دانلود ترجمه مقاله کاربرد مدل در مدار قرارگیری واحدهای نیروگاهی در سیستم قدرت

1. مقدمه 2. در مدار قرارگیری واحدهای باینری 3. در مدار قرارگیری واحدهای دسته بندی شده 4. انحرافات بین هر دو فرمول 5. روش تحقیق 6. مطالعه موردی 7. نتایج 8. نتیجه گیری

نتیجه گیری: فرمول های در مدار قرارگیری واحدهای دسته بندی شده (CUC) برای فراهم کردن تقریب هایی برای حل مسئله UC ایجاد شده است. اخیراً این فرمول ها عمدتاً برای ادغام محدودیت های انعطاف پذیری در مسائل عملیاتی طولانی مدت و مسائل برنامه ریزی گسترش تولید بکار رفته است. با اینکه این فرمول ها به طور مکرر بکار رفته است، در مقالات فرض بر این است که تحت شرط استفاده از یک بخش خطی تکه ای برای مدل سازی اتلاف راندمان بخش بار، فرمول CUC نتایجی مشابه با فرمول سنتی در مدار قرارگیری واحد باینری فراهم می کند. در این مقاله نشان دادیم که این فرض فقط برای پورتفولیویی صدق می کند که با حدود راه اندازی و توقف محدود نشده باشد. برای دسته هایی که گرادیان های دقیق راه اندازی و توقف دارند، نشان دادیم که ممکن است خطاهایی ایجاد شود که در فرمول مسئله ذاتی هستند، یعنی حتی زمانیکه فقط واحدهای همانند در دسته ها گروه بندی می شوند، بازهم خطاها روی می دهد. این خطاهای ناشی از فرمول بندی از این واقعیت ناشی می شوند که فرمول CUC سطح تولید واحدهای فردی را در نظر نمی گیرد. از آنجا که انعطاف پذیری که گروهی از نیروگاه های می توانند فراهم کنند فقط به مجموع سطح تولید همه نیروگاه های درون گره وابسته نیست، بلکه به چگونگی توزیع این سطح بین واحدهای مختلف نیز بستگی دارد، خطاهایی بروز می کند. در یک تحقیق موردی هر دو خطاهای ذاتی در فرمول بندی مسئله و خطاهای ناشی از افزودن واحدهای غیرهمانند تعیین شد. نشان داده شد که مدل CU هزینه کمتر واقعی را کمتر محاسبه می کند. با این حال، این تنها مورد برای پورتفولیویی است که با گرادیان دقیق راه اندازی و توقف محدود شده است. انحراف بین جواب های مدل CUC و فرمول BUC برای سهم بالاتر تولید IRES و برای پورتفولیو نیروگاهی با انعطاف پذیری کمتر افزایش می یابد. در مواردی که ارائه شد، انواع مختلف خطا بسیار کوچک ماند. همه خطاهای هزینه نسبی و خطاهای سهم سوخت پیش بینی شده به ترتیب از 0.06% و 0.12% فراتر نرفت. بنابراین به شرط وجود روش دسته بندی مطمئن، فرمول CUC می تواند مجموع هزینه سیستم و ترکیب تولید بهینه را دقیق نشان دهد در عین حال که زمان محاسبه نیز با فاکتوری از 800-80 کاهش می یابد. بنابراین فرمول های CUC در مسائل عملیاتی طولانی مدت یا مسائل توسعه تولید بسیار مفید هستند. در نهایت، روش هیبرید جدیدی ارائه شد که در آن CUC و BUC به صورت متوالی پیاده می شود. نتایج مدل CUC برای ادغام محدودیت های بیشتر در مدل BUC بکار می رود تا فضای حالت ترکیبی مسئله BUC کاهش یابد. در نتیجه هزینه محاسباتی حل مسئله UC را می توان کاهش داد و در عین حال راه حلی عملی و نزدیک به بهینه در سطح واحد را تضمین کرد. ممکن است زمانی که در نظر گرفتن بازنمود دقیق شبکه مهم است، روش هیبرید چندان مفید نباشد. تاثیر اندازه سیستم، سطح دسته بندی و تاثیر محدودیت های سفت و سخت بر عملکرد این روش هیبریدی برای تحقیق آینده واگذار شده است.

CONCLUSION: Clustered unit commitment (CUC) formulations have been developed to provide approximations for solving the UC problem. Recently, these formulations have been mainly applied for integrating flexibility constraints in long-term operational problems and generation expansion planning problems. While these formulations have been applied frequently, in the literature the assumption is made that, under the premise of using a single piecewise linear segment to model part-load efficiency losses, a CUC formulation provides identical results to a traditional binary unit commitment formulation. In this paper, we demonstrate that this assumption only holds for a portfolio not restricted by start-up and shut-down limitations. For clusters with stringent start-up and shut-down gradients, we show that errors can be introduced which are inherent to the problem formulation, i.e., even when only identical units are grouped into clusters, errors occur. These errors induced by the formulation are shown to originate from the fact that the CUC formulation does not keep track of the generation level of individual units. As the flexibility that can be provided by a group of power plants does not only depend on the aggregate generation level of all plants within the group, but also on how this generation level is distributed among different units, errors arise. In a case study, both the errors inherent to the problem formulation and the errors induced by aggregating non-identical units have been quantified. It was shown that the CUC model tends to underestimate the true cost. Yet, this only is the case for the portfolio restricted by stringent start-up and shut-down gradients. The deviation between the solutions of the CUC model and the BUC formulation increase for a higher share of IRES generation and for a less flexible power plant portfolio. In the presented cases, the different types of errors remain very small. All relative cost errors and projected fuel share errors did not exceed 0.06% and 0.12% respectively. Provided a reliable clustering approach, the CUC formulation is thus able to accurately represent the total system cost and the optimal generation mix whilst reducing the calculation time by a factor 80-800. As such, CUC formulations are highly appropriate in longer-term operational problems or generation expansion problems. Finally, a novel hybrid approach is presented in which a CUC and a BUC are run sequentially. The results of the CUC model are used to incorporate additional constraints in the BUC model in order to reduce the combinatorial state space of the BUC problem. As such, the computational cost of solving the UC problem can be reduced while providing a guaranteed feasible and near optimal solution on unit-level. The hybrid approach may be less advantageous when detailed network representations are important to consider. The effect of system size, clustering level and the impact of tight and compact constraints on the performance of this hybrid approach is left for future research.

بخشی از ترجمه مقاله (صفحه 20 و 21 فایل ورد ترجمه)