دانلود ترجمه مقاله نقش پاسخ به تقاضا در برنامه ریزی تولید بادی – حرارتی چندهدفه و تک هدفه

1. مقدمه 2. تشریح مساله 3. مدل پاسخ به تقاضا 4. فرمول بندی مساله 5. برنامه ریزی تولید بادی – حرارتی چندهدفه 6. مطالعه موردی 7. نتیجه گیری

چکیده – این مقاله روی استفاده از DR (پاسخ به تقاضا) به عنوان ابزاری برای ایجاد ذخیره به منظور پوشش دادن عدم قطعیت در پیش بینی توان بادی در محیط SG (شبکه هوشمند) تمرکز دارد. مدل تصادفی پیشنهادی، انرژی و رزرو ارائه شده توسط واحدهای تولیدی و بارهای پاسخگو را در سیستم قدرت با نفوذ بالای توان بادی، برنامه ریزی کرده است. این مدل، در قالب یک برنامه ریزی تصادفی دو مرحله ای فرمول بندی شده که در آن مرحله اول مربوط به بازار برق، نقش آن و محدودیت های آن بوده و مرحله دوم، مرتبط با عملکرد واقعی سیستم قدرت و محدودیت های فیزیکی آن در هر سناریو می باشد. پاسخ های گسسته مشتری خرد به برنامه های DR مبتنی بر انگیزش توسط DRPها (ارائه دهندگان پاسخ به تقاضا) جمع آوری شده و در قالب یک قیمت شارژ بار و مقدار بسته پیشنهادی به ISO (اپراتور سیستم مستقل) ارائه می گردد. همچنین، رفتار برنامه DR مبتنی بر قیمت و ماهیت تصادفی توان بادی به ترتیب با مفهوم کشش قیمتی تابع توزیع احتمال نرمال و تقاضا مدلسازی می گردد. در مدل پیشنهادی، DRPها می توانند در بازار انرژی و نیز بازار رزرو مشارکت داشته و پیشنهادات خود را به بازار عمده فروشی برق ارائه دهند. این رویکرد روی یک سیستم تست 30 باس IEEE اصلاح شده تحت یک افق زمانی روزانه پیاده سازی شده است. نتایج شبیه سازی در شش مطالعه موردی مختلف مورد آنالیز قرار گرفته است. توابع چندهدفی، انتشار و هزینه در موارد بدون DR و با DR بهینه سازی شده اند. مدل برنامه ریزی تولید چندهدفه با استفاده از روش محدودیت اپسیلون جمع شده، حل شده و بهترین راه حل را می توان با روش های آنتروپی و TOPSIS (روش اولویت بندی بر اساس شباهت به راه حل های ایده آل) انتخاب کرد. نتایج نشان می دهند که مشارکت سمت تقاضا در برنامه ریزی انرژی و رزرو می تواند انتشار و هزینه های عملیاتی کلی را کاهش دهد.

This paper focuses on using DR (Demand Response) as a means to provide reserve in order to cover uncertainty in wind power forecasting in SG (Smart Grid) environment. The proposed stochastic model schedules energy and reserves provided by both of generating units and responsive loads in power systems with high penetration of wind power. This model is formulated as a two-stage stochastic programming, where first-stage is associated with electricity market, its rules and constraints and the second-stage is related to actual operation of the power system and its physical limitations in each scenario. The discrete retail customer responses to incentive-based DR programs are aggregated by DRPs (Demand Response Providers) and are submitted as a load change price and amount offer package to ISO (Independent System Operator). Also, price-based DR program behavior and random nature of wind power are modeled by price elasticity concept of the demand and normal probability distribution function, respectively. In the proposed model, DRPs can participate in energy market as well as reserve market and submit their offers to the wholesale electricity market. This approach is implemented on a modified IEEE 30-bus test system over a daily time horizon. The simulation results are analyzed in six different case studies. The cost, emission and multiobjective functions are optimized in both without and with DR cases. The multiobjective generation scheduling model is solved using augmented epsilon constraint method and the best solution can be chosen by Entropy and TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) methods. The results indicate demand side participation in energy and reserve scheduling reduces the total operation costs and emissions.