روش احتمالی برای شرکت در مناقصه بازار روز پیش

بررسی ریسک نیروگاه برق مجازی تحت عدم قطعیت برای شرکت در مناقصه بازار روز پیش با استفاده از روش مونت کارلو

روش احتمالی برای شرکت در مناقصه بازار روز پیش

یونس شهسواری و دیگران

چکیده

نگرانی‌های زیست‌محیطی، بهبود در تکنولوژی انرژی‌های تجدیدپذیر و افزایش هزینه‌های انتقال و توزیع، فاکتورهای اصلی هستند که بخش انرژی را به یک دوره جدید وارد کرده است که در آن بخش زیادی از تقاضای برق از طریق نصب منابع تولید پراکنده (DERs) تأمین می‌شود. نیروگاه برق مجازی (VPP) یک سیستم مدیریت انرژی غیرمتمرکز است که وظیفه آن تجمیع ظرفیت برخی منابع تولید پراکنده (DG) و بارهای قابل دیسپاچ (DLs) به‌‌منظور تجارت انرژی یا ارایه خدمات پشتیبانی سیستم است. به خاطر رفتار تصادفی منابع اولیه برخی از DG‌‌ها مانند سرعت باد و حرارت، تجزیه و تحلیل سیستم نیازمند یک روش احتمالاتی است. قابلیت اطمینان به معنی تأمین مداوم انرژی به مصرف‎کنندگان نهایی با در نظر گرفتن خاموشی برنامه‌ریزی شده و برنامه‌ریزی نشده است. ریسک، به صورت عدم قطعیت در سود مورد انتظار تعریف می‌شود. امروزه برنامه‌ریزی شرکت‌های توزیع، عملکرد و هزینه و ریسک را موازنه می‌کنند. در این مقاله روش برنامه‌ریزی مبتنی بر قیمت مشارکت واحد‌‌‌ها PBUC با استفاده از شبیه‌سازی مونت کارلو برای مدل کردن قید ریسک یک نیروگاه برق مجازی در حضور عدم قطعیت قیمت بازار و تولید منابع تولید پراکنده برای شرکت در مناقصه بازار روز پیش ارایه شده است.

مقدمه

به خاطر رشد روزافزون مصرف انرژی و قیمت گران منابع سوخت فسیلی و نگرانی‌های زیست‌محیطی، استفاده از منابع تولید پراکنده در سطح جهان رشد چشمگیری داشته است. یکپارچه‌سازی منابع تولید پراکنده در سیستم الکتریکی سود‌‌‌ها و زیان‌هایی را به بازیگران بازار برق نظیر DERها، شرکت‌های انتقال و توزیع تحمیل کرده است. چندین تعریف مختلف برای توصیف منابع تولید پراکنده وجود دارد. در بعضی از مواقع این تعاریف با هم سازگار نیستند. تولید پراکنده به‌عنوان تولیدی تعریف می‌شود که در نزدیکی یا در محل مراکز بار واقع شده باشد. منابع تولید پراکنده به دو دسته منابع تجدیدپذیرنده و تکنولوژی سوختی تقسیم‌بندی می‌شوند. از منابع تکنولوژی سوختی می‌توان به توربین‌های بخار و احتراق، ژنراتورهای با موتور احتراق داخلی ICE، میکروتوربین‌‌‌‌ها MTs و سلول‌های سوختی FCs اشاره کرد. تکنولوژی‌های پایه تجدیدپذیر شامل سلول‌های فوتوولتاتیک PVs، توربین‌های بادی WTsو تولید هیدرولیکی مقیاس کوچک هستند. ضریب نفوذ بالای خروجی متغیر این منابع تولیدی مانند منابع بادی و فوتوولتاتیک سبب شده است که تغییرپذیری عدم قطعیت در سیستم‌های قدرت از حد مورد انتظار فراتر رود. منابع تجدیدپذیر تولید پراکنده قایل تنظیم نیستند و خروجی آنها توسط در دسترس بودن منابع اولیه مانند باد و تابش خورشید تعیین می‌شود. عملکرد و برنامه‌ریزی شبکه توزیع در حضور منابع تولید پراکنده در برخی از پژوهش‌های اخیر مورد مطالعه قرار گرفته است. در سیاست‌های بلند مدت شبکه توزیع شامل توسعه و عوامل مؤثر بر شبکه مورد بررسی قرار گرفته است. در جنبه‌های عملکرد کوتاه مدت شرکت توزیع در محیط مقررات‌زدایی شده بحث شده است. در یک پروسه، برنامه‌ریزی کوتاه‌مدت دو مرحله‌ای اتخاذ شده است: مرحله اول شامل یک زمان‌بندی روز پیش برای بهینه‌سازی تولید منابع پراکنده در طول روز بعد است و مرحله دوم شامل یک زمان‌بندی میان روز است که برنامه‌ریزی را هر ۱۵ دقیقه یک بار به گونه‌ای تنظیم می‌کند که محدودیت‌ها و عملیات مورد نیاز شبکه توزیع در نظر گرفته شده باشد. در یکپارچه‌سازی منابع تولید پراکنده در عملیات سیستم قدرت از طریق مشارکت در بازارهای خدمات جانبی به منظور ارایه قوانین و مقررات خدمات رزرو و تنظیم ولتاژ بررسی شده است. در عملکرد واحدهای DG تحت مالکیت مشتری‌ها از جنبه‌های مختلفی از طریق مطالعه عدم قطعیت‌ها اندازه دسته‌بندی شده است. در پیامد‌‌‌ها و جنبه‌هایی از برنامه‌ریزی اتصال منابع تجدیدپذیر غیرمتمرکز به داخل شبکه توزیع بررسی شده است. در یک شمارش توان بهینه چند زمانه OPF برای مکان‌یابی بهینه DGهای تجدیدپذیر به‌گونه‌ای استفاده شده است تا تلفات انرژی سیستم به حداقل برسد. اگر چندین واحد DER به‌گونه‌ای به هم متصل شوند که به‌عنوان یک واحد عمل کنند، نیروگاه برق مجازی VPPنامیده می‌شود. در چارچوب نظری VPP به صورت تئوری منتشر شده است. VPP به دو نوع نیروگاه برق مجازی تجاری CVPP و نیروگاه برق مجازی تکنیکی TVPP تقسیم‌بندی می‌شود. از نقطه نظر تجاری، VPP یک عامل بازار است که علاقه‌مند است تا سود حاصله از تولید و سهام تقاضا بدون در نظر گرفتن قیود شبکه ماکزیمم شود. TVPP شامل چندین DER با موقعیت جغرافیایی یکسان است. CVPP سبد دارایی خود را با توجه به بازار عمده فروشی بهینه می‌کند و شاخص‌های عملیاتی و برنامه زمان‌بندی DER‌‌ها را به TVPP ارایه می‌دهد و TVPP کلیه محدودیت‌های شبکه محلی را مدیریت می‌کند و مشخصات تمام شبکه‌های محلی را در نقطه تغذیه شبکه GSP مشخص می‌کند. VPP برای تعیین عملکرد بهینه DER‌‌ها در افق زمانی آینده باید مسأله به مدار آوردن نیروگاه‌ها را حل کند. مسأله به مدار آوردن نیروگاه‌ها به دو نوع برنامه‌ریزی مبتنی قیمت مشارکت واحد‌‌‌ها (PBUC) و برنامه‌ریزی مبتنی بر امنیت مشارکت واحد‌‌‌ها SCU تقسیم‌بندی می‌شود. مسأله به مدار آوردن نیروگاه برای VPP با مسأله UC معمولی متفاوت است. DER موجود در VPP ممکن است به نقاط مختلفی از شبکه توزیع متصل باشد و بنابراین مشخصات شبکه، مسأله تصمیم‌گیری VPP را تحت تأثیر قرار می‌دهد. همچنین عدم قطعیت‌های مربوط به خروجی DERهای انفرادی، اصلی‌‌‌ترین عوامل محدودکننده‌ی DERهای مقیاس کوچک برای شرکت در بازار برق روز پیش هستند. بر مبنای دانش ما، مسأله مناقصه VPPفقط در مرجع گزارش شده است. به عبارت دیگر بیشتر کارهای اولیه روی مسأله PBUC از فرمول‌بندی قطعی استفاده کرده‌اند. PBUC قطعی از یک مجموعه متغیرهای ورودی ثابت و مختص استفاده می‌کند که با قیمت بازار و مقادیر بار/تولید شکل گرفته باشند. چون دقت پیش‌بینی قیمت بازار یک تأثیر مستقیم بر راه‌حل PBUC دارد، بنابراین تأثیر عدم قطعیت قیمت بازار بر روی فرمول‌بندی PBUC اهمیت بسیار زیادی دارد. به خاطر رفتار تصادفی منابع اولیه بعضی از DG‌‌ها مانند سرعت باد و دما، عدم قطعیت‌های مربوط به خروجی این واحد‌‌‌ها اصلی‌‌‌ترین عوامل محدودکننده برای شرکت آنها در بازار روز پیش هستند. بسیاری از مسایل مهندسی به خاطر طبیعت تصادفی پدیده‌های تصادفی یا پیش‌فرض‌های نادرست و غیردقیق روش مدل‌سازی، در معرض عدم قطعیت هستند. در مرجع برای در نظر گرفتن عدم قطعیت روش‌های ریاضی مختلفی برای تحلیل عدم قطعیت‌ها استفاده شده است. این روش‌ها به ۳ دسته کلی تقسیم‌بندی می‌شوند: شبیه‌سازی مونت کارلو، روش‌های تحلیلی و روش‌های تقریبی. مطالعات انتشار عدم قطعیت براساس روش‌های نمونه‌برداری مانند روش مونت کارلو نیازمند چندین مدل است که ترکیب‌های مختلف نمونه‌برداری شده از متغیرهای ورودی را اجرا کند. اشکال عمده روش مونت کارلو این است که تعداد زیادی از شبیه‌سازی برای رسیدن به همگرایی مورد نیاز است. این تکنیک به‌طور گسترده‌ای در آنالیز سیستم‌های قدرت برای مدل کردن عدم قطعیت‌ها استفاده شده است. قابلیت اطمینان به معنی تأمین مداوم انرژی به مصرف‌کنندگان نهایی با در نظر گرفتن خاموشی برنامه‌ریزی شده و برنامه‌ریزی نشده است. پیشامد احتمالی سیستم قدرت می‌تواند یک عدم تعادل بین عرضه و تقاضا بر جا بگذارد. اگر رزرو چرخان/غیر چرخان کافی در دسترس باشد، کمبود ممکن است که بدون نیاز به ریزش بار توسط اپراتور سیستم کاسته شود. اولین و آسان‌‌ترین معیار برای ارزیابی قابلیت اطمینان سیستم قدرت، یک معیار قطعی است که شامل روش درصد حاشیه رزرو تولید و روش از دست دادن بزرگ‌‌ترین واحد تولید باشد. اگر چه محاسبه دقیق درصد رزرو در یک سیستم قدرت فرار مشکل است. هنگامی که درصد رزرو بزرگ انتخاب شود، قابلیت اطمینان سیستم قدرت می‌تواند تضمین شود اما هزینه عملیاتی کل بیش از حد بزرگ خواهد شد. به عبارت دیگر، یک درصد کوچک‎تر رزرو تولید یک زمان‎بندی تولید اقتصادی را میسر می‌سازد اما قابلیت اطمینان سیستم نسبتاً آسیب‌پذیر خواهد شد. روش از دست دادن بزرگ‎‌‌ترین واحد تولید از طریق انعکاس اثر اندازه واحد در رزرو چرخان/غیرچرخان مورد نیاز، نسبت به روش حاشیه درصد رزرو تولید، پختگی بیش‎تری دارد. این روش تأثیر یک خاموشی انفرادی را با در نظر گرفتن از دست دادن بزرگ‎‌‌ترین واحد تولید تشخیص می‌دهد. این روش اگرچه زیاد مقرون به صرفه نیست زیرا بزرگ‌‌ترین واحد تولیدی در افق زمان‌بندی در زمان قطع برق غالباً روشن است. یک روش پیچیده‌تر براساس از دست دادن بار LOLE است که احتمالات موجود در خاموشی جزیی را برای تعداد روزهای در هر سال که منجر به خاموشی می‌شوند را در نظر می‌گیرد. LOLE مشخصه تصادفی قطع جزیی را در نظر می‌گیرد. در روش قابلیت اطمینان ارزش خدمات VOS را برای ارزیابی یک قابلیت اطمینان بهینه به‌کار گرفته شده است. در عدم قطعیت، پیش‌بینی بار و قطع واحد تولید را برای محاسبه امنیت سیستم قدرت شبیه‌سازی کرده است. اگر ریسک سیستم در یک بازه برنامه‌ریزی بیش‎تر از سطح ریسک از پیش تعریف شده سیستم باشد، مسأله UC با به‌روز رسانی ضرایب لاگرانژ دوباره محاسبه می‌شود. هنگام بررسی هم‌‎زمان قابلیت اطمینان و اقتصاد سیستم، تعریف یک سطح قابل قبول برای ریسک سیستم دشوار خواهد بود. محاسبات مورد نیاز برای شاخص LOLE و ماتریس انرژی مورد انتظار تأمین نشده EENS به خاطر طبیعت ترکیبی و غیرخطی این شاخص‌‌‌‌ها پیچیده است. مرجع شاخص‌های LOEE و LOLE را در مسأله UC به‌صراحت تعریف کرده است. مزایای استفاده از این روش کارایی محاسباتی آن برای محاسبه شاخص LOLE و ماتریس EENS و تأثیر آن بر مشخصه احتمالاتی تسویه بازار است. فرایند محاسبه سود ناشی از به‌کارگیری یک دارایی مشخص، ارزیابی دارایی نامیده می‌شود. ارزش دارایی نیز برابر با اختلاف بین منافع حاصله و هزینه تعلق گرفته به آن دارایی است. در یک باز ار رقابتی برق، ریسک نقش عمده‌ای را در ارزیابی واحدهای تولیدی ایفا می‌کند. ریسک هم عینی و هم ذهنی است. چون تمام شرکای بازار با عدم قطعیت‌های یکسانی در بازار مواجه می‌شوند، عینی محسوب می‌شود و از طرفی گرایش‌های متفاوت در عملیات بازار درجات مختلفی از ریسک را در پی دارند، لذا ریسک یک مقوله ذهنی نیز محسوب خواهد شد. اندازه‌گیری ریسک نیازمند شاخص‌های قوی است تا عوامل مهم را در بر بگیرد. VaR به‌عنوان یک معیار مهم در تحلیل ریسک مطرح است و بسیاری از عوامل ر ا به صورت ترکیبی در نظر می‌گیرد و عدد واحدی را به‌عنوان ارزیابی اثر ریسک ارایه می‌دهد. VaR تخمینی است از مقدار ارزش دارایی که می‌تواند در اثر نوسانات بازار در یک بازه زمانی خاص با یک احتمال وقوع مفروض از دست برود. این احتمال مفروض، سطح اعتماد نامیده می‌شود که میزان قطعیت VaR را بیان می‌کند. سطح اعتماد معمول ۰٫۹۵ % می‌باشد و بدین معنی است که %۰٫۹۵مواقع، زیان‌های شرکت‌کنندگان کم‎تر از VaR است و  ۰٫۰۵ درصد مواقع زیان‌ها بیش از VaR خواهد بود.به زبان ریاضی VaR، متناظر است با توزیع درصدی سود و زیان P&L دارایی که می‌تواند به صورت افت بالقوه در ارزش فعلی دارایی، و یا به‌عنوان زیان نسبت به مقدار امید ریاضی در آن بازه تعبیر می‌شود. بنابراین برای تحلیل ریسک سیستم ارزیابی قابلیت اطمینان به منظور تعیین سطح قابلیت اطمینان مشخص ضروری است. هدف این مقاله بررسی قیود ریسک و قابلیت اطمینان در یک نیروگاه برق مجازی برای شرکت در مناقصه بازار روز پیش است. یک TVPP مشابه با آنچه در مرجع تعریف شده است، در این مقاله در نظر گرفته شده است. PBUC احتمالاتی همراه قیود برای گنجاندن تولید تصادفی DG پیشنهاد شده است. تأثیر تولید منابع تولید پراکنده با افزایش مقدار رزرو مورد نیاز مدل شده است. تابع هدف مسأله ماکزیمم کردن امید ریاضی متغیر سود برای فروش انرژی در بازار روز پیش و پوشش تقاضای DSO است.

قابلیت اطمینان سیستم

این مقاله بر روی هزینه قابلیت اطمینان با در نظر گرفتن طبیعت تصادفی سیستم‌های قدرت تمرکز کرده است. مقاله یک مدل PBUC احتمالاتی را برای ارزیابی هزینه قابلیت اطمینان به‌کار گرفته است. یک تفاوت آشکار بین این کار و کارهای پیشین در این است که در مدل قابلیت اطمینان این مقاله، مسأله UC ساعتی را با خاموشی‌های ساعتی، مصرف سوخت و کمک هزینه انتشار در مسأله قابلیت اطمینان انفرادی، هماهنگ می‌کند. به جای به‌کار‌گیری معیارهای احتمالاتی قطعی، روش مونت‎کارلو برای شبیه‌سازی پیشامدهای احتمالاتی محتمل در PBUC احتمالاتی به‌کار رفته است. اغتشاشات تصادفی نظیر خاموشی واحدهای تولیدی و عدم دقت پیش‌بینی بار به‌عنوان درختان سناریو در شبیه‌سازی مونت کارلو مدل شده‌اند. مشاهده شده است که تعداد شبیه‎سازی‌های مونت‎کارلو برای ارزیابی قابلیت اطمینان در یک سطح اعتماد داده شده مستقل از اندازه سیستم است. در این مقاله روش مبتنی بر سناریو برای کنترل یک تقریب خوب بین محاسبات زمان و دقت راه‌حل اتخاذ شده است.

فرمولاسیون مسأله

استراتژی شرکت VPP در بازار روز پیش

در بستر بازارهای مقررات‌زدایی شده، مسأله UC به دو صورت SCUC و PBUC اعمال می‌شود. PBUC یک رویکرد مناسب برای شرکت در مناقصه بازار (انرژی و خدمات جانبی) است و تأثیرات میان‌مدت و متغیرهای صحیح نظیر مینیمم زمان روشن و خاموش بودن و محدودیت رمپینگ ژنراتور‌‌‌ها را در نظر بگیرد. ایجاد یک الگوریتم برای عملکرد VPP در بازار برق کوتاه‌مدت نیازمند ادغام معادلات مدل بازار جدید با UC سنتی یا مدل پخش بار اقتصادی است. در مدل جدید بازار برق، قیمت بازار نقش مهمی را بازی می‌کند. چون دقت پیش‌بینی قیمت بازار تأثیر مستقیمی بر جواب PBUC دارد، بنابراین در نظر گرفتن عدم قطعیت قیمت بازار در فرمول‌بندی PBUC اهمیت زیادی دارد. هم‌‎چنین به خاطر رفتار تصادفی منابع اولیه برخی از DG‌‌ها مانند سرعت باد و دما، عدم قطعیت‌های مربوط به خروجی این واحد‌‌‌ها اصلی‌‌‌ترین فاکتور محدودیت برای شرکت آن‎‌‌ها در بازار روز پیش است. در این مقاله یک VPP با مجموعه‌ای از DER‌‌ها در نظر گرفته شده است و فرض شده است که VPP مایل به امضای قرارداد با بازار روز پیش است. یک مناقصه حاوی اطلاعاتی مانند مقدار توان و ناحیه و زمان خرید یا فروش انرژی توسط یک بازیگر بازار است. ما فرض کرده‌ایم که VPP هزینه خود را از طریق فروش انرژی در استخر خرید با قیمت تسویه بازار به دست می‌آورد. VPP عملکرد خود را براساس قیمت پیش‌بینی شده بازار و بار قابل دیسپاچ بهینه می‌کند. هم‌‎چنین فرض شده است که اطلاعات مورد نیاز برای مدل پیشنهادی شامل بارها، منابع تولیدی تجدیدپذیر و قیمت بازار براساس اطلاعات تاریخی پیش‌بینی می‌شوند. نکات مهمی وجود دارد که باید در مسأله مناقصه VPP براساس PBUC در نظر گرفته بشود: اول این‌که یک VPP می‌تواند نقش خریدار و فروشنده را همزمان بازی کند که این به این معنی است که اگر توانی که منابع DER تولید می‌کنند برای پوشش تقاضای Dso کافی نباشد، VPP مانند یک مشتری عمل می‌کند و انرژی را از بازار روز پیش می‌خرد و آن را به مشتری‌هایش می‌فروشد. دوم این‌که منابع DER ممکن است که در چند نقطه به شبکه توزیع متصل باشند، بنابراین مشخصات شبکه باید در مسأله مناقصه VPP در نظر گرفته بشود. سوم این‌که عدم قطعیت مربوط به قیمت بازار و تولید DG تصادفی در بررسی مسأله مناقصه در نظر گرفته بشوند. در ادامه برخی از مفروضات مسأله بهینه‌سازی آمده است:

– فرض شده است که VPP به صورت مرکزی کنترل شده است

– یک مکانیسم مناقصه پایه برای قطع بار اعمال شده است که طی آن مشتری‌ها پیشنهادهای قطع بار را به صورت مناقصه ساعتی با VPP امضا می‌کنند.

– DGهای تصادفی و قابل دیسپاچ در فرمول‌بندی مسأله در نظر گرفته شده‌اند.

– VPP می‌تواند با شبکه بالادستی خود در GSPهای مختلف تبادل توان داشته باشد. در این مقاله فرض شده است که قیمت بازار GSPهای مختلف متفاوت است.

– DGهای قابل توزیع در VPP، به خاطر نوسانات احتمالی در تولید DGهای تصادفی، رزرو مورد نیاز VPP را تأمین می‌کنند.

مدل کردن تصادفی DG

تغییر و عدم قطعیت مشخصه‌های ذاتی سیستم‌های قدرت هستند. DGهای تصادفی قابل تنظیم نیستند و خروجی آن‎‌‌ها توسط در دسترس بودن منابع اولیه‌شان نظیر باد و تابش خورشید تعیین می‌شوند. برای لحاظ تولید این منابع در تابع هدف، پیش‌بینی منابع انرژی تجدیدپذیر (RES)مورد نیاز است. دو روش برای کنترل عدم قطعیت در برنامه‌ریزیDG تصادفی وجود دارد: اولی رزرو مورد نیاز و دیگری راه‌حل‌های ریاضیاتی برای آنالیز عدم قطعیت. در این مقاله ترکیب این دو راه‌حل به‌کار رفته است. پیش‌بینی DGهای تصادفی با یک مقدار امید ریاضی و یک خطا، مدل شده است. این خطا، یک متغیر تصادفی با توزیع نرمال است که مقدار میانگین آن صفر است.

۳-۱-۲- مدل کردن عدم قطعیت قیمت بازار

در بازار مقررات‌زدایی شده، مسایل بهینه‌سازی زیادی هستند که نیازمند برنامه‌ریزی ۲۴ ساعته تولید بهینه منابع تولیدی هستند. یک شرکت تولیدی الکتریکی (GENCO) از PBUC برای ماکزیمم کردن سود خود استفاده می‌کند. GENCO از طریق پیش‌بینی قیمت بازار، برنامه زمان‎بندی تولید منابع خود را با یک قیمت غالب بهینه می‌کند. به عبارت دیگر، قیمت بازار در بازار «روز پیش» به پارامترهای مختلفی نظیر تقاضا، در دسترس بودن ژنراتور و قیود عملیاتی بستگی دارد. بنابراین، در گذشته از قیمت پیش‌بینی شده نادرست در فرمولاسیون PBUC استفاده می‌شد. این نگرش قطعی ممکن است که به از دست دادن سود در PBUC منجر شود. بنابراین، قیمت بازار ساعتی با یک توزیع نرمال مدل شده است. میانگین این توزیع برابر قیمت بازار در همان ساعت است. هم‌‎چنین فرض شده است که بین قیمت بازار و مقدار تقاضای شبکه یک رابطه خطی برقرار است.

-۴ فرمولاسیون مسأله PBUC

این مقاله برای گنجاندن تولید DG از یک PBUC احتمالاتی همراه با قیود را اعمال می‌کند. روند تصادفی عدم قطعیت قیمت بازار و منابع تولید پراکنده با تمرکز روی جواب‌های PBUC قطعی شبیه‌سازی می‌شود. برنامه‌ریزی عدد صحیح غیرخطی برای حل مسأله PBUC قطعی به‌کار رفته است. تابع هدف مسأله، ماکزیمم کردن مقدار امید ریاضی سود است. VPP به مشتری‌های شبکه توزیع انرژی را می‌فروشد و در صورت وجود تولید بیش از اندازه منابع DG، آن را به بازار روز پیش با قیمت بازار می‌فروشد. خروجی‌های مسأله بهینه‌سازی برای شرکت در مناقصه بازار روز پیش به صورت نکات زیر خلاصه می‌شود:

– تبادل توان در نقاط GSP

– تولید توان توسط DGها

– تولید توان توسط SGها

– قطع بار

– ظرفیت رزرو

– تابع توزیع نرمال و توزیع تجمعی متغیر تصادفی سود

تابع هدف

امیدریاضی سود در معادله از تفریق امید ریاضی هزینه از درآمد برای یک دوره مفروض به دست می‌آید. اولین جمله درآمد، درآمدی است که از فروش به مشتری‌های DSO حاصل می‌شود و جمله دوم این معادله درآمدی است که از فروش تولید اضافی منابع DG به بازار روزپیش در نقاط GSP حاصل می‌شود. اولین و دومین مؤلفه معادله هزینه تولید واحدهای SG و DG هستند. این واحد‌‌‌ها هزینه راه‌اندازی و خاموش کردن متفاوتی دارند. سومین مؤلفه معادله هزینه قطع بارهای قابل دیسپاچ است.

قیود

قیود شبکه شامل موارد زیر است:

۱- معادلات شبکه

۲- محدودیت ولتاژ باس

۳- ظرفیت تزویج یا شبکه اصلی

۴- محدودیت شارش توان ظاهری در خطوط

۵- حداقل تقاضای DSO باید برآورده شود.

۶- محدودیت DSL

۷- محدودیت تولید DG

۸- محدودیت رمپ برای هر DG

۹- حداقل و حداکثر محدودیت زمانی برای هر DG

۱۰- ظرفیت رزرو

ظرفیت رزرو مورد نیاز سیستم باید تأمین شود. به‌خاطر تغییرات محتمل در تولید DGهای تصادفی، رزو مورد نیاز سیستم با افزایش تولید DG‌‌ها باید افزایش یابد. بنابراین در این مقاله دو مؤلفه برای فراهم کردن رزرو عملیاتی مسأله ارایه شده است. اولین مؤلفه به عنوان درصدی از کل تولید واحدهای قابل دیسپاچ و قطع بارهای قابل دیسپاچ در نظر گرفته شده است. دومین مؤلفه رزرو اضافه است که برای جبران‌سازی خطای ناشی از مقایسه بین تولید پیش‌بینی شده و تولید واقعی واحدهای SG مورد نیاز است.

۱۱- آنالیز حساسیت

آنالیز حساسیت؛ سود نسبت به شاخص‌های قابلیت اطمینان است.

۱۲- قید ریسک

اندازه‌گیری ریسک در این مقاله از طریق شاخص VaR صورت می‌گیرد.

نتایج شبیه‌سازی

روش ارایه شده در این مسأله با استفاده از یک شبکه ۱۸ باس آزموده شده است. برای ساده‌سازی مسأله فرض کرده‌ایم که همه DGهای موجود در VPP در یک شبکه توزیع واقع شده‌اند. سیستم از طریق ۳ ترانسفورماتور ایستگاه فرعی در باس‌های ۱و ۱۱ و ۱۶ به شبکه اصلی متصل شده است. این سیستم از شبکه ۳۰ باس استاندارد IEEE با احتساب تنها شبکه ۳۳kv استخراج شده است.۴عدد DG قابل دیسپاچ در باس‌های ۴ و ۷ و ۸ و ۱۴ و دو عدد DG تصادفی در باس‌های ۱۵ و ۱۸ موجود است. قیمت مناقصه برای هر DG براساس (LCOE) خود آن DG است. (LCOE)بر پایه هزینه نصب، هزینه زمان عملکرد و عمر هر DG محاسبه می‌شود. قیمت بازار در GSPهای مختلف، متفاوت است. بنابراین قیمت بازار در GSPهای ۱و ۱۱ و ۱۶ به ترتیب ۹۵، ۱۰۵ و صددرصد مقدار است.

حد بالایی برای قطع بار قابل دیسپاچ، ۵درصد کل تقاضای پیش‌بینی شده DSO است. با افزایش قابلیت اطمینان شبکه میزان انرژی تأمین نشده کاهش یافته و از طرفی مقدار سود نیز به شدت کاهش می‌یابد. و هم‌‎چنین در سودهای بالا میزان قابلیت اطمینان شبکه در کم‎‌‌ترین مقدار خود می‌باشد. بنابراین با توجه به منحنی بالا می‌توان به‌راحتی و باتوجه به مقدار سود و قابلیت اطمینان مورد نظر شبکه، برنامه‌ریزی و بهره‌برداری مناسب را تعیین کرد.

۱-۴- آنالیز حساسیت سود نسبت به شاخص‌های قابلیت اطمینان

جهت انجام آنالیز حساسیت مقدار LOLPfix را از مقدار ۰ تا ۲ به صورت پله‌پله تغییر می‌دهیم و در هر پله مقدار سود و شاخص‌های LOLP و LOLE را محاسبه می‌کنیم.

۲-۴- محاسبه Value At Risk

جهت محاسبه VAR باید ابتدا سطح اعتماد (Confidence Level) مورد نظر را انتخاب کرد. در اکثر مراجع مقدار سطح اعتماد را ۹۵درصد در نظر می‌گیرند. بنابراین باید VAR 5درصد را محاسبه کنیم. بعد از تولید سناریو‌‌‌ها و به دست آوردن احتمال هر سناریو، مسأله بهینه‌سازی را حل می‌کنیم و مقادیر مربوط به سود هر سناریو و انرژی تأمین نشده را محاسبه می‌کنیم. سپس با تشکیل احتمال تجمعی Profit و LOEE مقدار VAR 5درصد و یا هر مقدارریسک دیگر را محاسبه می‌کنیم. هم‌‎چنین جهت مشخص شده بهتر موضوع علاوه بر محاسبه VAR، منحنی تابع توزیع تجمعی و تابع توزیع نرمال سود ترسیم شده است.

۵ – نتیجه‌گیری

در این مقاله یک روند برای مدیریت بهینه منابع تولید پراکنده VPP برای شرکت در مناقصه بازار روز پیش ارایه شده است. یک مدل PBUC قطعی برای تصمیم‌گیری در مورد به مدار آوردن نیروگاه‌های تولید پراکنده و خرید و فروش بهینه انرژی به بازار روز پیش ارایه شده است. تابع هدف مسأله ماکزیمم کردن مقدار امید ریاضی پارامتر سود VPP از طریق مشارکت در بازار روز پیش و پوشش تقاضای DSO است. در این مدل، قیود شبکه، قیود تکنیکی DERها، عدم قطعیت در قیمت بازار و عدم قطعیت در تولید منابع DG تصادفی در نظر گرفته شده است. روند تصادفی در عدم قطعیت پارامترهای ورودی با روش مونت کارلو شبیه‌سازی شده است. برنامه‌ریزی عدد صحیح غیرخطی برای حل PBUC قطعی در نرم افزار GAMS استفاده شده است. در افق برنامه‌ریزی ۲۴ ساعته، قیود ریسک و قابلیت اطمینان با در نظر گرفتن توزیع بهینه منابع DER اعمال شدند. با توجه به نتایج به دست آمده می‌توان یک برنامه‌ریزی بهینه برای شرکت در بازار روزپیش انجام داد. با توجه به این برنامه‌ریزی، باید ریسک سرمایه‌گذاری در بازار را مد نظر قرارداد تا حاشیه سود مورد نظر تأمین شود.

 منبع: ارایه شده در کنفرانس منطقه‌ای روش‌های محاسبه نرم در مهندسی برق و کامپیوتر- ۱۳۹۲

 

توضیح: در این مقاله معادلات و فرمول‌های ریاضی ذکر شده که در این‎جا ذکر نشده است.