مدیریت بهینه‌ ریزشبکه‌ها به ‌همراه استراتژی قیمت‌گذاری بر پایه روش تئوری بازی با در نظر گرفتن ائتلاف منابع تولید

نویسندگان

1 دانشجوی کارشناسی ارشد

2 دانشگاه آزاد اسلامی لاهیجان

3 عضو هیئت علمی دانشگاه آزاد لاهیجان

چکیده

چکیده: تشکیل ائتلاف واحدهایی با مقیاس کوچک برای حداکثرسازی رفاه اجتماعی، یکی از موضوعات کلیدی در سیستم‌های چندعاملی می‌باشد. در این مقاله، مدل‌سازی ائتلاف مابین منابع تولید و مصرف در بازار برق مبتنی بر عامل، با استفاده از قابلیت الگوریتم رهاسازی و تابع نیکایدو-ایزودا صورت گرفته است. در ساختار ائتلاف پیشنهادی، منابع تولید داخلی ریزشبکه بر اساس ویژگی‌ها و استراتژی‌های خود با یکدیگر مذاکره می‌نمایند تا ضمن به اشتراک‌گذاری انرژی در داخل ریزشبکه و عرضه آن در بازار محلی، منافع فردی خود را حداکثر نمایند. ازاین‌رو برای مدیریت تعامل میان اعضای هر ائتلاف و چگونگی پیوستن به ائتلاف، تسهیلات و مکانیسم‌های ویژه‌ای تعیین شده است، به‌طوری‌که ضمن بررسی امکان تشکیل ائتلاف‌های مختلف بین اعضای شرکت‌کننده، بهترین توپولوژی ائتلافی انتخاب شود. عامل‌های واحد نظارت در حین توجه به جنبه‌های مختلف توپولوژی هر منبع تولید و همچنین با توجه به مکانیسم خودسازمانده و شکل‌گیری ائتلاف پویا مابین اعضا، به تشکیل ائتلاف‌هایی برای واحدهای عرضه و تقاضا‌ی سیستم قدرت در بازارهای برق اقدام می‌نمایند. علاوه­براین، مطالعه‌ صورت‌گرفته بر‌ روی سیستم موردمطالعه و نتایج حاصل از آن در بازار برق محلی، مؤید آن است که روش پیشنهادی ضمن مقایسه و تجزیه­و­تحلیل ائتلاف‌های مختلف، به تعریف استراتژی‌های سازگار و مناسب منجر خواهد شد.

کلیدواژه‌ها

عنوان مقاله [English]

Optimal energy management of microgrids in the retail market with bidding strategy based on game theory approach considering coalition formation among generation units

چکیده [English]

Abstract: Coalition formation for small scale units is a key topic for social welfare maximization in multi-agent systems. This paper presents an agent-based electricity market environment using Nikaido-Isoda/relaxation algorithm, taking advantage of its ability to provide a platform  to seek a coalition partner among generation and consumption units. In the proposed coalitional topology, generation units in the microgrid are capable of negotiating both in the market, and internally, with their neighbours, in order to combine and manage their individual specific characteristics and goals considering the strategy and objectives of the microgrid itself. Another new feature is the development of particular individual facilitators to manage the communications amongst the members of each coalition. On the other hand, the possibility of different coalitions among members is investigated to select the best coalitional topology. This paper provides a formal model for a self-organization mechanism allowing unit supervising agents to dynamically form coalitions for the supply and demand of power products on electricity markets while taking topology-related aspects into account. In addition, a global study on the results of the local electricity market is performed, to compare and analyze different coalitions might occur for defining consistent and adequate strategies to integrate into the agents.

کلیدواژه‌ها [English]

  • Keywords: Microgrid
  • optimal energy management
  • electricity market
  • coalition formation
  • responsive load
  • demand side management
  • game theory
  • nikaido–isoda function and relaxation algorithm
  • bidding strategy

مراجع

[1] L. Meeus, K. Purchala, and R. Belmans, “Development of the Internal Electricity Market in Europe,” Electr. J., vol. 18, no. 6, pp. 25-35, 2005.
[2] I. Praça, C. Ramos, Z. Vale, and M. Cordeiro, “Mascem: A multiagent system that simulates competitive electricity markets,” IEEE Intell. Syst., vol. 18, pp. 54-60, 2003.
[3] سعید عباپور، کاظم زارع و بهنام محمدی ایواتلو، «ارزیابی جنبه‌های فنی و اقتصادی شبکه توزیع با هدف توسعه DG بر مبنای کاربرد مدیریت اکتیو در شبکه،» مجله مهندسی برق دانشگاه تبریز، دوره 44، شماره 4، صفحه‌ 35-45، 1393.
[4] Z. Vale, T. Pinto, I. Praca, and H. Morais, “MASCEM - electricity markets simulation with strategically acting players,” IEEE Intell. Syst., 2011.
[5] M. J. North, and C. M. Macal, Managing Business Complexity: Discovering Strategic Solutions with Agent-Based Modeling and Simulation, vol. I, no. 3. 2007.
[6] H. Li, S. Member, and L. Tesfatsion, “The AMES wholesale power market test bed: A computational laboratory for research, teaching and training,” Journal of Energy, pp. 1-8, 2009.
[7] A. Somani, and L. Tesfatsion, “An agent-based test bed study of wholesale power market performance measures,” IEEE Comput. Intell. Mag., vol. 3, no. 4, pp. 56-72, 2008.
[8] F. Azevedo, Z. A. Vale, and P. B. de Moura Oliveira, “A decision-support system based on particle swarm optimization for multiperiod hedging in electricity markets,” IEEE Trans. Power Syst., vol. 22, no. 3, pp. 995-1003, 2007.
[9] N. Amjady, and A. Daraeepour, “Design of input vector for day-ahead price forecasting of electricity markets,” Expert Syst. Appl., vol. 36, no. 10, pp. 12281-12294, 2009.
[10] I. Praca, C. Ramos, Z. Vale, and M. Cordeiro, “Intelligent agents for negotiation and game-based decision support in electricity markets,” Int. J. Eng. Intell. Syst., vol. 13, pp. 147-154, 2005.
[11] T. Rahwan, and N. R. Jennings, “Coalition structure generation: dynamic programming meets anytime optimisation,” Proceedings of the Twenty-Third AAAI Conference on Artificial Intelligence, pp. 156-161, 2008.
[12] W. Su, and A. Q. Huang, “A game theoretic framework for a next-generation retail electricity market with high penetration of distributed residential electricity suppliers,” Appl. Energy, vol. 119, pp. 341-350, 2014.
[13] M. Marzband, N. Parhizi, M. Savaghebi, and J. M. Guerrero, “Distributed smart decision-making for a multimicrogrid system based on a hierarchical interactive architecture,” IEEE Trans., Energy Conversion, vol. PP, no. 99, pp. 1-12, 2015.
[14] M. Marzband, A. Sumper, J. L. Domínguez-García, and R. Gumara-Ferret, “Experimental validation of a real time energy management system for microgrids in islanded mode using a local day-ahead electricity market and MINLP,” Energy Convers. Manag., vol. 76, pp. 314-322, 2013.
[15] M. Marzband, A. Sumper, A. Ruiz-álvarez, J. L. Domínguez-García, and B. Tomoiagâ, “Experimental evaluation of a real time energy management system for stand-alone microgrids in day-ahead markets,” Appl. Energy, vol. 106, pp. 365-376, 2013.
[16] M. Marzband, M. Ghadimi, A. Sumper, and J. L. Domínguez-García, “Experimental validation of a real-time energy management system using multi-period gravitational search algorithm for microgrids in islanded mode,” Appl. Energy, vol. 128, pp. 164-174, 2014.
[17] M. Marzband, E. Yousefnejad, A. Sumper, and J. L. Domínguez-García, “Real time experimental implementation of optimum energy management system in standalone Microgrid by using multi-layer ant colony optimization,” Int. J. Electr. Power Energy Syst., vol. 75, pp. 265-274, 2016.
[18] M. Marzband, N. Parhizi, and J. Adabi, “Optimal energy management for stand-alone microgrids based on multi-period imperialist competition algorithm considering uncertainties: Experimental validation,” Int. Trans. Electr. Energy Syst., vol. 30, no. 1, pp. 122-131, 2015.
[19] M. Marzband, F. Azarinejadian, M. Savaghebi, and J. M. Guerrero, “An optimal energy management system for islanded microgrids based on multiperiod artificial bee colony combined with markov chain,” IEEE Syst. J., vol. PP, no. 99, pp. 1-11, 2015.
[20] نرگس پرهیزی، موسی مرزبند، سیدمازیار میرحسینی مقدم، بهنام محمدی ایواتلو و فاطمه آذری‌نژادیان، «پیاده‌سازی عملی یک سیستم مدیریت انرژی برای یک ریزشبکه متصل به شبکه سراسری با استفاده از الگوریتم رقابت استعماری چندبعدی،» مجله مهندسی برق دانشگاه تبریز، دوره 46، شماره 1، صفحه‌ 25-40، 1395.
[21] معصومه جوادی، سیدمازیار میرحسینی مقدم و موسی مرزبند، «مدیریت بهینه انرژی ریزشبکه‌ها در بازار خرده‌فروشی بر پایه روش تئوری بازی غیرهمکارانه با در نظر گرفتن عدم­قطعیت،» مجله مهندسی برق دانشگاه تبریز، دوره 46، شماره 1، صفحه‌ 63-74، 1395.
[22] M. Marzband, Experimental Validation of Optimal Real-time Energy Management System for Microgrids, Ph.D. dissertation, Dept. d’Enginyeria Elèctrica, EU d’Enginyeria Tècnica Ind. de Barcelona, Universitat Politècnica de Catalunya, Barcelona, Spain, 2013.
[23] R. Chatthaworn, and S. Chaitusaney, “Transmission network expansion planning considering renewable energy target with Taguchi’s orthogonal array testing,” IEEJ Trans. Electr. Electron. Eng., vol. 9, no. 6, pp. 588-599, 2014.
[24] B. Alizadeh, and S. Jadid, “Uncertainty handling in power system expansion planning under a robust multi-objective framework,” Gener. Transm. Distrib. IET, vol. 8, no. 12, pp. 2012-2026, 2014.
[25] H. Yu, C. Y. Chung, and K. P. Wong, “Robust transmission network expansion planning method with Taguchi’s orthogonal array testing,” IEEE Trans. Power Syst., vol. 26, no. 3, pp. 1573-1580, 2011.
[26] M. Fotuhi-Firuzabad, M. Rastegar, A. Safdarian, F. Aminifar, R. Billinton,  A. Bonaert, and  A. Koivo, Probabilistic Home Load Controlling Considering Plug-in Hybrid Electric Vehicle Uncertainties, 5th Ed., vol. 1, no. 4. Springer, India, 2014.
[27] R. Billinton,  A. Bonaert, and  A. Koivo, Power System Reliability Evaluation, 5th Ed., vol. 1, no. 4. New York, Gordon and Breach, 1971.
[28] A. R. Daniel, and  A. A. Chen, “Stochastic simulation and forecasting of hourly average wind speed sequences in Jamaica,” Solar Energy, vol. 46, no. 1, pp. 1-11, 1991.
[29] B. S. Borowy, and Z. M. Salameh, “Optimum photovoltaic array size for a hybrid wind/PV system,” IEEE Transaction. Energy Convers., vol. 9, no. 3, pp. 482-488, 1994.
[30] G. Tina, S. Gagliano, and S. Raiti, “Hybrid solar/wind power system probabilistic modelling for long-term performance assessment,” Sol. Energy, vol. 80, no. 5, pp. 578-588, 2006.
[31] M. E. Khodayar, and M. Shahidehpour, “Optimal strategies for multiple participants in electricity markets,” IEEE Transaction. Power Syst., vol. 29, no. 2, pp. 986-987, 2014.
[32] معصومه جوادی، چهارچوب بازار خرده‌فروشی الکتریسیته برپایه تئوری بازی برای سیستم‌های همسایه با مالکیت چندگانه، پایان‌نامه‌ کارشناسی ارشد، دانشگاه آزاد اسلامی واحد رشت، رشت، 1394.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار