ترجمه فارسی عنوان مقاله

قیمت های بسیار زیاد در بازارهای متعادل کننده برق از یک رویکرد فیزیک آماری

عنوان انگلیسی

Extreme prices in electricity balancing markets from an approach of statistical physics

کد مقاله	سال انتشار	تعداد صفحات مقاله انگلیسی
139756	2018	11 صفحه PDF

منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Physica A: Statistical Mechanics and its Applications, Volume 490, 15 January 2018, Pages 1324-1334

فهرست مطالب ترجمه فارسی

چکیده

کلمات کلیدی

1.مقدمه

2. روش ها

2.1 ارزیابی بی تعادلی سیستم های زمان واقعی

2.2 مدل سازی بر پایه عامل

3. مجموعه داده ها

4. نتایج

5. نتیجه گیری ها و چشم انداز

ترجمه کلمات کلیدی

انرژی تجدید پذیر، بازار برق، فیزیک آماری، مدل سازی مبتنی بر عامل،

کلمات کلیدی انگلیسی

Renewable energy; Electricity markets; Statistical physics; Agent-based modeling;

ترجمه چکیده

افزایش تولید انرژی از منابع انرژی تجدید پذیر به عنوان یک دستیابی مهم و ضروری در اکثر کشورهای صنعتی تلقی می شود. تغییرپذیری بالاتر تولید توان از طریق منابع تجدیدپذیر منجر به افزایش هزینه های خدمات جانبی در سیستم انرژی به خصوص هزینه های موجود در بازارهای متعادل کننده برق می شود که این امر اساسا به دلیل افزایش تعداد جهش های قیمت نهایی است. این مطالعه به تحلیل تاثیر افزایش سهم منابع انرژی تجدیدپذیر بر رفتار قیمت و حجم های بازار متعادل کننده ایتالیا می پردازد. ما با شروع از پیکربندی های تولید بار و توان که عملکرد پایداری را تضمین می کند، نوسانات بار و منابع تجدیدپذیر را پیاده سازی می-کنیم؛ به طور خاص توزیع منابع تجدیدپذیر را در مقایسه با منابع انرژی متعارف به طور ساختگی افزایش می دهیم تا بار کل را پوشش دهیم. سپس میزان انرژی موردتقاضا در بازار متعادل کننده و نوسانات آن را که ناشی از تولید و مصرف است تعیین می کنیم. ما با رویکرد مدل سازی مبتنی بر عامل، قیمت ها و هزینه های حاصل را تخمین می زنیم. درحالی که به نظر می رسد که مقادیر متوسط فقط اندکی نحت تاثیر افزایش سهم انرژی های تجدیدپذیر قرار می گیرند، اما نشان داده می شود که احتمال رویدادهای قیمتی شدید همراه با پیک های نامطلوب در هزینه ها افزایش می یابد. روش ما ابرازی را برای تخمین نقاط دورافتاده قیمت ها که از بازار متعادل ساز انرژی به دست آمده اند فراهم می کند که در آن داده های مصرف، تولید و نوسانات معمول آن ها مهیا شده است.

ترجمه مقدمه

افزایش آگاهی های محیط زیستی به همراه کاهش تدریجی هزینه های تولید و نصب ]1[ منجر به رشد قابل توجهی در میزان منابع تجدیدپذیر انرژی (RES) که در سراسر جهان وجود دارد می شود. علاوه بر این افزایش تمایل به کاهش گازهای گلخانه ای نیازمند افزایش انرژی تولیدشده توسط منابع انرژی پاک و قابل دسترسی همچون نیروی باد و فتوولتائیک (PV) است. علی رغم مزایای عالی این منابع انرژی، تغییرپذیری ذاتی آن ها در تولید توان به طور نامناسب با ساختار سلسله مراتبی و قوانیني كه به شدت هماهنگ‌ توليد و مصرف سيستم‌هاي توان واقعي تطبيق پيدا مي‌كند. دقت محدود پيش‌بيني پروفيل‌هاي توليد انرژي، مديريت اين منابع توان متناوب را دشوار كرده و ميزان توليد RES اي كه سيستم توان قادر به تحمل آن است را محدود مي‌كند. پس از آزادسازی شبکه در طی 15 سال گذشته، تعادل سیستم در زمان واقعی از طریق بازار متعادل کننده برق (EBM) انجام می شود که این بازار خود زیرمجموعه ای از بازار خدمات جانبی (ASM) است. این فاز بازار باید حالت تعادل صحیح سیستم در سطح انتقال را تضمین کرده و امنیت تامین انرژی را در کمترین هزینه ممکن مهیا کند. با این حال مقیاس کوتاه مدت و تغییرپذیری (نوسانات) این فاز بازار، هزینه های انرژی بیشتری را در مقایسه با فاز بازار روز بعد تولید می کند. بنابراین افزایش حجم EBM می تواند منجر به هزینه های نگهداری بسیار بالای سیستم شود. افزایش میزان تولید RES نصب شده، تعداد بالایی از نوسانات همبسته جزئی را در تولید توان مطرح می کند. در کنار آن، پیش بینی میزان انرژی که برای تعادل سیستم مورد نیاز است بسیار دشوار می شود. به طور کلی افزایش نوسانات تولید می تواند منجر به افزایش حجم متوسط بازار و نیز وقوع مکرر مقادیر بسیار بالای حجم بازار شود. درحالی که افزایش حجم های متوسط را می توان با تقویت ظرفیت ذخیره سازی بهبود داد، اما کنترل وقوع حجم های خیلی زیاد بسیار دشوار است. علاوه بر این با توجه به این واقعیت که رابطه بین قیمت و تقاضا که با تابع پشته (]2[ و ]3[) شناخته می شود خیلی غیرخطی است، وقوع حجم های بزرگ می تواند منجر به قیمت های انرژی بسیار زیادی شود. هنوز هم چنین رخدادهای شدید و ناخواسته قیمت توسط نیکولوسی ]4[ برای سیستم کشور آلمان رعایت می شود: اگر این امر بیش از حد اتفاق بیفتد، هزینه های کلی بازار افزایش می یابد و قواعدی که بر مبنای آن بازار برق طراحی شده است را تضعیف می کند. بنابراین پیش بینی تاثیر نوسانات بر بازار متعادل کننده برق می تواند برای برنامه ریزی بهینه توسعه و کشف موقعیت های بحرانی احتمالی شبکه بسیار ضروری باشد. بنابراین تعجبی ندارد که در سال های گذشته ارزیابی حجم و قیمت های EBM و به طور کلی بازارهای برق، توجه بسیاری را به خود جلب کرده است. عدم قطعیت ها هم در تولید برق و هم در مصرف آن و نیز در نتیجه تجارت بازار متعادل کننده انرژی، ذاتی هستند. رویکردها در نحوه رسیدگی به این عدم قطعیت ها متفاوت است. اخیرا چارچوب جریان برق بهینه تحت عدم قطعیت، نوساناتی را برای مثال در تولید و مصرف پیاده می کند؛ با این قید که کدام هزینه ها برای راه حل های جریان برق پایدار، بهینه شده اند. این عدم اطمینان ها می تواند از طریق مازاد ذخیره سازی ثابت به ساده ترین روش و یا از طریق پیاده سازی قیود تصادفی به همراه سناریوهای مختلف ]5[ و یا بهینه سازی استوار ]5[ انجام شود. برای مشاهده رویکردی جدید تر، مقاله ]7[ را ببینید. از سوی دیگر، عدم اطمینان در داد و ستد بازار انرژی می تواند توسط بازی های رقابتی توصیف شود. این بازی ها، بازی های خودخواهانه خرده فروشان است که به هر حال از طریق اهداف یا محدودیت های مشترک (برای مثال ]9و8[ را ببینید) و برقراری ارتباط مستقیم یا غیرمستقیم با یکدیگر پیوند پیدا می کنند. در این روش هدف معمولا اثبات همگرایی الگوریتم بهینه سازی به سمت تعادل Nash است. رویکردهای جایگزین، مبتنی بر مدل های سری زمانی است (]10[ و ]11[) که در آن نویسندگان از روش های رگرسیون خودکار برای تخمین قیمت های بازار انرژی از سری های زمانی گذشته یا مدل سازی مبتنی بر عامل ]14-12[ استفاده می کنند که در این روش ها از مجموعه ای از داده های تاریخی برای انرژی درخواستی بهره گرفته می شود که می بایست این داده ها توسط بازار متعادل کننده فراهم شود. ما در این مقاله رویکردهای مختلفی را از دو جهت دنبال می کنیم. رویکرد ما که توسط یکی از نویسندگان این مقاله (MM) در مقاله ]15[ معرفی شده است، نوسانات تولید و مصرف را در «مجموعه ای از شبکه ها» پیاده سازی می کند که هر شبکه متناظر با یک «حالت جزئی» است و با یک پیکربندی، مقادیر تولید و مصرف مشخص شده و این ریزحالت ها به سایت های شبکه اختصاص داده می شود. ما برای EBM از نسخه ای از مدل سازی مبتنی بر عامل استفاده می کنیم که در آن عامل ها یاد می گیرند که پیشنهادات خود را با توجه سود حداکثر، بهینه کنند و با یکدیگر نه به طور مستقیم، بلکه از طریق بازخورد از یک منبع موثق بازار ارتباط برقرار کنند. این ترکیب رویکردهای مکانیک آماری و مدل سازی عامل محور هنوز هم برای EBM کشور ایتالیا در مرجع ]15[ تایید شده است. در این مقاله اگر درصد افزایش یافته تصنعی انرژی های تجدیدپذیر وارد تولید شود، از همین رویکرد به ویژه برای پیگیری تاثیر نوسانات شدید تولید و مصرف بر قیمت ها و هزینه های داخل EBM استفاده می کنیم. برای ایجاد یک مقاله خودکفا، روش خود را در بخش 2 خلاصه می کنیم. ما در بخش 3، مجموعه داده های مورد استفاده را تشریح کرده و نتایج را در بخش 4 ارائه می دهیم. بخش 5 نتایج و چشم انداز کار را ارائه می دهد.

دانلود رایگان 2 صفحه اول مقاله لاتین (PDF)

پیش نمایش مقاله

چکیده انگلیسی

An increase in energy production from renewable energy sources is viewed as a crucial achievement in most industrialized countries. The higher variability of power production via renewables leads to a rise in ancillary service costs over the power system, in particular costs within the electricity balancing markets, mainly due to an increased number of extreme price spikes. This study analyzes the impact of an increased share of renewable energy sources on the behavior of price and volumes of the Italian balancing market. Starting from configurations of load and power production, which guarantee a stable performance, we implement fluctuations in the load and in renewables; in particular we artificially increase the contribution of renewables as compared to conventional power sources to cover the total load. We then determine the amount of requested energy in the balancing market and its fluctuations, which are induced by production and consumption. Within an approach of agent-based modeling we estimate the resulting energy prices and costs. While their average values turn out to be only slightly affected by an increased contribution from renewables, the probability for extreme price events is shown to increase along with undesired peaks in the costs. Our methodology provides a tool for estimating outliers in prices obtained in the energy balancing market, once data of consumption, production and their typical fluctuations are provided.