مدل ارزیابی و انتظار جهت برنامه‌ریزی بهینه انرژی و ذخیره در شبکه‌های توزیع

نویسندگان

1 دانشکده مهندسی کامپیوتر و صنایع - دانشگاه صنعتی بیرجند

2 گروه مهندسی برق قدرت - دانشگاه ارومیه

چکیده

این مقاله به ارائه مدلی دو مرحله‌ای جهت برنامه‌ریزی بهره‌برداری بهینه از شبکه‌های توزیع با هدف کاهش هزینه و بهبود قابلیت اطمینان می‌پردازد. در مرحله ارزیابی، برنامه‌ریزی انرژی و ذخیره در افق روز پیش‌رو با در نظر داشتن عدم قطعیت‌های موجود در بار و منابع تجدیدپذیر طی سناریوهای مختلف انجام می‌پذیرد. بنابراین، میزان تعامل شرکت توزیع با بازار عمده‌فروشی، برنامه‌ریزی روزانه تولیدات پراکنده و بارهای پاسخگو و نیز ساختار بهینه شبکه در تأمین انرژی و ذخیره به شکل بهینه تعیین می‌گردد. نقاط تنظیمی به‌دست‌آمده به‌عنوان محدودیت‌ها و شرایط مرزی مرحله انتظار می‌باشند که در آن برنامه‌ریزی زمان حقیقی بهره‌برداری انجام می‌شود. در این مرحله، دو وضعیت بهره‌برداری در شرایط عادی و شرایط وجود خطا محتمل می‌باشد. در شرایط عادی، وقوع انحراف در مقادیر پیش‌بینی‌شده بار و منابع انرژی تجدیدپذیر مورد بررسی قرار دارد که مدل ارائه‌شده با بهره‌گیری از سطوح ذخیره تعیین‌شده و نیز برمبنای برنامه‌ریزی مجدد تولید منابع، با کمترین انحراف در هزینه، بهره‌برداری از شبکه را به انجام می‌رساند. در شرایط وجود خطا، خروج تجهیزات مختلف همچون فیدرهای توزیع مد نظر قرار می‌گیرد. در این حالت، علاوه بر سطوح ذخیره تعیین‌شده، برنامه‌ریزی مجدد وضعیت روشن و خاموش بودن منابع و تولید آن‌ها، تجدید آرایش شبکه و نیز حذف بار به‌عنوان اقدامات اصلاحی به‌کار گرفته می‌شود. براساس مطالعات عددی انجام‌گرفته به‌میزان 7.3 % کاهش در هزینه بهره‌برداری و نیز مدیریت مناسب خطا در پیش‌بینی تولید توان بادی مشاهده گردید.

کلیدواژه‌ها

عنوان مقاله [English]

Here-and-Now Wait-and-See Approach for Optimal Scheduling of Energy and Reserve in Distribution Networks

نویسندگان [English]

  • M. Esmaeeli 1
  • S. Golshannavaz 2
1 Faculty of Industrial and Computer Engineering, Birjand University of Technology, Birjand, Iran
2 Electrical Engineering Department, Urmia University, Urmia, Iran
چکیده [English]

This paper establishes a two-stage approach for optimal scheduling of distribution networks considering cost minimization and reliability enhancement. In here-and-now stage, the day-ahead energy and reserve scheduling is performed considering the uncertainties in load demand and renewable energy resources. This approach is a scenario-based one. In energy and reserve provisions, optimal interactions of distribution network with wholesale market, optimal commitment of distributed generation (DG) units and responsive loads (RL), and also optimal reconfiguration of the network are determined. These optimally determined set-points are treated as operation limitations and boundaries in wait-and-see stage. This stage deals with real-time operations. In this stage, two operation modes are explored as normal and faulty conditions. In real-time normal operations, the errors in forecasted load and renewable energy generation are taken into account. Based on the allocated reserve quantities and redispatching of committed DGs and RLs, the deviations are properly accommodated with a least operation cost. In faulty condition, outage of power system components such as distribution feeders is further considered. In this case, the proposed model not only makes benefit of reserve quantities but also proceeds with recommitment of DG units and RLs. Besides these corrective actions, it determines an optimal configuration of the network and ends in the least amount of shed loads, as the last remedy. Based on the numeric results, 7.3% reduction is achieved in total operation cost. Also, the fluctuation in real-time wind power generation is properly managed.

کلیدواژه‌ها [English]

  • Two-stage operation approach
  • uncertainty
  • scenario-tree approach
  • cost minimization
  • reliability enhancement

مراجع

[1] نرگس پرهیزی، موسی مرزبند، سیدمازیار میرحسینی مقدم، بهنام محمدی ایواتلو، 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، صفحه25-40، 1395.
[2] معصومه جوادی، سیدمازیار میرحسینی مقدم، موسی مرزبند، «مدیریت بهینه انرژی ریزشبکه‌ها در بازار خرده‌فروشی بر پایه روش تئوری بازی غیرهمکارانه با در نظرگرفتن عدم قطعیت»، مجله مهندسی برق دانشگاه تبریز، دوره 46، شماره 1، صفحه 63-74، 1395.
[3] X. Su, M. A. S. Masoum and P. J. Wolfs, “Multi-Objective Hierarchical Control of Unbalanced Distribution Networks to Accommodate More Renewable Connections in the Smart Grid Era,” IEEE Transactions on Power Systems, vol. 31, no. 5, pp. 3924-3936, Sept. 2016.
[4] S. Montoya-Bueno, J. I. Muoz and J. Contreras, “A Stochastic Investment Model for Renewable Generation in Distribution Systems,” IEEE Transactions on Sustainable Energy, vol. 6, no. 4, pp. 1466-1474, Oct. 2015.
[5] 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 Transactions on Energy Conversion, vol. 31, no. 2, pp. 637-648, June 2016.
[6] 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 Systems Journal, vol. 11, no. 3, pp. 1712-1722, Sept. 2017.
[7] M. Marzband, R. Rouhi Ardeshiri, M. Moafi and H. Uppal, “Distributed generation for economic benefit maximization through coalition formation–based game theory concept,” International Transactions on Electrical Energy Systems, vol. 27, no. 6, pp. 1-16, June 2017.
[8] K. Saxena and A. R. Abhyankar, “Agent-based decentralised load flow computation for smart management of distribution system,” IET Generation, Transmission & Distribution, vol. 11, no. 3, pp. 605-614, 2017.
[9] A. Saint-Pierre and P. Mancarella, “Active Distribution System Management: A Dual-Horizon Scheduling Framework for DSO/TSO Interface Under Uncertainty,” IEEE Transactions on Smart Grid , pp.1-12, to be published.
[10] M. Mazaidi, P. Siano, “Incorporating price-responsive customers in day-ahead scheduling of smart distribution networks,” Energy Conversion and Management, vol. 115, pp. 103-116, 2016.
[11] C. Cecati, C. Citro, A. Piccolo and P. Siano, “Smart Operation of Wind Turbines and Diesel Generators According to Economic Criteria,” IEEE Transactions on Industrial Electronics, vol. 58, no. 10, pp. 4514-4525, Oct. 2011.
[12] Y. M. Ding, S. H. Hong and X. H. Li, “A Demand Response Energy Management Scheme for Industrial Facilities in Smart Grid,” IEEE Transactions on Industrial Informatics, vol. 10, no. 4, pp. 2257-2269, Nov. 2014.
[13] O. Kilkki, A. Alahäivälä and I. Seilonen, “Optimized Control of Price-Based Demand Response With Electric Storage Space Heating,” IEEE Transactions on Industrial Informatics, vol. 11, no. 1, pp. 281-288, Feb. 2015.
[14] R. Bottura and A. Borghetti, “Simulation of the Volt/Var Control in Distribution Feeders by Means of a Networked Multiagent System,” IEEE Transactions on Industrial Informatics, vol. 10, no. 4, pp. 2340-2353, Nov. 2014.
[15] A. Zakarizadeh, J. Shahram, P. Siano, “Economic-environmental energy and reserve scheduling of smart distribution systems: A multiobjective mathematical programming approach,” Energy Conversion and Management, vol. 78, pp. 151-164, 2014.
[16] V. Mohan, J. Govind Singh, W. Ongsakul, “An efficient two stage stochastic optimal energy and reserve management in microgrid,” Applied Energy, vol. 160, pp. 28–38, 2015.
[17] S. Golshannavaz, Saeed Afsharnia, P. Siano, “A comprehensive stochastic energy management system in reconfigurable microgrids,” International Journal of Energy Reserach, vol. 40, pp. 1518–1531, 2016.
[18] A. A. S. Algarni and K. Bhattacharya, “A Generic Operations Framework for Discos in Retail Electricity Markets,” IEEE Transactions on Power Systems, vol. 24, no. 1, pp. 356-367, Feb. 2009.
[19] Y. Zheng, Z. Y. Dong, F. J. Luo, K. Meng, J. Qiu and K. P. Wong, “Optimal Allocation of Energy Storage System for Risk Mitigation of DISCOs With High Renewable Penetrations,” IEEE Transactions on Power Systems, vol. 29, no. 1, pp. 212-220, Jan. 2014.
[20] A. J. Conejo, M. Carrion, and J. M. Morales, Decision Making Under Uncertainty in Electricity Markets. New York: Springer, 2010.
[21] S. S. Reddy, P. R. Bijwe and A. R. Abhyankar, “Joint Energy and Spinning Reserve Market Clearing Incorporating Wind Power and Load Forecast Uncertainties,” IEEE Systems Journal, vol. 9, no. 1, pp. 152-164, March 2015.
[22] Q. Hu, S. Zhang, M. Yu and Z. Xie, “Short-Term Wind Speed or Power Forecasting With Heteroscedastic Support Vector Regression,” IEEE Transactions on Sustainable Energy, vol. 7, no. 1, pp. 241-249, Jan. 2016.
[23] M. Doostizadeh, H. Ghasemi, “Day-ahead scheduling of an active distribution network considering energy and reserve markets,” Int. Trans. Elect. Energy Syst., vol. 23, pp. 930-945, Oct. 2013.
[24] M. Shahidehpour, “Operation and Control Microgrid and Distributed Generation,” Illinois Institute of Technology, 2012.
[25] New York Independent System Operator. Available: http://www. nyiso.com, accessed July 2013.
[26] A. Zakariazadeh, J. Shahram, P. Siano, “Smart microgrid energy and reserve scheduling with demand response using stochastic optimization,” Interantional Journal of Electrical Power and Energy Systems, vol.63, pp.523–533, Dec. 2014.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار