| کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
|---|---|---|---|---|
| 398249 | 1438730 | 2015 | 10 صفحه PDF | دانلود رایگان |
کلمات کلیدی
معرفی
چارچوب پیشنهادی
شکل 1. شماتیک چارچوب پیشنهادی
فرمولبندی ریاضی
شاخصها
پارامترها
متغیر تصمیم
مدل دو سطحی
MPEC
خطی سازی
مطالعات موردی
نمونة مطاعاتی اول: سیستم 6 شینه
شکل 2. شبکه آزمایشی شش شینه [9]
جدول 1. نتایج توسعه ظرفیت تولید
شکل 3. تأثیر توسعه تولیدکنندگان دیگر بر قیمت متوسط
شکل 4. سرمایه‌گذاری‌های تولید کننده استراتژیک در هر شین
مطالعة موردی 2: شبکة MREC
شکل 5. دیاگرام تکخط شبکه انتقال MREC
جدول 2. داده واحدهای تولید موجود
جدول 3. سوسپتانس ترانسفورماتور 230/400 کیلو ولت
جدول 4. نتایج شبیهسازی برای شبکه MREC
دوره زمانی پیک
دوره میانباری
دوره غیر پیک
شکل 6. تسویه بازار در دورههای زمانی پیک، کمباری و میانباری (تقاضای غیر کششپذیر).
دورة زمانی پیک
دورة زمانی میانباری
دورة زمانی کمباری
شکل 7. تسویه بازار در دورههای زمانی پیک، کمباری و میانباری (تقاضای کششپذیر).
جدول 5. شاخصهای اطمینانپذیری شبکه MREC (تقاضای کششپذیر)
مطالعة موردی 3: سیستم آزمایشی اطمینانپذیری 24 شینة IEEE
شکل 8. نتایج سرمایهگذاری در شبکه MREC
شکل 9. سیستم RTS IEEE
شکل 10. سهم تولیدکنندگان در بازار در دورة زمانی برنامهریزی
شکل 11. قیمت متوسط بازار بر حسب ظرفیت انتقال
شکل 12. شاخصهای بازار بر حسب محدودیتهای انتقال
جدول 7. زمان محاسباتی برای موارد مطالعاتی
نتیجه گیری
• Presenting a novel multi-period bi-level framework solving GEP.
• Obtaining more realistic results through dynamic MPEC than static approach.
• Investing more peak technologies in energy only markets than base technologies.
• Enforcing inelastic demands to cap market prices.
• Influencing admissible loading of transmission network on market indicators.
This paper presents a novel framework for generation expansion planning (GEP) of restructured power systems under uncertainty in a multi-period horizon, which includes generation investment from a price maker perspective. The investment problem is modeled as a bi-level optimization problem. The first level problem includes decisions related to investment in order to maximize total profit in the planning horizon. The second level problem consists of maximizing social welfare where the power market is cleared. Rival uncertainties on offering and investment are modeled using sets of scenarios. The bi-level optimization problem is then converted to a dynamic stochastic MPEC and represented as a mixed integer linear program (MILP) after linearization. The proposed framework is examined on a typical six-bus power network, MAZANDARAN regional electric company (MREC) transmission network as an area of IRAN interconnected power system and IEEE RTS 24-bus network. Simulation results confirm that the proposed framework can be a useful tool for analyzing the behavior of investments in electricity markets.
Journal: International Journal of Electrical Power & Energy Systems - Volume 70, September 2015, Pages 108–117