دانلود ترجمه مقاله زمان بندی پاسخ به تقاضا با استفاده از SCUC تصادفی

1. فهرست اصطلاحات 2. مقدمه 3. تعریف مسئله 4. مدل پاسخگویی به تقاضا 5. فرمول بندی مسئله 6. روش حل 7. مثالهای عددی 8. نتیجه گیری

چکیده – پیشرفت های قابل توجهی در دورسنجی سیستم های سمت تقاضا به اپراتورهای سیستم های مستقل (ISOها)، توانایی استفاده از ذخیره هایی که توسط پاسخگویی به تقاضا (DR) در بازارهای خدمات فرعی فراهم آورده شده، می دهد. در حال حاضرISOهای زیادی، برنامه هایی را به منظور استفاده از ذخیره های ارائه شده توسط DR در بازارهای الکتریسیته طراحی کرده اند. این مقاله، مدل ا حتمالاتی ای را برای برنامه ریزی ذخیره های ارائه شده توسط DR در بازارهای فروش الکتریسیته ارائه می کند. ذخیره سمت تقاضا توسط ارائه دهندگان پاسخگویی به تقاضا (DRPها) تامین می شود که این موجودیت ها، مسئولیت جمع آوری و مدیریت پاسخ های مشتریان را دارند. ارائه ای با اعداد صحیح ترکیبی از این ذخیره که توسط DRPها ارائه می شود و تابع هزینه متناظر با آن در مدل احتمالاتی پیشنهادی مورد استفاده قرار گرفته است. مدل احتمالاتی پیشنهادی به عنوان یک برنامه نویسی دو مرحله ای احتمالاتی با عدد صحیح مختلط (SMIP) فرمول بندی می شود. مرحله اول شامل قرارگیری واحد در مدار با قید شبکه در مورد پایه است ومرحله دوم اطمینان امنیتی را در سناریو های سیستمی بررسی میکند. مدل پیشنهادی می تواند ذخایر ارائه شده توسط DRPها را برنامه ریزی کرده و حالت قرارگیری واحدهای تولید کننده در مدار و انرژی برنامه ریزی شده و ذخایر گردان در افق برنامه ریزی را تعیین کند. روش پیشنهادی بر روی دو سیستم آزمایشی اعمال می شود تا بتوان منافع پیاده سازی ذخایر سمت تقاضا را در بازارهای الکتریسیته تشریح نمود.

Considerable developments in the real-time telemetry of demand-side systems allow independent system operators (ISOs) to use reserves provided by demand response (DR) in ancillary service markets. Currently, many ISOs have designed programs to utilize the reserve provided by DR in electricity markets. This paper presents a stochastic model to schedule reserves provided by DR in the wholesale electricity markets. Demand-side reserve is supplied by demand response providers (DRPs), which have the responsibility of aggregating and managing customer responses. A mixed-integer representation of reserve provided by DRPs and its associated cost function are used in the proposed stochastic model. The proposed stochastic model is formulated as a two-stage stochastic mixed-integer programming (SMIP) problem. The first-stage involves network-constrained unit commitment in the base case and the second-stage investigates security assurance in system scenarios. The proposed model would schedule reserves provided by DRPs and determine commitment states of generating units and their scheduled energy and spinning reserves in the scheduling horizon. The proposed approach is applied to two test systems to illustrate the benefits of implementing demand-side reserve in electricity markets.