This paper proposes a systematic approach to examine the techno-economical impact of a renewable based prosumer centric hybrid energy system (HES) connected to the local distribution grid. Systematic approach includes deterministic and probabilistic framework for optimal planning, scheduling, management, and assessment of HES. During the initiation stage, major components of the HES are identified as solar, Li-ion batteries and biomass to enable cross-sectoral participation whereas electric vehicle (EV) charging to promote smart electric-mobility. Through stage-wise data collection, processing, and training, hourly solar-radiation historical data is classified into three seasons through kernelized space-vector approach. Similarly, probabilistic assessment of EV arrival rate and charging requests are estimated through historical charging data. Based on initial system architecture, deterministic approach includes objective function formulation and its optimal solution through aggrandized class topper optimization (ACTO), particle swarm optimization (PSO), and JAYA algorithm. The objective function is realized through upper-level economic problem and lower-level technical sub-problems. Analyzing the convergence characteristics, the optimal system dynamics and capacity estimated using ACTO is considered as the best with a minimum cost of energy of Rs. 4.235 per kWh. Finally, the probabilistic assessment is carried out through three levels of uncertainty to examine the system cost variations in each scenario.

中文翻译：

---

部门耦合社区能源系统的确定性稳健规划和概率技术经济评估

本文提出了一种系统方法来检查连接到本地配电网的基于可再生能源的以产消者为中心的混合能源系统 (HES) 的技术经济影响。系统方法包括用于优化 HES 的规划、调度、管理和评估的确定性和概率性框架。在启动阶段，HES 的主要组成部分被确定为太阳能、锂离子电池和生物质能，以实现跨部门参与，而电动汽车 (EV) 充电以促进智能电动交通。通过阶段性的数据收集、处理和训练，通过核化空间矢量方法将每小时太阳辐射历史数据分为三个季节。同样，电动汽车到达率和充电请求的概率评估是通过历史充电数据来估计的。基于初始系统架构，确定性方法包括目标函数制定及其通过增强类topper优化（ACTO）、粒子群优化（PSO）和JAYA算法的最优解。目标函数是通过上层经济问题和下层技术子问题来实现的。分析收敛特性，使用 ACTO 估计的最佳系统动力学和容量被认为是最佳的，具有最低的能源成本 Rs。4.235 每千瓦时。最后，通过三个不确定性级别进行概率评估，以检查每个场景中的系统成本变化。粒子群优化 (PSO) 和 JAYA 算法。目标函数是通过上层经济问题和下层技术子问题来实现的。分析收敛特性，使用 ACTO 估计的最佳系统动力学和容量被认为是最佳的，具有最低的能源成本 Rs。4.235 每千瓦时。最后，通过三个不确定性级别进行概率评估，以检查每个场景中的系统成本变化。粒子群优化 (PSO) 和 JAYA 算法。目标函数是通过上层经济问题和下层技术子问题来实现的。分析收敛特性，使用 ACTO 估计的最佳系统动力学和容量被认为是最佳的，具有最低的能源成本 Rs。4.235 每千瓦时。最后，通过三个不确定性级别进行概率评估，以检查每个场景中的系统成本变化。