ارائه الگوریتم کنترل سطح مصرف مشترکین توزیع دارای کنتور هوشمند و محاسبه پاداش همکاری

نوع مقاله : علمی-پژوهشی

نویسندگان

دانشکده مهندسی برق - دانشگاه صنعتی سجاد

چکیده

مدیریت سمت تقاضا یکی از طرح‌های مهم برای تأمین برق مصرفی در زمان پیک است. در ایران توجه اصلی توانیر و شرکت‌های برق بر روی صنایع و مشارکت آنها در طرح ذخیره عملیاتی معطوف شده است تا با همکاری آنها مصرف برق را در پیک بار کاهش داده و از تحمیل هزینه‌های ناشی از احداث واحدهای جدید نیروگاهی  و افزایش ظرفیت شبکه جلوگیری به عمل آورد. این در حالی است که حدود یک سوم از مشترکین شبکه را مصرف‌کنندگان خانگی در سطح توزیع تشکیل می‌دهند که می‌توانند مشارکت قابل توجهی در طرح‌های مدیریت بار داشته باشند. با پیشرفت روزافزون تکنولوژی، شبکه‌های توزیع برق نیز به تجهیزات نوین اندازه‌گیری با قابلیت ارتباط از راه دور مجهز شده‌اند که ابزار کنترل و هوشمندسازی در این شبکه را فراهم می‌کنند. از قابلیت‌های کنتور هوشمند امکان کنترل و تغییر سطح آمپر مصرفی از راه دور است. با استفاده از این قابلیت در شرایط کمبود توان بجای خاموشی تعدادی از مشترکین، آمپر مصرفی مشترکین با ارسال یک سیگنال به کنتور هوشمند به سطحی کاهش داده می‌شود که ضمن رفع مشکل کمبود برق، همه مشترکین از سطح نسبی برق برخوردار باشند. در این مقاله با تقسیم‌بندی مشترکین به سه دسته مختلف داوطلب، عادی و حساس، الگوریتمی جدید جهت کنترل سطح مصرف مشترکین توزیع دارای کنتور هوشمند بر اساس اولویت پیشنهاد شده است. برای تعیین پاداش همکاری مشترکین توزیع، الگوریتمی براساس روش‌های پرداخت پاداش در طرح ذخیره عملیاتی صنایع پیشنهاد شده است.

کلیدواژه‌ها

عنوان مقاله [English]

A New Algorithm for Controlling the Consumption Level of Distribution Customer with Smart Meter and Calculating the Participation Reward

نویسندگان [English]

  • M. S. Hosseinnejad-Ariani
  • M. Ghayeni
Department of Electrical Engineering, Sadjad University of Technology, Mashhad, Iran
چکیده [English]

Demand side management is one of the most important scheme for providing the electrical power at peak times. In Iran, system operator concentrates on contribution of industries in demand response (DR) programs in order to decrease load consumption, thus increasing the capacity of the network and avoiding the cost of erecting new power plants. However, about one-third of network subscribers are home consumers at the distribution level who can make significant contributions to load management plans. With the advance of technology, power distribution networks are now equipped with modern smart metering capabilities that provide control and intelligence tools in the network. One of the features of these smart meters is the capability to remotely control the consumption level of consumers. With the help of new smart equipment such as smart meters, when the system lacks power, the system operator can prevent system black out or using load shedding, by reducing the level of consumption of domestic users. Under such circumstances, every user have at least minimum electricity to feed some essential appliances. In this paper, a new algorithm is proposed for controlling the consumption level of subscribers with a smart meters based on prioritization, by dividing subscribers into three groups, namely volunteer, normal and sensitive. The participation rewards have been adapted based on the industrial demand response plan in Iran.

کلیدواژه‌ها [English]

  • Demand side management
  • demand response
  • smart meter
  • distribution customers
  • industrial saving plan
  • and Participation reward

مراجع

[1]      آئینه رستمی, مصطفی و علیمراد خواجه زاده، «مروری اجمالی برمدیریت سمت تقاضا DSM وبررسی راهکارهای اجرایی درایران»، کنفرانس ملی فن آوری، انرژی و داده با رویکرد مهندسی برق و کامپیوتر، کرمانشاه، انجمن مهندسین برق و الکترونیک-شاخه غرب، ۱۳۹۴.  
[2]      Q. Zhang and J. Li, “Demand Response in Electricity Markets: A Review,” 9th International Conference on the European Energy Market, pp. 1-8, 2012.
[3]      C. Eksin, H. Deliç, and A. Ribeiro, “Demand Response Management in Smart Grids with Heterogeneous Consumer Preferences”, IEEE Transactions on Smart Grid, vol. 6, no. 6, pp. 3082-3094, 2015.
[4]      V. S. K. Murthy Balijepalli, V. Pradhan, S. A. Khaparde, and R. M. Shereef, “Review of Demand Response under Smart Grid Paradigm”, IEEE PES Innovative Smart Grid Technologies (ISGT), pp. 236-243, India, 2011.
[5]      P. Samadi, A. H. Mohsenian-Rad, R. Schober, V. W. S. Wong, and J. Jatskevich, “Optimal Real-time Pricing Algorithm Based on Utility Maximization for Smart Grid”, First IEEE International Conference on Communications, pp. 415-420, 2010.
[6]      K. Alshehri, J. Liu, X. Chen, and T. Basar, “A Stackelberg Game for Multi-Period Demand Response Management in the Smart Grid”, 54th IEEE Annual Conference on Decision and Control (CDC), pp. 5889 – 5894, Osaka, Japan, Dec 2015.
[7]      R. Deng, Z. Yang, and M.Y. Chow, “A Survey on Demand Response in Smart Grids: Mathematical Models and Approaches”, IEEE Transactions on Industrial Informatics, vol. 11, no.3, pp. 570 – 582, 2015.
[8]      W. Liuhui, W. Xian, and Z. Shaohua, “Electricity Market Equilibrium Analysis for Strategic Bidding of Wind Power Producer with Demand Response Resource”, IEEE PES Asia-Pacific Power and Energy Engineering Conference (APPEEC), pp. 181-185, Oct. 2016.
[9]      مجید ارس نژاد, مصطفی رجبی مشهدی و حمدی عبدی، «مطالعه تأثیر اجرای طرح ذخیره عملیاتی صنایع درکاهش پیک شبکه و ارائه راهکارهای کاربردی به منظور اجرای کارآمدتر طرح»، کنفرانس بین المللی فناوری و مدیریت انرژی، تهران -پژوهشگاه نفت، انجمن انرژی ایران، ۱۳۹۴.
[10]      ابراهیم شایسته، سیدجلال کاظم پور، پیام تیمورزاده، حبیب‌اله اعلمی، مهدی بهرنگ‌راد، محسن پارسامقدم، «اختصاص میزان تشویقی بهینه صنایع حاضر در برنامه پاسخگویی‌بار با استفاده از ارزیابی اقتصادی در ایران»، چهاردهمین کنفرانس شبکه‌های توزیع نیروی برق، اردیبهشت 1388.
[11]      تکتم شریفیان عطار، مصطفی رجبی مشهدی، محمدحسین جاویدی، «بازنگری طرح دیماند منعطف صنایع با توجه به جابجایی ساعات پیک (پیک روزانه) » ، بیست و یکمین کنفرانس بین المللی مهندسی برق ایران، اردیبهشت 1392.
[12]      سارا ملایی وانقی و مصطفی رجبی مشهدی، «ارائه راهکاری جهت بهبود قیمت‌گذاری پاسخگویی بار در ایران»، سی امین کنفرانس بین المللی برق ایران، آبان 1394.
[13]      S. Mollaee-Vaneghi, M. Rajabi-Mashhadi, and M. Barazesh, “Introducing a new approach to improve demand response pricing for industrial customers in Iran,” IEEE Smart Grid Conference (SGC), pp. 86-91, 2015.
[14]      V. Bhosale, P. Hadawale, and A. Borole, “Automated demand response for residential consumers,” IEEE Conference on National Power Systems Conference (NPSC), pp. 1-6, 2016.
[15]      F. Elghitani and W. Zhuang, “Aggregating a Large Number of Residential Appliances for Demand Response Applications,” IEEE Transactions on Smart Grid, Early Access articles, 2017.
[16]      H. T. Roh and J. W. Lee, “Residential Demand Response Scheduling With Multiclass Appliances in the Smart Grid,” IEEE Transactions on Smart Grid, vol. 7, no.1, pp. 94-104, 2016.
[17]      A. Safdarian, M. Fotuhi-Firuzabad, and M. Lehtonen, “A Distributed Algorithm for Managing Residential Demand Response in Smart Grids,” IEEE Transactions on Industrial Informatics, vol. 10, no. 4, pp. 2385-2393, 2014.
[18]      سعیده لطیف و محمود رضا حقی‌فام، «مدل‌سازی مصارف برق خانگی ایران با رویکرد سیستم دینامیک»، سی امین کنفرانس بین المللی برق ایران، تهران، آبان 1394.
[19]      مهدی صمدی و علی صبوری راد، «ارائه روشی جدید برای طراحی بهینه برنامه پاسخگویی بار قیمت گذاری زمان استفاده»، سی امین کنفرانس بین المللی برق ایران، تهران، آبان 1394.
[20]      J. Zheng, D. W. Gao, and L. Lin, “Smart Meters in Smart Grid: An Overview,” IEEE Green Technologies Conference, pp. 57-64, 2013.
[21]      M. G. Vayá, M. Koller, and V. Wyss, “Demand Response based on smart metering infrastructure to facilitate PV integration in low voltage grids,” IET Conference on  CIRED Workshop, pp. 1-4, 2016.
[22]      V. Fusco, G. K. Venayagamoorthy, S. Squartini, and F. Piazza, “Smart AMI based Demand-Response Management in a Micro-grid Environment”, IEEE Clemson University Power Systems Conference (PSC), pp. 1-8, 2016.
[23]      A. Salami, M. M. Farsi, “A cooperative demand response program for smart grids,” IEEE Conference on Smart Grid Conference (SGC), pp. 99-104, 2015.
[24]      M. Yu, and S. H. Hong, “A Real-Time Demand-Response Algorithm for Smart Grids: A Stackelberg Game Approach,” IEEE Transactions on Smart Grid, vol. 7, no. 2, pp. 879-888, 2016.
[25]      D. Picault, O. Cottet, and T. Ruez, “Demand Response: a solution to manage loads in the smart grid”, 15th IEEE International Conference on Environment and Electrical Engineering (EEEIC), pp. 352-356, 2015.
[26]      جمشید آقایی، سیداحسان باقری، سجاد شفیعی، طاهر نیکنام، سیدمحسن باقری، «بررسی پاسخ‌گویی شبکه توزیع هوشمند به عملکرد خودروهای الکتریکی هیبریدی قابل اتصال به شبکه"، مجله مهندسی برق دانشگاه تبریز، دوره 47، شماره 1، صفحه 20-11، بهار 1396.
[27]      جمیل جنتی، داریوش نظرپور، «مدیریت انرژی پارکینگ هوشمند خودروهای برقی در یک ریزشبکه با در نظر گرفتن اثرات برنامه پاسخ‌گویی بار"، مجله مهندسی برق دانشگاه تبریز، دوره 47، شماره 2،  صفحه 467-445، تابستان 1396
[28]      علی مهدی‌زاده؛ نوید تقی‌زادگان کلانتری، «برنامه‌ریزی تصادفی ریزشبکه جزیره‌ای در حضور سیستم ذخیره‌ساز هیدروژنی و برنامه پاسخ‌گویی بار"، مجله مهندسی برق دانشگاه تبریز، دوره 47، شماره 2، صفحه 725-711، تابستان 1396.
[29]      فرید محمدی، حمدی عبدی، احسان دهنوی، «حل مسئله توزیع بار اقتصادی هزینه-آلودگی دینامیک همراه با برنامه پاسخ‌گویی بار اضطراری بهینه تحت قیود اثر نقطه-دریچه و ذخیره چرخان،» مجله مهندسی برق دانشگاه تبریز، دوره 46، شماره 1، صفحه 356-343، بهار 1395
[30]      شرکت مدیریت شبکه برق ایران، «ابلاغیه شرکت توانیر با موضوع محاسبه پاداش همکاری طرح ذخیره عملیاتی»،1394.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار