توضیحات
ABSTRACT
This paper proposes a probabilistic framework for optimal demand response scheduling in the day-ahead planning of transmission networks. Optimal load reduction plans are determined from network security requirements, physical characteristics of various customer types and by recognising two types of reductions, voluntary and involuntary. Ranking of both load reduction categories is based on their values and expected outage durations, whilst sizing takes into account the inherent probabilistic components. The optimal schedule of load recovery is then found by optimizing the customers’ position in the joint energy and reserve market, whilst considering several operational and demand response constraints. The developed methodology is incorporated in the sequential Monte Carlo simulation procedure and tested on several IEEE networks. Here, the overhead lines are modelled with the aid of either seasonal or real-time thermal ratings. Wind generating units are also connected to the network in order to model wind uncertainty. The results show that the proposed demand response scheduling improves both reliability and economic indices, particularly when emergency energy prices drive the load recovery.
INTRODUCTION
HE ever increasing integration of intermittent renewable energy into the electricity network, combined with a constantly growing demand, is likely to cause much greater stress on existing networks increasing the probability of severe contingencies . To avoid this, several preventive and corrective actions, including demand response (DR), spinning reserve scheduling, application of real-time thermal ratings (RTTR) and energy storage scheduling, can be deployed to relieve stress in particular areas of the network. DR strategies currently under investigation consider distribution level , but their potential in transmission networks is often overlooked. Research related to the impact of DR on network reliability is very limited. The model proposed in evaluates short term operational benefits in terms of generation and interrupted energy costs from interruptible loads by using the contingency enumeration technique; however, it does not fully address the customer perspective because there is no modelling of load recovery and associated costs, characteristics of different load and DR types and probabilistic nature of available interruptible demand.
چکیده
این مقاله یک چارچوب احتمالی برای برنامه ریزی پاسخ تقاضای بهینه در برنامه ریزی روزانه شبکه های انتقال پیشنهاد می کند. طرح های کاهش بار مطلوب از نیازهای امنیتی شبکه، ویژگی های فیزیکی انواع مختلف مشتریان و شناخت دو نوع کاهش، داوطلبانه و غیرمستقیم تعیین می شود. رتبه بندی هر دو مقادیر کاهش بار براساس مقادیر آنها و مدت زمان انتظار تخلیه می شود، در حالی که اندازه گیری، اجزای احتمالی ذاتی را در نظر می گیرد. سپس بهینه سازی موقعیت مشتریان در بازار مشترک انرژی و ذخیره سازی، با در نظر گرفتن چندین محدودیت عملیاتی و پاسخ تقاضا، برنامه مطلوب بهبود بار را پیدا می کند. روش پیشنهادی در روش شبیه سازی مونت کارلو تکرار شده و در چندین شبکه IEEE مورد آزمایش قرار گرفته است. در اینجا خطوط هوایی با کمک رنج های فصلی یا زمان واقعی حرارتی مدل سازی می شوند. واحد تولید برق نیز به شبکه به منظور مدل عدم قطعیت باد متصل شده است. نتایج نشان می دهد که برنامه ریزی پاسخ تقاضا پیشنهاد شده هر دو شاخص قابلیت اطمینان و اقتصادی را بهبود می بخشد، به ویژه هنگامی که قیمت های اضطراری انرژی موجب بهبود بار می شود.
مقدمه
او همیشه در حال افزایش ادغام انرژی های تجدید پذیر متناوب در شبکه برق، همراه با تقاضای رو به رشد است، احتمالا موجب استرس بیشتری در شبکه های موجود ایجاد می کند که احتمال احتمالی شدید را افزایش می دهد. برای جلوگیری از این، چندین اقدام پیشگیرانه و اصلاحی، از جمله پاسخ به تقاضای (DR)، برنامه ریزی رزرو چرخشی، استفاده از امتیازات حرارتی در زمان واقعی (RTTR) و برنامه ریزی ذخیره سازی انرژی می توانند برای کاهش استرس در مناطق خاص شبکه استفاده شوند. استراتژی های DR در حال حاضر در حال بررسی در نظر توزیع سطح، اما پتانسیل آنها در شبکه های انتقال اغلب نادیده گرفته می شود. تحقیقات مربوط به تاثیر DR در قابلیت اطمینان شبکه بسیار محدود است. مدل ارائه شده در ارزیابی مزایای عملیاتی کوتاه مدت از لحاظ هزینه تولید و قطع هزینه انرژی از بارهای قطع با استفاده از تکنیک شمارش احتمالی؛ با این حال، به طور کامل به دیدگاه مشتری پاسخ نمی دهد، زیرا هیچ مدل سازی بازده بار و هزینه های مرتبط با آن، ویژگی های انواع مختلف بار و نوع DR و احتمال احتمالی تقاضای قطع وجود ندارد.
Year: 2016
Publisher : IEEE
By : K. Kopsidas, A. Kapetanaki, V. Levi
File Information: English Language/ 13 Page / size: 905 KB
Only site members can download free of charge after registering and adding to the cart
سال : 1396
ناشر : IEEE
کاری از : K. Kopsidas, A. Kapetanaki, V. Levi
اطلاعات فایل : زبان انگلیسی / 13 صفحه / حجم : KB 905
نقد و بررسیها
هنوز بررسیای ثبت نشده است.