نقش پاسخ دیماند در برنامه ریزی زمانی تولید بادی-حرارتی یک و چند هدفه: برنامه­ریزی تصادفی

نقش پاسخ دیماند در برنامه ریزی زمانی تولید بادی-حرارتی یک و چند هدفه: برنامه­ریزی تصادفی

Energy 64 (2014) 8

The role of demand response in single and multi-objective wind-thermal generation scheduling: A stochastic programming

a b s t r a c t

This paper focuses on using DR (Demand Response) as a means to provide reserve in order to cover uncertainty in wind power forecasting in SG (Smart Grid) environment. The proposed stochastic model schedules energy and reserves provided by both of generating units and responsive loads in power systems with high penetration of wind power. This model is formulated as a two-stage stochastic programming where first-stage is associated with electricity market its rules and constraints and the second-stage is related to actual operation of the power system and its physical limitations in each scenario. The discrete retail customer responses to incentive-based DR programs are aggregated by DRPs (Demand Response Providers) and are submitted as a load change price and amount offer package to ISO (Independent System Operator). Also price-based DR program behavior and random nature of wind power are modeled by price elasticity concept of the demand and normal probability distribution function respectively. In the proposed model DRPs can participate in energy market as well as reserve market and submit their offers to the wholesale electricity market. This approach is implemented on a modified IEEE 30-bus test system over a daily time horizon. The simulation results are analyzed in six different case studies. The cost emission and multiobjective functions are optimized in both without and with DR cases. The multiobjective generation scheduling model is solved using augmented epsilon constraint method and the best solution can be chosen by Entropy and TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) methods. The results indicate demand side participation in energy and reserve scheduling reduces the total operation costs and emissions.

Keywords:

Demand response

Emission

Multiobjective programming

Reserve

Smart grid

Wind power

نقش پاسخ دیماند در برنامه ریزی زمانی تولید بادی-حرارتی یک و چند هدفه: برنامه­ریزی تصادفی

چکیده

این مقاله بر استفاده از DR (پاسخ دیماند) به عنوان ابزاری برای ارائه­ی رزرو تمرکز دارد تا عدم قطعیت در پیش­بینی توان بادی در محیط SG (شبکه­ی هوشمند) را پوشش دهد. مدل تصادفی پیشنهادی به زمان­بندی انرژی و رزروهای ارائه شده هم توسط واحدهای تولیدی و هم بارهای واکنشی در سیستم­های قدرت با نفوذ بالای توان بادی می­پردازد. این مدل بصورت برنامه­ریزی تصادفی دو مرحله­ای فرمول­بندی می­شود که در آن مرحله­ی اول به بازار برق، قوانین و قیود آن مرتبط بوده و مرحله­ی دوم به عملیات واقعی سیستم قدرت و محدودیت­های فیزیکی در هر سناریو مربوط می­شود. پاسخ­های گسسته­ی مشتری خرده­ به برنامه­های DR مبتنی بر تشویق توسط DPRها (ارائه­دهندگان پاسخ دیماند) جمع می­شود و بصورت قیمتمتغیر بار و بسته­ی پیشنهادی به ISO (اپراتور سیستم مستقل) ارسال می­شود. همچنین، رفتار برنامه­ی DR مبتنی بر قیمت و ماهیت تصادفی توان بادی به ترتیب توسط مفهوم الاستیسیته­ قیمت دیماند و تابع توزیع احتمال نرمال مدل­سازی می­شوند. در مدل پیشنهادی، DPRها می­توانند در بازار برق و همچنین بازار رزرو شرکت کرده و پیشنهادات خود را به بازار برق عمده­فروشی ارسال کنند. این رویکرد بر روی سیستم آزمایش 30 باسه­ی IEEE تغییر یافته در افق زمانی روزانه پیاده­سازی شد. نتایج شبیه­سازی در شش مورد مطالعاتی مختلف آنالیز شده است. هزینه، انتشار و توابع چندهدفه­ در هر دو مورد بدون و با DR بهینه­سازی می­شوند. مدل زمان­بندی تولید چندهدفه با استفاده از روش محدود اپسیلون افزایشی حل می­شود و بهترین پاسخ را می­توان با روش­های آنتروپی و تاپسیس (روش ترجیح مرتبه توسط شباهت به پاسخ ایده­آل) انتخاب کرد. نتایج حاکی از مشارکت سمت دیماند در انرژی بوده و زمان­بندی رزرو هزینه­های عملیاتی و انتشار کل را کاهش می­دهد.

واژگان کلیدی

پاسخ دیماند، انتشار، برنامه­ریزی چند هدفه، رزرو، شبکه­ی هوشمند، توان بادی.