کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6896407 1445995 2015 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A robust optimization approach to energy and reserve dispatch in electricity markets
ترجمه فارسی عنوان
یک رویکرد بهینه سازی بهینه انرژی و عرضه در بازار برق
کلمات کلیدی
یا در انرژی، بهینه سازی قوی، تجزیه، بازار برق انرژی تجدید پذیر،
ترجمه چکیده
به میزان زیادی، بازارهای برق در سراسر جهان همچنان به روش های قطعی برای تمیز کردن انرژی و مزایده های ذخیره متکی هستند. با این حال، افزایش سهم تولید مخلوط از منابع تجدید پذیر است که طبیعت آن تصادفی و غیر قابل تنظیم است، زیرا خروجی آنها نامشخص است و نمی تواند توسط اپراتورهای واحدهای تولیدی کنترل شود. مدل های برنامه ریزی تصادفی اجازه می دهد تا تعیین مشترک انرژی پیش بینی شده در روز و دفعات ذخیره سازی برای عدم اطمینان در خروجی از این منابع. با این حال، اندازه این مدل ها به سرعت از دست خارج می شود، زیرا تعداد زیادی از سناریوها برای نشان دادن عدم قطعیت مناسب هستند. در این کار ما یک رویکرد جایگزین را به کار می گیریم و مشکل را به عنوان یک مشکل بهینه سازی سازگار با مشکل حل می کنیم. برنامه زمانبندی انرژی و رزرو روزانه، حداقل هزینه سیستم را به حساب می آورد، هزینه های تصمیم گیری در مورد انتقال مجدد را در مرحله تعادل (در زمان واقعی)، در بدترین حالت از تولید تصادفی در یک مجموعه عدم اطمینان مشخص، به دست می آورد. ما یک اصلاحیه جدیدی از مشکل را پیشنهاد می دهیم که اجازه می دهد مجموعه های نامطمئن کلی چند درجه ای را در نظر بگیریم. در یک مطالعه موردی، ما نشان می دهیم که در مقایسه با یک مدل برنامه ریزی تصادفی ریسک پذیر، رویکرد بهینه سازی به طور پیوسته با بهینه سازی مطلوب در انتظارات با عملکرد بهبود یافته از لحاظ ریسک معامله می کند. با این حال، این تفاوت ها به تدریج کاهش می یابد، زیرا میزان ریسک پذیری برای رویکرد برنامه نویسی تصادفی افزایش می یابد. مطالعات محاسباتی نشان می دهد که مدل بهینه سازی قوی به خوبی با اندازه سیستم قدرت مقیاس می شود، که با توجه به کاربردهای واقعی این رویکرد امیدوار کننده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
پیش نمایش مقاله
یک رویکرد بهینه سازی بهینه انرژی و عرضه در بازار برق
چکیده انگلیسی
To a large extent, electricity markets worldwide still rely on deterministic procedures for clearing energy and reserve auctions. However, increasing shares of the production mix consist of renewable sources whose nature is stochastic and non-dispatchable, as their output is uncertain and cannot be controlled by the operators of the production units. Stochastic programming models allow the joint determination of the day-ahead energy and reserve dispatch accounting for the uncertainty in the output from these sources. However, the size of these models gets quickly out of hand as a large number of scenarios are needed to properly represent the uncertainty. In this work, we take an alternative approach and cast the problem as an adaptive robust optimization problem. The resulting day-ahead energy and reserve schedules yield the minimum system cost, accounting for the cost of the redispatch decisions at the balancing (real-time) stage, in the worst-case realization of the stochastic production within a specified uncertainty set. We propose a novel reformulation of the problem that allows considering general polyhedral uncertainty sets. In a case-study, we show that, in comparison to a risk-averse stochastic programming model, the robust optimization approach progressively trades off optimality in expectation with improved performance in terms of risk. These differences, however, gradually taper off as the level of risk-aversion increases for the stochastic programming approach. Computational studies show that the robust optimization model scales well with the size of the power system, which is promising in view of real-world applications of this approach.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: European Journal of Operational Research - Volume 247, Issue 2, 1 December 2015, Pages 659-671
نویسندگان
, ,