؛ وتحت قيود RDN للحفاظ على استقرار نظام الطاقة. المواضع المناسبة بين عقد الناقل المختلفة لتركيب WT هي تلك التي لها أقصى قيمة NPV. علاوة على ذلك، تؤدي الخاصية المتقطعة لطاقة الرياح إلى استخدام شبكة عصبية اصطناعية (ANN) في التنبؤ بسرعة الرياح لتقدير جيد لطاقة الرياح المتولدة. تم التحقق من فعالية النموذج المقترح باستخدام IEEE 9 و IEEE 33 Bus RDNs. تظهر النتائج أن تحديد تصميم WT لا يرتبط بقوة جهد الرياح ولكن في الغالب بقدرة RDN المتصلة.