دانلود ترجمه مقاله مدیریت انرژی تصادفی مطلوب خرده فروش مبتنی بر تعیین قیمت فروش تحت محیط شبکه هوشمند

1. مقدمه 2. فرمول بندی مسأله 3. شبیه سازی عددی 4. نتیجه گیری

چکیده – در این مقاله، مسائل تعیین قیمت فروش و قراردادهای دو جانبه برای خرده فروش برق در محیط شبکه هوشمند تحت عدم قطعیت ها در نظر گرفته شده است. منابع متعدد تولید انرژی حاوی بازار شراکتی (PM)، قراردادهای دو جانیه (BCs)، واحدهای تولید پراکنده (DG)، منابع انرژی تجدیدپذیر (سیستم فتوولتائیک (PV) و توربین بادی (WT))، سیستم ذخیره سازی انرژی (ESS) و نیز برنامه پاسخ به تقاضا (DRP) در قالب واحدهای تولید مجازی در نظر گرفته شده اند. چارچوب تصادفی مبتنی بر حالت برای مدل سازی عدم قطعیت قیمت های بازار شراکتی، تقاضای گروه مشتریان و شرایط آب و هوایی متغیر شامل دما، تابش و سرعت باد مورد استفاده قرار گرفته است. در مدل پیشنهادی، قیمت فروش تعیین شده و توسط خرده فروش در شبکه هوشمند در سه حالت شامل قیمت گذاری ثابت، قیمت گذاری زمان استفاده (TOU) و قیمت گذاری زمان واقعی (RTP) مورد مقایسه قرار گرفته است. نشان داده شده است که تعیین قیمت فروش بر اساس RTP توسط خرده فروش منجر به سود مورد انتظار بالاتری می گردد. علاوه بر این، برنامه پاسخ به تقاضا (DRP) به منظور هموار کردن سود بار و به حداقل رسانی هزینه برای مشتریان نهایی و نیز افزایش سود خرده فروش پیاده سازی شده است. برای تأیید مدل پیشنهادی، سه مطالعه موردی استفاده شده و نتایج مورد مقایسه قرار گرفته اند.

In this paper, bilateral contracting and selling price determination problems for an electricity retailer in the smart grid environment under uncertainties have been considered. Multiple energy procurement sources containing pool market (PM), bilateral contracts (BCs), distributed generation (DG) units, renewable energy sources (photovoltaic (PV) system and wind turbine (WT)) and energy storage system (ESS) as well as demand response program (DRP) as virtual generation unit are considered. The scenario-based stochastic framework is used for uncertainty modeling of pool market prices, client group demand and variable climate condition containing temperature, irradiation and wind speed. In the proposed model, the selling price is determined and compared by the retailer in the smart grid in three cases containing fixed pricing, time-of-use (TOU) pricing and real-time pricing (RTP). It is shown that the selling price determination based on RTP by the retailer leads to higher expected profit. Furthermore, demand response program (DRP) has been implemented to flatten the load profile to minimize the cost for end-user customers as well as increasing the retailer profit. To validate the proposed model, three case studies are used and the results are compared.