IJE TRANSACTIONS A: Basics Vol. 27, No. 1 (January 2014) 57-62   

downloaded Downloaded: 495   viewed Viewed: 2154

S. Kouhi, M.R. Ranjbar, M. Mohammadian and M. Khavaninzadeh
( Received: January 19, 2013 – Accepted: May 16, 2013 )

Abstract    This paper presents an energy management strategy to supply residential load by hybrid fuel cell power plant (FCPP). Economical fuel cell (FC) model includes thermal load, local electrical load, operational cost, startup cost and different tariffs on electricity during the day hour is discussed. Several Strategies have been presented for supplying residential load (electrical and thermal loads) based on thermal energy recovering and saving. The extended Genetic algorithm (GA) is used to determine optimal operation of FCPP with respect to six-minute time steps in load pattern change. To demonstration proposed algorithm, three different strategies for optimal supplying both electrical and thermal loads are presented with respect to thermal energy recovering and saving.


Keywords    Energy management, Fuel Cell power plant, Genetic algorithm, Multi-tasking optimization.


چکیده    این مقاله یک استراتژی مدیریت انرژی بمنظور تامین بار خانگی توسط سیستم ترکیبی پیل سوختی ارائه داده است. مدل اقتصادی پیل سوختی شامل بار الکتریکی و حرارتی، هزینه عملیاتی، هزینه راه اندازی و تعرفه ی متغیر برق در طول ساعات شبانه روز می باشد. چندین استراتژی برای تامین بار خانگی مبتنی بر بازیافت و ذخیره انرژی حرارتی ارائه شده است. این مقاله شامل هزینه بهره­برداری، هزینه ی راه اندازی و تعرفه های جریان الکتریکی متفاوت در طول روز می­باشد. از الگوریتم ژنتیک به منظور تعیین عملکرد بهینه پیل سوختی با درنظر گیری تغییرات شش دقیقه ای الگوی بار استفاده شده است. به منظور نشان دادن روش پیشنهادی، سه استراتژی مختلف برای تامین بهینه­ی بار الکتریکی و حرارتی با درنظر گیری بازیافت و ذخیره سازی انرژی حرارتی ارائه شده است.


1.     Zhou, T. and François, B., "Energy management and power control of a hybrid active wind generator for distributed power generation and grid integration", Industrial Electronics, IEEE Transactions on,  Vol. 58, No. 1, (2011), 95-104.

2.     Ramakumar, R. and Chiradeja, P., "Distributed generation and renewable energy systems", in Energy Conversion Engineering Conference, 2002. IECEC'02. 2002 37th Intersociety, IEEE, (2004), 716-724.

3.     Fethi, O., Dessaint, L.-A. and Al-Haddad, K., "Modeling and simulation of the electric part of a grid connected microturbine", in Power Engineering Society General Meeting, IEEE, IEEE. (2004), 2212-2219.

4.     Nayeripour, M. and Hoseintabar, M., "A comprehensive dynamic modeling of grid connected hybrid renewable power generation and storage system", International Journal of Modeling and Optimization,  Vol. 1, (2011), 62-66.

5.     Wang, C., Nehrir, M. H. and Shaw, S. R., "Dynamic models and model validation for pem fuel cells using electrical circuits", Energy Conversion, IEEE Transactions on,  Vol. 20, No. 2, (2005), 442-451.

6.     Gunes, M. B., Investigation of a fuel cell based total energy system for residential applications., Virginia Polytechnic Institute and State University. (2001)

7.     Damousis, I. G., Bakirtzis, A. G. and Dokopoulos, P. S., "Network-constrained economic dispatch using real-coded genetic algorithm", Power Systems, IEEE Transactions on,  Vol. 18, No. 1, (2003), 198-205.

8.     Alqedra, A. M. and M., I., "Optimum cost of presented and reinforced concrete beams using genetic algorithms", Journal of artificial intelligence,  Vol. 23, (2011), 73-88.

9.     Konak, A., Coit, D. W. and Smith, A. E., "Multi-objective optimization using genetic algorithms: A tutorial", Reliability Engineering & System Safety,  Vol. 91, No. 9, (2006), 992-1007.

10.   Lee, K. Y. and El-Sharkawi, M. A., "Modern heuristic optimization techniques: Theory and applications to power systems", Wiley. com,  Vol. 39,  (2008).

International Journal of Engineering
E-mail: office@ije.ir
Web Site: http://www.ije.ir