توضیحات
ABSTRACT
This paper proposes a real-time pricing scheme that reduces the peak-to-average load ratio through demand response management in smart grid systems. The proposed scheme solves a two-stage optimization problem. On one hand, each user reacts to prices announced by the retailer and maximizes its payoff, which is the difference between its quality-of-usage and the payment to the retailer. On the other hand, the retailer designs the real-time prices in response to the forecasted user reactions to maximize its profit. In particular, each user computes its optimal energy consumption either in closed forms or through an efficient iterative algorithm as a function of the prices. At the retailer side, we develop a Simulated-Annealing-based Price Control (SAPC) algorithm to solve the non-convex price optimization problem. In terms of practical implementation, the users and the retailer interact with each other via a limited number of message exchanges to find the optimal prices. By doing so, the retailer can overcome the uncertainty of users’ responses, and users can determine their energy usage based on the actual prices to be used. Our simulation results show that the proposed realtime pricing scheme can effectively shave the energy usage peaks, reduce the retailer’s cost, and improve the payoffs of the users.
INTRODUCTION
IN TODAY’S electric power grid, we often observe substan- tial hourly variation in the wholesale electricity price, and the spikes usually happen during peak hours due to the high generation cost. However, almost all end users nowadays are charged some flat-rate retail electricity price , which does not reflect the actual wholesale price. With the flat-rate pricing, users often consume much more electricity during peak hours, such as the time between late afternoon and bed time for residential users. This leads to a large fluctuation of electricity consumption between off-peak hours and peak hours. The high peak-hour demand not only induces high cost to the retailers due to the high wholesale prices in those hours, but also has a negative impact on the reliability of the power grid. Ideally, the retailer would like to have the electricity consumption evenly spread across different hours of the day through a proper demand response management.
چکیده
این مقاله یک طرح قیمت گذاری در زمان واقعی ارائه می دهد که میزان بار به دست می آید از طریق مدیریت پاسخ تقاضا در سیستم های هوشمند شبکه. طرح پیشنهادی یک مشکل بهینه سازی دو مرحله ای را حل می کند. از یک طرف، هر کاربر به قیمت های اعلام شده توسط خرده فروش واکنش نشان می دهد و بازده آن را به حداکثر می رساند، که تفاوت بین کیفیت استفاده و پرداخت به خرده فروش است. از سوی دیگر، خرده فروش قیمت های زمان واقعی را در واکنش به واکنش های پیش بینی شده کاربر برای به حداکثر رساندن سود خود طراحی می کند. به طور خاص، هر کاربر مصرف انرژی مطلوب خود را در فرم های بسته یا از طریق یک الگوریتم تکراری کارآمد به عنوان عملکردی از قیمت ها محاسبه می کند. در سمت خرده فروش، ما یک الگوریتم کنترل قیمت مبتنی بر آنالایزر (SAPC) را برای حل مشکل بهینه سازی قیمت غیرمستقیم ایجاد می کنیم. از نظر پیاده سازی عملی، کاربران و خرده فروش با یکدیگر از طریق تعداد محدودی از تبادل پیام ها برای یافتن قیمت های بهینه، با یکدیگر ارتباط برقرار می کنند. با انجام این کار، خردهفروشی می تواند بر عدم اطمینان پاسخ های کاربران غلبه کند و کاربران می توانند میزان مصرف انرژی خود را براساس قیمت واقعی مورد استفاده قرار دهند. نتایج شبیه سازی ما نشان می دهد که طرح قیمت گذاری پیشنهاد شده در زمان واقعی می تواند به طور موثری صاف مصرف انرژی را کاهش دهد، هزینه خرده فروش را کاهش دهد و پرداخت های کاربران را بهبود بخشد.
مقدمه
در شبكه برقي امروز ما اغلب تغییرات ساعتی در قیمت برق عمده فروشی را مشاهده می كنیم و معمولا در طول ساعات پائین به علت هزینه بالای تولید، سنبله اتفاق می افتد. با این حال، تقریبا تمام کاربران نهایی در حال حاضر هزینه برخی از قیمت برق خرده فروشی را پرداخت می کنند که قیمت واقعی عمده فروشی را نشان نمی دهد. با قیمت گذاری تطبیقی، کاربران اغلب در طول ساعت های پیک، مانند زمان بین اواخر بعدازظهر و زمان خواب برای کاربران مسکونی، برق بیشتری مصرف می کنند. این منجر به نوسان زیادی در مصرف برق بین ساعت های پائین و ساعت های پیک می شود. تقاضای بالای اوج ساعت نه تنها موجب هزینه های بالا به خرده فروشان به دلیل قیمت های عمده فروشی در آن ساعت ها می شود، بلکه تاثیر منفی بر قابلیت اطمینان شبکه برق نیز دارد. در حالت ایده آل، خرده فروش مایل است که مصرف برق را به طور مساوی در ساعت های مختلف از طریق مدیریت پاسخ تقاضای تقاضا گسترش دهد.
Year: 2013
Publisher : IEEE
By : Li Ping Qian , Ying Jun (Angela) Zhang, Jianwei Huang, Yuan Wu
File Information: English Language/ 13 Page / size: 812 KB
Only site members can download free of charge after registering and adding to the cart
سال : 1392
ناشر : IEEE
کاری از : لی پینگ چیان، یینگ جون (آنجلا) ژانگ، Jianwei هوانگ، یوان وو
اطلاعات فایل : زبان انگلیسی / 13 صفحه / حجم : KB 812
نقد و بررسیها
هنوز بررسیای ثبت نشده است.