اجرای همزمان برنامه پاسخ‌گویی بار زمان استفاده (TOU) و مشارکت واحدها در حضور مزارع بادی به روش MILP

نوع مقاله: مقاله علمی فارسی

نویسندگان

1 دانشجوی دکتری برق، پردیس فنی شهید عباسپور- دانشگاه شهید بهشتی- تهران- ایران

2 - استادیار، پردیس فنی شهید عباسپور- دانشگاه شهید بهشتی- تهران- ایران

چکیده

چکیده: برنامه‏ریزی مشارکت واحدها شامل بهینه‏سازی منابع تولید برای حداقل‏سازی هزینه تولید توان با رعایت قیود مربوطه است. با تثبیت تجدید ساختار در سیستم‏های قدرت، افزایش بهای انرژی الکتریکی در بعضی ساعات روز و همچنین افزایش قیمت سوخت، برنامه مدیریت سمت بار از سوی مصرف‏کنندگان مورد توجه بیشتری قرار گرفته است. در این مقاله، تأثیر اجرای بهینه‏ برنامه پاسخ‏گویی بار زمان استفاده (TOU ) به عنوان یکی از روش‏های برنامه پاسخ‏گویی بار، بر کاهش هزینه مشارکت واحدها در حضور منابع بادی بررسی شده است. اجرای همزمان مسأله مشارکت واحدها و برنامه پاسخ‏گویی بار یک مسأله پیچیده غیرخطی با متغیرهای پیوسته و گسسته است که از تکنیک برنامه‏ریزی خطی اعداد صحیح و غیرصحیح (MILP ) برای حل مسأله استفاده شده است. این بهینه‏سازی با استفاده از روش CPLEX که در حل مسائل مختلط با اعداد صحیح بسیار کارا است، در برنامه GAMS پیاده‏سازی شده است. روش پیشنهادی در یک شبکه کاربردی و یک شبکه 24 شینه استاندارد IEEE-RTS اجرا شده و نتایج با تحلیل حساسیت‏های مربوطه در انتها آورده شده است.

کلیدواژه‌ها


عنوان مقاله [English]

Simultaneous Implementation of TOU and UC Programs Considering Wind Power with MILP Method

نویسندگان [English]

  • mohsen kia 1
  • mehrdad setayesh nazar 2
  • mohammad sadegh sepasian 2
1 University of Beheshti- College of engineering Abbaspour, Tehran, Iran
2 University of Beheshti- College of engineering Abbaspour
چکیده [English]

The growing need of energy sources, especially in industrial countries and the shortage of the fossil resources cause a great concern in many countries. By considering the fact that the energy price is increased during the day, using the demand side management is getting more important. The major change in demand side management is the consideration of consumers' responses to energy price variations. This paper investigates the effect of the demand response implementation on cost reduction in unit commitment considering wind power. Considering that the simultaneous implementation of unit commitment and the use of response programs would be a complex and nonlinear problem that contain continuous and discrete variable, the mixed integer programming is used. The proposed method is simulated in practical system and IEEE RTS 24-bus system and the results are analyzed.

کلیدواژه‌ها [English]

  • demand side management
  • time of use program
  • Unit Commitment
  • mixed integer linear programming

1- مقدمه

[1]محدود بودن منابع اولیه انرژی قابل تبدیل به انرژی الکتریکی و پایین بودن راندمان فرایند تبدیل در نیروگاه‏ها، دست‏اندرکاران امور انرژی را به سیاست‏های بهینه‏سازی و مدیریت مصرف رهنمون کرده است. بنابراین، مدیریت مصرف انرژی دارای اهمیت بوده و هر اقدامی برای بهینه‏سازی مصرف در راستای حفظ سرمایه‏های ملی، تأمین رفاه عمومی، کاهش قیمت کالاهای تولیدی، کاهش آلودگی محیط‏زیست و در نهایت ارتقا کیفی شرایط زندگی خواهد شد.

مدیریت بار عبارت است از اعمال روش‏های مدیریتی بر مصرف‏کنندگان انرژی الکتریکی از طریق کاهش اوج بار سیستم و یا افزایش ضریب بار شبکه (که در صورت امکان ضربه‏ای به تولید وارد نکند) با توجه به متغیر بودن میزان مصرف در ساعات شبانه روز و در فصل‏های مختلف. از طرفی زمان وقوع اوج مصرف در کشورهای مختلف با توجه به شرایط اجتماعی، فرهنگی، اقتصادی و اقلیمی متفاوت کشورها، با همدیگر تفاوت دارند.

در ایران فقط چندین ساعت در شبانه روز، شرایط اوج مصرف اتفاق می‏افتد و در سایر ساعات شبانه روز حتی به یک سوم مصرف زمان اوج می‏رسد و در عمل از ظرفیت‏ها و سرمایه‏گذاری‏های موجود استفاده مطلوب نمی‏شود [24]. در ادامه مروری بر کارهای انجام‏شده در زمینه مدیریت سمت بار می‏آید.

مرجع [7،13] به برنامه ریزی مشارکت واحدهای حرارتی و آبی با استفاده از الگوریتم‏های هوشمند پرداخته است. مرجع [8] به مدیریت هوشمند توان در سیستم تولید توان ترکیبی توسط کنترل کننده هوشمند پرداخته است. در مرجع [14] مدلی برای پاسخ‏گویی سمت بار با در نظر گرفتن بارهای قابل قطع ارایه شده است. در مرجع [16] به روش‏های مختلف پاسخ‏گویی بار مانند برنامه‏ زمان مصرف برق و پاسخ‏گویی بار اضطراری پرداخته است. در مراجع [6 و 9] به معرفی روش‏های مختلف کنترل بار در بازارهای برق پرداخته شده است. مرجع [2] به تأثیر برنامه پاسخ‏گویی بار بر مصرف برق روزانه پرداخته است. در مرجع [5] میزان تعرفه برای مدیریت پیک مصرف بررسی شده است. مرجع [15] زمان بهینه اجرای برنامه زمان مصرف برق برای شبکه ایران را به دست آورده است. در مرجع [17] به اثر پاسخ‏گویی بار بر روی قابلیت‏اطمینان در سیستم‏های تجدید ساختار شده پرداخته است. در مرجع [27] از برنامه پاسخ‏گویی بار برای تأمین رزرو با در نظر گرفتن قیدهای قابلیت اطمینان استفاده شده است. در مرجع [11] به بررسی هم‏سویی پاسخ‏گویی بار با استفاده از فناوری‏های بالا پرداخته شده است. مرجع [29] به مسأله‏ همزمان پاسخ‏گویی بار اضطراری (EDRP[1]) و مشارکت واحدها به صورت بلند مدت پرداخته و نتایج آن را با قراردادهای بارهای قابل قطع مقایسه کرده است. در مراجع [1 و 10] به تعیین مقدار بهینه پاداش برنامه پاسخ‏گویی بار پرداخته شده است. در مراجع [3 و 24] به تأثیر اجرای همزمان برنامه پاسخ‏گویی بار اضطراری در کاهش هزینه مشارکت واحدها پرداخته است. در مرجع [4] به تأثیر اجرای همزمان برنامه پاسخ‏گویی بار زمان استفاده در کاهش هزینه مشارکت واحدها پرداخته است.

در این مقاله، مشارکت واحدها و برنامه پاسخ‏گویی بار زمان استفاده (TOU) در حضور مزارع بادی به طور همزمان و بهینه لحاظ می‏شوند و با خطی‏سازی مسأله و استفاده از روش حل مناسب، بهبود قابل توجهی در سرعت اجرای برنامه حاصل شده است. ضمن اینکه به بررسی تأثیر شاخص‏های مختلف در این بهینه‏سازی پرداخته می‏شود.

در ادامه بخش‏های زیر بررسی می‏شوند. در بخش 2، به مدیریت سمت بار پرداخته شده است. بخش 3 به برنامه پاسخ‏گویی‏بار زمان استفاده و فرمولاسیون مدل اقتصادی پرداخته است. بخش 4، تابع هدف پیشنهادی و قیدهای بهینه‏سازی ارایه شده است. شبیه‏سازی و ارایه‏ نتایج در شبکه‏های نمونه و استاندارد در بخش 5 نشان داده شده است. در نهایت، در بخش 6 نتیجه‏گیری از بهینه‏سازی پیشنهادی ارایه شده است.

 

2- مدیریت سمت بار

مدیریت سمت تقاضا را می‏توان به عنوان استراتژی کاهش مصرف اوج بار تلقی کرد که روش‏های صرفه جویی، تولید مشترک و استفاده از فناوری‏های کارآمد از نظر مصرف انرژی را در بر می‏گیرد.

یکی از مواردی که همزمان با تجدید ساختار در بحث‌های بهره‏برداری از سیستم‏های قدرت مطرح شده است، پاسخگویی سمت بار است. پاسخ‏گویی سمت بار به این شکل تعریف شده‏است "تغییرات مصرف انرژی توسط مشترکین در پاسخ به تغییرات قیمت برق در طول زمان و یا تغییرات مصرف انرژی در پاسخ به پرداخت‏های انگیزشی که به هدف کاهش مصرف در ساعات پرباری و یا ساعات بحرانی از نظر قابلیت اطمینان به آن‏ها اعطا می‏شود" [30].

در [16] برنامه‏های پاسخ‏گویی سمت بار به دو دسته کلی و چندین دسته فرعی تقسیم می‏شوند:

الف) روش‏های انگیزشی

- کنترل مستقیم بار

- سرویس قطع بار

- برنامه پاسخ‏گویی بار اضطراری

- برنامه بازار ظرفیت

- بازار سرویس‏های جانبی

ب) روش‏های بر پایه زمان

- برنامه زمان استفاده (TOU)

- برنامه قیمت‏دهی آنی

- برنامه قیمت‏دهی پیک اضطراری

براساس این برنامه‏ها، مشترکان علاقه دارند تا در زمان‌هایی که قیمت برق بالا است، مصرف خود را کاهش دهند. این برنامه‏ها به‏منظور یکنواخت‏کردن قیمت برق در ساعات مختلف طراحی شده‏اند. متداول‏ترین این برنامه‏ها شامل برنامه زمان استفاده از انرژی، برنامه قیمت‏دهی آنی و برنامه قیمت‏دهی پیک بحرانی هستند.

 

3- مدل برنامه پاسخ‏گویی بار زمان استفاده (TOU)

بهره‏بردار مستقل شبکه با اجرای برنامه پاسخ‏گویی بار به کمک اطلاعات قیمت و پیش‏بینی بار کوتاه مدت قصد دارد تا حدودی بار پیک شبکه را کاهش دهد [19]. در برنامه TOU قیمت فروش انرژی الکتریکی در هر ساعت وابسته به هزینه‏ تولید در همان ساعت است؛ بنابراین، قیمت انرژی الکتریکی در زمان کم‏باری ارزان، در زمان میان باری متوسط و در زمان اوج بار گران خواهد بود. اجرای برنامه‏ TOU باعث می‏شود مشترکین مصرف خود را با قیمت انرژی الکتریکی تطبیق داده و بار خود را از ساعات گران قیمت به ساعات دیگر منتقل کنند؛ در نتیجه با اجرای این برنامه، پیک بار سیستم کاهش یافته و بسیاری از شاخص‏های قابلیت اطمینان شبکه بهبود می‏یابد [16].

شکل (1) اجرای برنامه قیمت زمان استفاده بر روی یک شبکه واقعی را نشان می‏دهد. همان‏طور که مشاهده می‏شود، اپراتور مستقل سیستم توانسته با اجرای برنامه قیمت زمان استفاده و انتخاب قیمت‏های مناسب برای دوره‏های متفاوت، پیک بار شبکه را به میزان دو مگاوات و فاصله پیک بار تا دره را به میزان پنج مگاوات کاهش دهد [4].

در سال‏های اول تجدید ساختار در صنعت برق، بیشتر بازیگران بازار برق تولیدکنندگان مستقل توان، شرکت‏های منطقه‏ای خطوط انتقال و قانون‏گذاران بازار بودند و مصرف‌کنندگان کم‏ترین مشارکت را در بازار داشتند. مصرف‌کنندگان از سود بازار بهره‏ای نداشتند و از اخبار آن مطلع نمی‏شدند. از سوی دیگر راضی بودند که قیمت برق مصرفی آن‏ها تحت تأثیر نوسانات بازار قرار نگرفته و محاسبات آن‏ها را بهم نزند. اما در حال حاضر قیمت برق به‏ طور مستقیم از میزان تقاضا تأثیر می‏پذیرد و مشترکین، مصرف خود را با قیمت برق تنظیم می‏کنند.

 

 

شکل (1) : تأثیر اجرای برنامه قیمت زمان استفاده بر روی بار

 

الاستیسیته عبارت است از حساسیت تقاضا نسبت به تغییرات قیمت که در رابطه (1) نمایش داده شد [20]:

(1)

 

 

که در این رابطه الاستیسیته تقاضا E، میزان تقاضا  برحسب MWh، قیمت انرژی  برحسب $/MWh، میزان تقاضای اولیه و قیمت اولیه انرژی است. بر اساس تعریف بالا، الاستیسیته تقاضای بازه iام نسبت به بازه jام به شکل رابطه (2) تعریف می‏شود [20]:

(2)

 

 

بیانگر نحوه تغییرات مصرف در بازه iام نسبت به تغییرات قیمت در بازه jام است. هنگامی که در یک بازه قیمت افزایش می‏یابد، تمایل مصرف‏کنندگان به استفاده از انرژی در آن بازه کاهش یافته و از سوی دیگر مصرف‌کنندگان تمایل دارند بار خود را در صورت امکان به ساعات و بازه‏های دیگر منتقل نمایند. بنابراین، الاستیسیته خودی همواره منفی و الاستیسیته متقابل همواره مثبت است. بارها در رویارویی با تغییرات قیمت دو عکس‏العمل از خود نشان می‏دهند [25]:

- بارهایی با "حساسیت تک دوره‏‏ای"، این بارها که تنها با حساسیت خودی سنجیده می‏شوند امکان جابجایی در بازه‏های مختلف را نداشته و تنها عکس‏العمل آن‏ها در مقابل تغییرات قیمت، خاموش شدن و یا روشن ماندن آن‏ها است.

- بارهایی با "حساسیت چند دوره‏‏ای"، این بارها که با حساسیت متقابل سنجیده می‏شوند امکان جابجایی در بازه‌های مختلف را داشته و مصرف کننده می‏تواند مصرف خود را از زمان پیک به زمان غیر پیک منتقل کرده و هزینه‌های خود را کاهش دهند [28].

به دلیل ویژگی خاص انرژی الکتریکی، مصرف‏کنندگان کوچک، به سختی به تغییرات قیمت آن پاسخ می‏دهند و در دسته اول قرار می‏گیرند. از طرفی مصرف‏کنندگان صنعتی به منظور کاهش هزینه‏های خود مایل به کاهش بار خود در هنگام پیک بار و افزایش مصرف در هنگام کم‏باری و میان‌باری بوده و در دسته دوم جای می‏گیرند. مصرف‌کنندگان انرژی الکتریکی هنگامی که با قیمت‏های گران انرژی الکتریکی در دوره‏ اوج بار و قیمت‏های ارزان انرژی الکتریکی در زمان‏های کم‏باری مواجه می‏شوند، سعی می‏کنند مصرف خود را با قیمت انرژی الکتریکی تطبیق داده و بار خود را از ساعات گران قیمت به ساعات ارزان قیمت منتقل کنند. مشترکین با مصرف انرژی الکتریکی کالای خود را تولید کرده و برای خود درآمدزایی کرده و صورت حساب هزینه برق را پرداخت می‏کنند. بنابراین، تابع مازاد خالص مصرف‏کننده به شکل رابطه (3) خواهد بود [16].

(3)

 

 

مقدار مازاد ناخالص مصرف کننده بیانگر درآمد مشتری به دلیل تولید کالا در اثر مصرف انرژی الکتریکی است. NCS مقدار تابع مازاد خالص مصرف، GCS مقدار تابع مازاد ناخالص مصرف کننده،  مقدار قیمت انرژی الکتریکی و  مقدار بار مصرفی بعد از اجرای برنامه پاسخ‏گویی بار است.

ماکزیمم سود خالص مصرف‏کننده زمانی حاصل می‌شود که مشتق تابع سود خالص مصرف‏کننده نسبت به بار مصرفی صفر شود، که در رابطه ‏‏(4) نمایش داده شده است:

(4)

 

عبارت مازاد ناخالص مصرف‏کننده معمولاً به شکل یک عبارت درجه دوم از مقدار بار مصرفی در نظر گرفته می‏شود که در رابطه ‏‏(5) نمایش داده شده است [16]:

 

(5)

 

با مشتق‏گیری از عبارت مازاد ناخالص مصرف‏کننده در رابطه ‏‏(6) داریم [16]:

(6)

 

 

در این صورت با ترکیب روابط (4) و (6) میزان بار مطابق رابطه (7) خواهد بود [16]:

(7)

 

 

که در این رابطه  بار مصرفی پس از شرکت در برنامه پاسخ‏گویی بار زمان استفاده،  بار مصرفی قبل از شرکت در برنامه پاسخ‏گویی بار زمان استفاده و  و  قیمت انرژی الکتریکی قبل و بعد از اجرای برنامه پاسخ‏گویی بار زمان استفاده است که برای هریک از سه بازه‏ یاد شده مقدار مشخصی دارد. بنابراین، میزان بار مصرفی مصرف‏کننده مشخص است، اگر قیمت انرژی الکتریکی در دوره‏‏های مختلف یکسان باشد، مصرف‏کننده تمایلی برای انتقال بار مصرفی خود از پیک بار به دره بار نشان نخواهد داد.

هزینه‏ اجرای برنامه ‏‏TOU برای شرکت تولیدی[2] به خاطر تغییرات قیمت انرژی الکتریکی و تغییرات بار شبکه است. به عبارت دیگر، این هزینه برابر با تغییرات درآمد GenCo است که به شکل رابطه‏ (8) به‏دست می‏آید [4]:

(8)

 

همانطور که مشاهده می‏شود، هزینه اجرای برنامه پاسخ‌گویی بار TOU توسط GenCo با نمایش داده شده که تابع شاخص‏هایی همچون کشش تقاضا، میزان مصرف شبکه و قیمت انرژی الکتریکی در دو حالت قبل و بعد از اجرای برنامه TOU است. مطابق تعریف، نحوه‏ طراحی برنامه‏ زمان استفاده، تغییر قیمت فروش انرژی الکتریکی در زمان‏های مختلف شبانه روز است. در این مقاله، قیمت انرژی الکتریکی توسط متغیر  تغییر داده می‌شود که در رابطه‏ (9) آورده شده است [12]:

(9)

 

 

در رابطه (9) ،  و  قیمت انرژی الکتریکی بعد از اجرای برنامه ‏‏TOU به ترتیب در دوره‏‏های پر باری، میان باری و کم‏باری است.

 

4- تابع هدف

در این مقاله، مسأله اجرای بهینه همزمان برنامه پاسخ‌گویی بار و مشارکت واحدها در حضور مزارع بادی انجام شده است؛ تابع هدف و قیدهای مسأله اجرای همزمان مشارکت واحدها با برنامه پاسخ‏گویی بار زمان استفاده در حضور مزارع بادی، که در این مقاله استفاده شده، در رابطه (10) آمده است.

 

(10)

 

 

 نشان دهنده زمان،  نشان دهنده واحدهای حرارتی،  مدت زمان مورد نظر در برنامه‏ریزی تولید،  تعداد واحدهای تولیدی،  مقدار توان خروجی واحد i در ساعت u، انتشار آلودگی حدی واحد i،  قیمت انتشار آلودگی،  هزینه حدی تولید واحد i،  نشان دهنده‏ وضعیت روشنایی (روشن شدن) واحد،  نشان دهنده‏ وضعیت خاموشی (خاموش شدن) واحد،  هزینه راه‏اندازی واحد i در ساعت u و  هزینه خاموش شدن واحد i در ساعت u را بیان می‏کند.  نشان‏دهنده شین‏های دارای واحد بادی بوده و  هزینه بهره‏برداری واحد بادی را نشان می‏دهد و به شکل رابطه (11) تعریف می‏شود [26]:

(11)

 

 

در این رابطه،  هزنیه بهره‏برداری به ازای هر مگاوات تولید توان،  مقدار توان خروجی واحد بادی j در ساعت u است.

قیدهای مورد استفاده در برنامه‏ مشارکت واحدهای هم‌زمان با برنامه ‏‏پاسخ‏گویی بار در حضور مزارع بادی به شکل زیر هستند:

- تعادل توان در سیستم قدرت با حضور مزارع بادی [26]

(12)

 

- قیدهای مربوط به متغیرهای باینری نشان‏دهنده‏ وضعیت خاموش و روشن شدن واحدها [24]

(13)

 

(14)

 

 

- قیدهای حداقل‏‏ و حداکثر توان تولیدی واحدها حرارتی [24]

(15)

 

(16)

 

 

- قیدهای مربوط به حداقل و حداکثر‏‏ توان تولیدی واحدهای بادی [24]

(17)

 

 

- شیب افزایشی و کاهشی توان تولید [21]

(18)

 

(19)

 

 

- حداقل‏‏ زمان خاموش و روشن بودن واحدها [24]

(20)

 

(21)

 

 

- رابطه‏ هزینه مربوط به برنامه پاسخ‏گویی بار زمان استفاده برنامه‏ پاسخ‏گویی بار زمان استفاده (رابطه 8)

- قید میزان بار پس از مشارکت سمت تقاضا در برنامه پاسخ‏گویی بار زمان استفاده (رابطه 7)

- قید مربوط به تغییر قیمت انرژی (رابطه 9)

در روابط بالا  نشان دهنده‏ وضعیت روشن بودن واحد، ، حداکثر‏‏ توان خروجی واحد iام،  نشان‏دهنده حداقل توان تولیدی واحد iام، ، حداکثر‏‏ توان خروجی واحد بادی jام،  نشان‏دهنده حداقل‏‏ توان تولیدی واحد بادی jام،‏‏  ماکزیمم شیب افزایشی مجاز واحد i ام، ، ماکزیمم شیب کاهشی مجاز واحد i ام،  حداقل‏‏ زمان روشن بودن واحد iام و  حداقل‏‏ زمان خاموشی واحد iام است.

با در نظر گرفتن قیدهای بالا در مسأله بهینه‏سازی و مینیمم کردن تابع هدف، نتایج بهینه‏سازی مشارکت واحدها و پاسخ‏گویی بار زمان استفاده در حضور مزارع بادی به طور بهینه به دست می‏آید.

 

5- شبیه‏سازی و ارایه نتایج

فرمولاسیون پیشنهادی ابتدا بر روی یک شبکه کاربردی نمونه اعمال شده و سپس، بر روی یک شبکه‏ 24 شینه استاندارد IEEE-RTS شبیه‏سازی شده است. در این مقاله برای اجرای بهینه‏سازی از برنامه GAMS 23.6 [21] که برنامه‏ای بسیار قوی در امر بهینه‏سازی می‏باشد، استفاده شده است؛ در حل این مسأله از روش CPLEX که یکی از روش‏های کارا در حل مسائل MIP می‏باشد، استفاده شده است [18]. شبیه‏سازی‏های ارایه شده بر روی یک دستگاه لپ‏تاپ مدل Dell Vostro1520 با 4 گیگا بایت RAM و پردازشگر Core2duo اجرا شده است، زمان اجرای این برنامه برای هر دو شبکه‏ نمونه کمتر از 1 ثانیه بوده است.

برای اجرای همزمان برنامه مشارکت واحدها و برنامه پاسخ‏گویی بار زمان استفاده (TOU) در حضور مزارع بادی که فرمولاسیون آن‏ها در قسمت‏های قبل نشان داده شده است، از تکنیک برنامه‏ریزی خطی مختلط با اعداد صحیح (MILP) استفاده شده است.

 

5-1- شبیه‏سازی شبکه کاربردی

شبکه کاربردی مورد استفاده در این مقاله دارای 19 واحد تولیدی بوده است. بارها و مقدار رزرو هر ناحیه در تمام ساعات دوره مطالعه (24 ساعت) در جدول (1) آورده شده است. اطلاعات مورد نیاز واحدهای این شبکه‏ کاربردی در مرجع [23] آمده است. در شبیه‏سازی یاد شده از ساعت 1 تا 10 کم‏باری، از ساعت 11 تا 18 پر باری و از ساعت 19 تا 24 میان‏باری است. هزینه انرژی در ساعات کم‏باری 80 دلار بر مگاوات ساعت، در ساعات میان‏باری 140 دلار بر مگاوات ساعت و در ساعات پر باری 250 دلار بر مگاوات ساعت در نظر گرفته شده است. الاستیسیته خودی و متقابل در شبکه‏های کاربردی در جدول (2) نشان داده شده است.

 

جدول (1) : اطلاعات بارها در شبکه کاربردی

بار MW

زمان

بار MW

زمان

5/1624

13

1539

1

5/1624

14

3/1077

2

3/1590

15

1026

3

4/1607

16

9/1008

4

9/1692

17

9/1008

5

1710

18

1026

6

1710

19

4/1265

7

6/1641

20

6/1470

8

1/1556

21

5/1624

9

3/1419

22

6/1641

10

3/1248

23

6/1641

11

3/1077

24

5/1624

12

 

جدول (2) : الاستیسیته خودی و متقابل در شبکه کاربردی و استاندارد 24 شینه IEEE RTS

 

کم باری

میان‏باری

پر باری

کم باری

1/0-

016/0

012/0

میان‏باری

016/0

1/0-

01/0

پر باری

012/0

01/0

1/0-

 

در این مقاله با استفاده از روش معرفی شده، در سه حالت زیر نتایج با هم مقایسه شده است.

- حالت 1 : بدون برنامه پاسخ‏گویی بار زمان استفاده و نبود‏‏ مزارع بادی

- حالت 2 : با برنامه پاسخ‏گویی بار زمان استفاده و نبود‏‏ مزارع بادی

- حالت 3 : با برنامه پاسخ‏گویی بار زمان استفاده و حضور مزارع بادی (با تولید بادی 150 مگا وات)

ابتدا بدون در نظر گرفتن برنامه پاسخ‏گویی بار و در شرایط نبود‏‏ مزارع بادی، برنامه مشارکت واحدها اجرا شده است که در این حالت هزینه کل، شامل هزینه برنامه مشارکت واحدهای نیروگاهی است.

در حالت دوم برنامه مشارکت واحدها و برنامه پاسخ‌گویی بار زمان استفاده و نبود‏‏ مزارع بادی اجرا شده است. در این حالت نیز هزینه شامل هزینه‏ قسمت قبل یعنی هزینه برنامه مشارکت واحدهای نیروگاهی و هزینه‏ ناشی از برنامه پاسخ‏گویی بار زمان استفاده را نیز شامل می‏شود.

در حالت سوم برنامه ‏‏مشارکت واحدهای تولید با برنامه پاسخ‏گویی بار زمان استفاده و حضور مزارع بادی اجرا می‏شود. در این حالت هزینه ‏‏کل شامل هزینه برنامه‌ مشارکت واحدهای نیروگاهی و هزینه ‏‏اجرای برنامه پاسخ گویی بار زمان استفاده و هزینه ‏‏تولید در مزارع بادی را نیز شامل شده است.

شکل (2) تأثیر پیاده‏سازی برنامه‏ریزی پاسخ‏گویی بار زمان استفاده بر روی منحنی بار شبکه کاربردی را در سه حالت فوق نشان می‏دهد. میزان هزینه کل در برنامه‏ریزی حالت 1 برای این شبکه ‏‏کاربردی برابر 3/905677 دلار، در حالت 2 این هزینه برابر 7/866388 دلار و در حالت 3 برابر 7/697926 دلار شده است. همان‏طور که در شکل (3) مشخص است هزینه بهره‏برداری کل در حالت سوم که با اجرای برنامه ‏‏همزمان مشارکت واحدها و پاسخ‏گویی بار زمان استفاده در حضور مزارع بادی بوده کم‏ترین مقدار برنامه‏ریزی به‏دست آمده است.

 

 

شکل (2) : منحنی بار شبکه کاربردی در سه حالت مختلف

 

شکل (4) مقدار قیمت انرژی الکتریکی برای حالات قبل و بعد از پیاده‏سازی برنامه‏ریزی پاسخ‏گویی بار زمان استفاده در حضور مزارع بادی در شبکه کاربردی را در سه حالت مقایسه می‏‏‏کند. مشاهده می‏شود که قیمت انرژی الکتریکی در برخی از ساعات تغییر می‏یابد که این به‏دلیل حضور هم‏زمان برنامه پاسخ‏گویی بار زمان استفاده و برنامه‌ی مشارکت واحدهای تولید می‏باشد و گاهی در برخی موارد قیدهای واحدهای تولید، افزایش قیمت انرژی را به شبکه تحمیل می‏کند.

 

 

شکل (3) : هزینه‏های بهره برداری و پاسخ‏گویی بار زمان استفاده در شبکه کاربردی در سه حالت مختلف

 

 

 

شکل (4) : قیمت انرژی در شبکه کاربردی در سه حالت مختلف

 

شکل (5) نشان دهنده هزینه بهره‏برداری و هزینه اجرای برنامه پاسخ‏گویی بار زمان استفاده در شبکه کاربردی است؛ مجموع این هزینه‏ها نشان‏دهنده کل هزینه بهره‌برداری است. این نمودار دارای سه ستون بوده که هر یک نشان‏دهنده یک سناریو است. در هر سناریو میزان نفوذ انرژی بادی به شکل درصدی از کل تولید است. میزان تولید انرژی الکتریکی بادی در هر سناریو در شکل (5) بر حسب مگا وات (MW) نشان داده شده است. در شکل (5) هزینه‌های بهره‏برداری کل متناسب با افزایش حضور تولید بادی در شبکه، روندی کاهشی پیدا می‏کند.

منحنی بار پس از اجرای برنامه پاسخ‏گویی بار زمان استفاده به ازای سناریوهای مختلف نفوذ بادی در شبکه کاربردی در شکل (6) نشان داده شده است. همان‏طور که از قبل قابل پیش‏بینی بود، در ازای ضریب نفوذهای مختلف بادی در شبکه، برنامه‏های مختلفی برای برنامه ‏‏پاسخ‏گویی بار به‏دست می‏آید که در شکل (6) برای شبکه ‏‏کاربردی نمایش داده شده است.

 

 

شکل (5) : هزینه بهره‏برداری و هزینه اجرای برنامه پاسخ‏گویی بار زمان استفاده در هریک از سناریوهای مختلف نفوذ انرژی بادی در شبکه کاربردی

 

 

 

شکل (6) : منحنی بار پس از اجرای برنامه پاسخ‏گویی بار زمان استفاده به ازای سناریوهای مختلف نفوذ باد در شبکه کاربردی

 

منحنی بار در ازای قیمت‏های مختلف انرژی الکتریکی در سه دوره پر باری، میان‏باری و کم‏باری در شبکه کاربردی در شکل (7) برای شبکه ‏‏کاربردی نشان داده شده است. همان‏طور که مشاهده می‏شود در ازای قیمت‏های مختلف انرژی الکتریکی مشارکت مصرف‏کنندگان در برنامه ‏‏پاسخ‏گویی بار متفاوت می‏شود، که امری طبیعی است.

 

5-2- شبیه‏سازی شبکه 24 شینه استاندارد IEEE-RTS

روش پیشنهاد شده در این مقاله بر روی شبکه ‏‏24 شینه IEEE-RTS که در شکل (8) نشان داده شده، پیاده‌سازی شده است. تمام اطلاعات مورد نیاز این شبکه مانند هزینه ‏‏راه‏اندازی و هزینه ‏‏خاموشی واحدها، محدوده ‏‏مجاز توان تولیدی واحدها، شیب افزایش و کاهشی توان تولیدی واحدها، حداقل‏‏ زمان خاموش و روشن بودن واحدها و سایر اطلاعات از مرجع [22] گرفته شده است؛ واحدهای آبی موجود در این شبکه در نظر گرفته نشده است.

بار ساعتی مورد استفاده متناسب با یک روز تابستان با بار پیک 2850 مگاوات در نظر گرفته شده است. مدت زمان مورد مطالعه به شکل 24 ساعته (یک شبانه روز) است. فرض شده که پاسخ‏گویی بار در تمامی شین‏های دارای مصرف‏کننده (17 شین) پیاده‏سازی می‏شود. جدول اطلاعات مربوط به الاستیسیته خودی و متقابل شبکه 24 شینه در سه دوره همانند جدول الاستیسیته در شبکه ‏‏کاربردی (جدول 2) است.

 

 

شکل (7) : منحنی بار به تفکیک قیمت‏های مختلف انرژی در سه دوره پر باری، میان باری و کم باری در شبکه کاربردی


 

 

شکل (8) : دیاگرام شبکه 24 شینه استاندارد IEEE RTS

 

 

در شبیه‏سازی‏های این شبکه از ساعت 1 تا 9 دره،‏‏ از ساعت 10 تا 18 پیک و از ساعت 19 تا 24 میان‏باری است. هزینه انرژی در ساعات دره 8 دلار بر مگاوات ساعت، در ساعات میان‏باری 14 دلار بر مگاوات ساعت و در ساعات پیک 25 دلار بر مگاوات ساعت در نظر گرفته شده است.

نتایج مطالعات عددی در این شبکه نیز همانند بخش قبل در سه حالت به بررسی نتایج پرداخته می‏شود. ابتدا بدون در نظر گرفتن برنامه پاسخ‏گویی بار و در شرایط نبود مزارع بادی اجرا شده است. در حالت دوم برنامه برنامه ‏‏مشارکت واحدهای تولید با پاسخ‏گویی بار زمان استفاده و در شرایط نبود مزارع بادی اجرا می‏شود. در حالت سوم برنامه ‏‏مشارکت واحدهای تولید با پاسخ‌گویی بار زمان استفاده و در حضور مزارع بادی اجرا می‏شود. در حالت سوم میزان تولید بادی در شبکه 24 شینه، 250 مگا وات در نظر گرفته شده است.

در شکل (9) مشاهده می‏شود که میزان هزینه کل در برنامه‏ریزی حالت 1 برای شبکه ‏‏24 شینه برابر 1/17198 دلار، در حالت 2 این هزینه برابر 5/12877 دلار و در حالت 3 برابر 6/12336 دلار شده است. همان‏طور که مشاهده می‌شود در این شبکه نیز نتایج همچون بخش قبل بوده است؛ شکل (10) نشان دهنده هزینه مشارکت واحدها و هزینه اجرای برنامه پاسخ‏گویی بار زمان استفاده در ازای سناریوهای مختلف نفوذ تولید بادی (بر حسب مگاوات) به شبکه، در شبکه ‏‏استاندارد 24 شینه IEEE-RTS است، که مجموع این هزینه‏ها نشان دهنده کل هزینه بهره‏برداری سیستم است. همان‏طور که مشاهده می‏شود با افزایش نفوذ تولید بادی در شبکه هزینه ‏‏بهره‏برداری در سیستم کاهش می‏یابد. با تغییر قیمت انرژی الکتریکی در سه دوره پر باری، میان‏باری و کم‏باری در شبکه ‏‏استاندارد 24 شینه IEEE-RTS نیز مشاهده می‏شود که هزینه‏های بهره‏برداری مختلفی در ازای این قیمت‏های مختلف انرژی الکتریکی که در شکل (11) نشان داده شده، به‏دست آمده است.

 

 

شکل (9) : هزینه‏های بهره برداری و پاسخ‏گویی بار زمان استفاده در شبکه 24 شینه در سه حالت مختلف

 

شکل (10) : هزینه کل در هریک از سناریوهای مختلف نفوذ انرژی بادی در شبکه 24 شینه

 

شکل (11) : هزینه کل به تفکیک قیمت‏های مختلف انرژی در سه دوره پر باری، میان باری و کم باری در شبکه 24 شینه

با بررسی نتایج مشاهده می‏شود، اجرای برنامه مشارکت واحدها همزمان با برنامه پاسخ‏گویی بار زمان استفاده در حضور مزارع بادی موجب کاهش هزینه ‏‏سیستم شده است. همانطور که در قسمت قبل بیان شد اجرای برنامه پاسخ‏گویی بار زمان سبب استفاده ‏‏بهینه‏تر از ظرفیت موجود را فراهم می‏آورد. ارایه فرمولاسیون برنامه ‏‏پاسخ گویی بار زمان استفاده با مدل اقتصادی برای نحوه ‏‏برخورد مشترکین با قیمت انرژی الکتریکی، یک بهینه‏سازی نزدیک به واقعیت را به همراه داشته و بسیاری از مباحث خرد و کلان اقتصادی بر پایه ‏‏مدل‏های عرضه و تقاضا و کشش‏های متقابل و خودی تکیه دارد.

6- نتیجه‏گیری

برنامه مدیریت سمت بار در سیستم‏های قدرت تجدید ساختار شده اهمیت ویژه‏ای داشته است؛ از این‏رو در این مقاله، به شبیه‏سازی برنامه پاسخ‏گویی بار اضطراری به عنوان یکی از روش‏های برنامه پاسخ‏گویی بار پرداخته شد. در شبیه‏سازی‏های انجام شده مشاهده شد که اجرای برنامه زمان استفاده (TOU) سبب بهبود ضریب بار شده است؛ ضمن اینکه با اجرای همزمان برنامه مشارکت واحدها و برنامه پاسخ‏گویی بار زمان استفاده، مصرف‏کننده تغییر در ساعات مصرف انجام داده و هزینه کل بهره‏برداری کاهش یافته است.

تحلیل حساسیت نسبت به میزان نفوذ تولیدهای بادی در شبکه بررسی و مشخص شد که هر چه درصد نفوذ تولیدات بادی در شبکه بیشتر باشد، تأثیر بیشتری در کاهش هزینه ‏‏کل سیستم خواهد داشت. تحلیل حساسیت نسبت به قیمت‏های مختلف انرژی الکتریکی در سه دوره ‏‏کم‏باری، میان‏باری و پر‏باری در شبکه بررسی و مشخص شد در ازای قیمت‏های مختلف در برنامه ‏‏پاسخ‏گویی بار زمان استفاده، تأثیرهای متفاوتی ایجاد شده و هزینه‏های بهره‏برداری را نیز تحت تأثیر قرار می‏دهد. شایان ذکر است که برای افزایش سرعت حل مسأله، از خطی‏سازی وروش حل مناسب استفاده شده است. ضمن اینکه روش پیشنهادی به راحتی قابل اجرا برای شبکه‏های بزرگتر است.



[1] تاریخ ارسال مقاله : 30/05/1392

تاریخ پذیرش مقاله : 05/03/1393

نام نویسنده مسئول : محسن کیا

نشانی نویسنده مسئول : ایران - تهران - پردیس فنی شهید عباسپور



[1] Emergency Demand Response Programming

[2] GenCo.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

[1]          Alaami H., Parsamoghaddam M., Yousefi G., “Determine of optimal Incentive for demand response programs using DR model”, 22 International Conference on Electricity, 2007.

[2]          Alaami H., Yousefi G., Parsamoghaddam m., “Analysis of impact on demand response Program daily power consumption curve” Iranian Journal of Electrical Engineering and Computer Engineering, No. 6, pp. 308-316, 2008.

[3]          Andabili M. Parsamoghadam M. Alaami H. Andabili S., “Reduce the cost of UC implementing Emergency Demand Response Programming using an algorithm simulated anealing”, 25 International Conference on Electricity, 2010.

[4]          Andabili M. Parsamoghadam M. Alaami H. Andabili S., “Implementing the intelligent Time of Use (TOU) program by a GenCo in order to minimize the cost of UC”, 26 International Conference on Electricity, 2011.

[5]          Ansari M., “Analysis of tariff for energy consumption management at peak hours subscriber major”, 8 Conference on Electricity Distribution Networks, Association of Electrical and Electronics Engineering, 2003.

[6]          Baanirad N., Hashemi M., “Load management and demand on the electrical energy consumption”, 8 Conference on Electricity Distribution Networks, Association of Electrical and Electronics Engineering, 2003.

[7]          Tavakoli H. Mozaffari B., “Short-term scheduling heat-water units using Modified Bee Colony Algorithm algorithm”, Computational Intelligence in Electrical Engineering, No. 3, 2012.

[8]          Hajizadeh A., Hasanzadeh F., “Intelligent power management in combines wind power / fuel cell / energy storage”, Computational Intelligence in Electrical Engineering, No. 3, 2012.

[9]          Simab M., Parsamoghaddam M., “A review of Load management programs in the electricity market”, 6 National Conference on Energy, 2007.

[10]          Shayesteh A., Kazempour J., Alaami H., “Optimal allocation of incentive for industry in the demand response program using economic evaluation in Iran”, 14 Conference on Electricity Distribution Networks, 2009.

[11]          Madaeni H., Parsamoghadam M., “Analysis of the alignment of energy efficiency programs and  Demand Response programs for economic evaluations”, 13 Conference on Electricity Distribution Networks, 2008.

[12]          Minouchehr R., Yaghmaei M., “Pricing bid for demand response programs”, 16 Conference on Electricity Distribution Networks, 2011.

[13]          Najadi A., Farshad M., Falaghi H., “UC with an innovative method based on artificial bee colony algorithm”, Computational Intelligence in Electrical Engineering, No. 1, 2009.

[14]          Aalami, H. A., ParsaMoghaddam, M., Yousefi, G., “Demand Response Modeling Considering Interuptible/Curtailable Loads And Capacity Market Programs”, Applied Energy, pp. 243–250, 2010.

[15]          Aalami, H. A., ParsaMoghaddam, M., Yousefi, G., “Optimum Time of ‏‏Use Program Proposal for Iranian Power Systems”, Electric Power and Energy Conversion Systems, 2009.

[16]          Aalami, H. A., Yousefi, G., ParsaMoghaddam, M., “Demand Response Model Considering EDRP and TOU Programs”, IEEE/PES, 2008.

[17]          Azami, R., Abbasi, A., Shakeri, J., FarajiFard, A., “Impact of EDRP on Composite Reliability of Restructured Power Systems”, IEEE 2009 Bucharest Power Tech Conference, June 28th - July 2nd.

[18]          CPLEX 11.0 Manual, IBM Corporation, Armonk, NY, 2010.

[19]          Fahliglu, M., Alvarado, F. L., “Designing Incentive Compatible Contracts for Effective Demand Management”, IEEE, Transaction on Power Systems, Vol. 15, No 4, PP 1255-1260, Nov 2000.

[20]          FERC, “Regulatory Commission Survey on Demand Response and Time Based Rate Programs/Tariffs”, www.FERC.Gov, August 2006.

[21]          GAMS User Guide, Available At: Http://www.GAMS.com

[22]          Grigg, C., et al., “The IEEE Reliability Test System-1996. A report prepared by the Reliability Test System Task Force of the Application of Probability Methods Subcommittee”, IEEE Transactions on Power Systems,Vol. 14, No. 3, pp. 1010-1020 , Aug. 1999.

[23]          Jonghe D., “Short Term Demand Response in Electricity Generation Planning and Scheduling Facilitating Wind Power Integration”, A Thesis Submitted in Partial Fulfillment of the Requirement for the Ph.D. Degree, CKatholieke Universiteit Leuven, 2010.

[24]          Kia, M., Sahebi, M., Abedini, E., Hosseini, S. H., “Simultaneous Implementation of Optimal Demand Response and Security Constrained Unit Commitment”, 16th Electric Power Distribution Conference, Iran, 2011.

[25]          Kirschen, D. S., Strbac, G., Fundamenals of Power System Economics, Willey 2004.

[26]          Morales, J. M., Conejo, A. J., Perez-Ruiz, J., “Economic valuation of reserves in power systems with high penetration of wind power”, Power & Energy Society General Meeting, IEEE PES, pp. 1-8, July 2009.

[27]          Parvania, M., FotuhiFiruzabad, M., “Demand Response Scheduling by Stochastic SCUC”, IEEE Transactions on Smart Grid, Vol. 1, No. 1, JUNE 2010.

[28]          Roos, J. G., Lane, I. E., “Industrial Power Demand Response Analysis for One Port Real Time Pricing”, IEEE Trans. on Power System, Vol. 13, No. 1, pp. ‏‏159-164, Feb. 1998.

[29]          Sahebi, M., AbediniDuki, E., Kia, M., Soroudi, A., Ehsan, M., “SimultanousEDRP and Unit Commitment Programming In Comparison With Interruptible Load Contracts”, IET Generation Transmmistion ‏‏Distribution, Vol. 6, Iss. 7, pp. 605–611, 2012.

[30]          U. S. Department of Energy, “Energy ‏‏policy Act of 2005”, section 1252, ‏‏February 2006.