کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6679775 1428064 2018 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Risk-averse stochastic model predictive control-based real-time operation method for a wind energy generation system supported by a pumped hydro storage unit
ترجمه فارسی عنوان
روش پیش بینی مبتنی بر کنترل زمان واقعی بر اساس مدل تصادفی ریسک پذیر برای یک سیستم تولید انرژی باد که توسط یک واحد ذخیره آب هیدرولیک پمپ
کلمات کلیدی
کنترل پیش بینی کننده مدل تصادفی، عملیات زمان واقعی، پیشنهاد پیشنهادی روز انرژی باد، ذخیره آب پمپ ارزش شرطی در معرض خطر،
ترجمه چکیده
تولید کننده انرژی باد که در بازارهای غیرقانونی شرکت دارد، باید قراردادهای مربوط به انرژی که در روز آینده عرضه می کند، قرارداده شود. انحراف از قرارداد، که می تواند به دلیل نااطمینانی باد اتفاق می افتد، در هزینه های قابل توجهی در بازار های متعادل کننده در زمان واقعی جبران می شود. بنابراین، پیشرفت پیشرفت پیشرفته پیشرفت روزافزون و استراتژیهای زمانی بهرهبرداری به حداقل رساندن هزینههای عدم تعادل، یک مشکل مهم است. چندین آثار برای یافتن بهترین پیشنهاد های روز پیش وجود دارد، اما مشکل عملیات در زمان واقعی به خوبی مورد بررسی قرار نمی گیرد. با توجه به این واقعیت، ما پیشنهاد یک استراتژی جدید را پیشنهاد می کنیم که در آن پیش بینی های روز پیش با حل یک برنامه تصادفی ریسک پذیر محاسبه می شود و عملیات زمان واقعی توسط الگوریتم مبتنی بر کنترل پیش بینی کننده مدل تصادفی با قابلیت کنترل ریسک انجام می شود. الگوریتم به یک سیستم واقع گرایانه متشکل از مزارع باد و یک گیاه ذخیره سازی پمپ می شود. عملکرد آن با تعدادی از رویکردهای موجود در ادبیات مقایسه شده است. از آنجا که این مسئله دارای دو هدف متضاد به حداکثر رساندن سود و کاهش خطر است، تجزیه و تحلیل مطلوبیت پارتو نیز انجام می شود. در نهایت، اعتبار روش معمولی که در ادبیات مطرح شده است، برآورد عملکرد اقتصادی با بهینه سازی پیشنهاد، با مقایسه برآورد با عملکرد واقعی به دست آمده با روش های عملی در زمان واقعی بررسی می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی مهندسی انرژی و فناوری های برق
چکیده انگلیسی
A wind energy producer participating in deregulated markets needs to make contracts on the energy it will supply in the next day. Deviations from the contracts, which could occur due to wind uncertainties, are compensated in real-time balancing markets at a considerable cost. Therefore, developing advanced day-ahead bidding and real-time operation strategies minimizing such imbalance costs constitutes an important problem. There are several works on finding optimal day-ahead bids but the real-time operation problem is not studied well. Motivated by this fact, we propose a new strategy in which the day-ahead bids are computed by solving a risk-averse stochastic program, and real-time operation is performed by a stochastic model predictive control-based algorithm with a risk control capability. The algorithm is applied to a realistic system composed of wind farms and a pumped hydro storage plant. Its performance is compared to a number of approaches appearing in the literature. Because the problem considered has two conflicting objectives of profit maximization and risk minimization, a Pareto optimality analysis is also conducted. Finally, the validity of a common practice followed in the literature, which is estimating the economic performance by bidding optimization, is investigated by comparing the estimate with the actual performance achieved by real-time operation methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Energy - Volume 226, 15 September 2018, Pages 631-643
نویسندگان
, ,