دانلود ترجمه مقاله بهینه سازی انعطاف پذیری تقاضای کل در شبکه های هوشمند و بازارهای عمده فروشی برق

1. مقدمه 2. روش‌شناسی تعیین و کمی‌سازی انعطاف‌پذیری تقاضا 3. تعامل‌پذیری انعطاف‌پذیری و مشارکت ذینفعان در بهره‌برداری از سیستم‌های توزیع 4. مدل تجمیع‌کننده و بهینه‌سازی دوسطحی 5. مطالعه موردی 6. تحلیل نتایج 7. نتیجه‌گیری

چکیده – گذر به سوی سیستم‌های قدرت هوشمند و پایدار نیازمند طرح‌های عملیاتی برای ادغام انعطاف‌پذیری تقاضای صنعتی در بهره‌برداری کوتاه‌مدت، به‌ویژه در بازارهای نوظهور برق است. این مقاله یک چارچوب یکپارچه پیشنهاد می‌دهد که «مشخصه‌سازی انعطاف‌پذیری داده‌محور» را با یک «مدل بهینه‌سازی دوسطحی» برای یک تجمیع‌کننده (Aggregator) سمت تقاضای صنعتی که در بازار کوتاه‌مدت تراز (Balancing Market) شرکت می‌کند، ترکیب می‌نماید. انعطاف‌پذیری از طریق داده‌های زیرساخت اندازه‌گیری هوشمند (AMI) و اطلاعات فرآیندی مصرف‌کنندگان بزرگ شناسایی شده است که منجر به دستیابی به حدود ۲ مگاوات بار قابل قطع و ۳ مگاوات بار قابل کاهش در یک بازه ۲۴ ساعته می‌شود. در سطح بالا (Upper Level)، تجمیع‌کننده با ارائه پیشنهادهای انعطاف‌پذیری، سود خود را بیشینه می‌کند؛ در سطح پایین (Lower Level)، بهره‌بردار سیستم (SO) با بهینه‌سازی هم‌زمان تولید واحدهای حرارتی و انعطاف‌پذیری فعال‌شده، هزینه‌های ترازسازی را کمینه می‌نماید. این مسئله به صورت یک مدل «برنامه‌ریزی خطی عدد صحیح مختلط» (MILP) فرمول‌بندی شده و در یک شبکه واقعی فوق‌توزیع و توزیع در اکوادور ارزیابی شده است؛ همچنین صحت‌سنجی پخش بار آن به صورت Ex-post در نرم‌افزار DIgSILENT PowerFactory انجام گرفته است. نتایج عددی نشان می‌دهد که علی‌رغم ظرفیت محدود انعطاف‌پذیری، تجمیع‌کننده موفق شده است حداکثر قیمت انرژی را از ۱۷۲.۳۲ به ۱۳۹.۵۹ دلار بر مگاوات ساعت (حدود ۱۹٪) کاهش دهد و درآمد روزانه‌ای معادل ۲۴۷۵.۱۵ دلار ایجاد کند. از منظر شبکه، انعطاف‌پذیری تقاضا منجر به رفع افت ولتاژ در بحرانی‌ترین شینه (از ۰.۹۳ به ۱.۰۳ واحد پریونیت) بدون ایجاد اضافه‌ولتاژ شده است، در حالی که بارگذاری خطوط در تمامی موارد زیر ۵۰٪ باقی مانده و تلفات فنی کل روزانه از ۸۹.۴۶ به ۸۹.۱۰ مگاوات ساعت (حدود ۰.۴٪) کاهش یافته است. این نتایج هم پتانسیل‌ها و هم محدودیت‌های فعلی انعطاف‌پذیری تقاضای صنعتی در بازارهای کوتاه‌مدت را برجسته می‌کند.

The transition toward intelligent and sustainable power systems requires practical schemes to integrate industrial demand flexibility into short-term operation, particularly in emerging electricity markets. This paper proposes an integrated framework that combines data-driven flexibility characterisation with a bi-level optimisation model for an industrial demand-side aggregator participating in the short-term balancing market. Flexibility is identified from AMI data and process information of large consumers, yielding around 2 MW of interruptible load and 3 MW of reducible load over a 24 h horizon. At the upper level, the aggregator maximises its profit by submitting flexibility offers; at the lower level, the system operator minimises balancing costs by co-optimising thermal generation and activated flexibility. The problem is formulated as a mixed-integer linear programming model and is evaluated on a real subtransmission and distribution network of a local utility in Ecuador, with ex-post power flow validation in DIgSILENT PowerFactory. Numerical results show that, despite the limited flexible capacity, the aggregator reduces the maximum energy price from USD/MWh 172.32 to 139.59 (about 19%), generating a daily revenue of USD 2475.15. From a network perspective, demand flexibility eliminates undervoltage at the most critical bus (from 0.93 to 1.03 p.u.) without creating overvoltages, while line loadings remain below 50% in all cases and total daily technical losses decrease from 89.46 to 89.10 MWh (about 0.4%). These results highlight both the potential and current limitations of industrial demand flexibility in short-term markets.