دانلود ترجمه مقاله استراتژی های قیمت گذاری دینامیک مبتنی بر تئوری بازی برای مدیریت سمت تقاضا در شبکه های هوشمند

1. مقدمه 2. مدل قیمت گذاری پیشنهادی 3. داده ها و روش تحقیق به کار گرفته شده 4. نتایج و بررسی – بخش مسکونی 5. نتایج و بررسی – بخش تجاری 6. نتایج و بررسی – بخش صنعتی 7. نتیجه گیری

چکیده – با افزایش تقاضا برای برق و ظهور شبکه های هوشمند، کشورهای توسعه یافته، روش های مدیریت سمت تقاضا (DSM) را برای تأثیرگذاری روی الگوهای مصرف ایجاد کرده اند. استفاده از استراتژی های قیمت گذاری دینامیک در قالب یک ابزار DSM قدرتمند برای بهینه سازی الگوی مصرف انرژی مشتریان و بهبود کارایی کلی بازار انرژی ظهور یافته اند. هدف اصلی استراتژی قیمت گذاری دینامیک، تشویق مصرف کنندگان به مشارکت در کاهش بار پیک و انگیزش مشتریان می باشد. در این پژوهش، یک استراتژی قیمت گذاری دینامیک مبتنی بر نظریه بازی برای بازار برق سنگاپور با تمرکز بر بخش مسکونی و تجاری ارزیابی شده است. مدل قیمت گذاری پیشنهادی با پنج مجموعه داده ای قیمت و بار به منظور بسط روی همه حالات محتمل شامل روزهای هفته، آخر هفته، تعطیلات عمومی و بالاترین / پایین ترین تقاضا در سال مورد تست قرار گرفته اند. سه استراتژی قیمت گذاری ارزیابی شده و مورد مقایسه قرار گرفته اند، با عنوان قیمت گذاری زمان واقعی نیم ساعته (RTP)، قیمت گذاری زمان استفاده (TOU) و قیمت گذاری روز – شب (DN). نتایج نشان می دهند که RTP کاهش بار پیک را برای بخش خانگی و تجاری به ترتیب تا 10% و 5% افزایش می دهد. علاوه بر این، سود نیز به ترتیب تا 15.5% و 18.7% افزایش می یابد در حالی که کاهش بار کلی به منظور تضمین حالت واقعی به حداقل می رسد.

With the increasing demand for electricity and the advent of smart grids, developed countries are establishing demand side management (DSM) techniques to influence consumption patterns. The use of dynamic pricing strategies has emerged as a powerful DSM tool to optimize the energy consumption pattern of consumers and simultaneously improve the overall efficacy of the energy market. The main objective of the dynamic pricing strategy is to encourage consumers to participate in peak load reduction and obtain respective incentives in return. In this work, a game theory based dynamic pricing strategy is evaluated for Singapore electricity market, with focus on the residential and commercial sector. The proposed pricing model is tested with five load and price datasets to spread across all possible scenarios including weekdays, weekends, public holidays and the highest/lowest demand in the year. Three pricing strategies are evaluated and compared, namely, the half-hourly Real-Time Pricing (RTP), Time-of-Use (TOU) Pricing and Day-Night (DN) Pricing. The results demonstrate that RTP maximizes peak load reduction for the residential sector and commercial sector by 10% and 5%, respectively. Moreover, the profits are increased by 15.5% and 18.7%, respectively, while total load reduction is minimized to ensure a realistic scenario.