یک چارچوب محاسبه ای برای بهینه سازی عدم قطعیت کمی و اتفاقی در بکارگیری واحد با تولید توان بادی

چکیده

شاخص های کلیدی

فهرست علائم و اختصارات

پیش بینی عددی آب و هوا:

تحلیل نتیجه

مقدمه

پیش بینی باد و تخمین عدم قطعیت با استفاده از WRF 

التزام و تعهد واحد و توزیع اقتصادی 

فرمول قابل برنامه ریزی اتفاقی

پیاده سازی حلقه بسته

تحلیل نتیجه و استنباط

محاسبه بازه های اطمینان

مطالعه یکپارچه

پیش بینی باد و کمی بودن عدم قطعیت 

ملاحظات پیاده سازی 

مطالعه اقتصادی توزیع اقتصادی/تعهد واحد 

توصیف سیستم قدرت 

نتیجه گیریها و کارهای بعدی

نتایج 

ما، یک چارچوب محاسبه ای برای یکپارچه و ادغام کردن یک مدل عددی جدید پیش بینی آب و هوا (NWP) در فرمول های توزیع تعهد/اقتصادی که برای عدم قطعیت توان بادی استفاده می شود را ارائه می کنیم. در ابتدا مدل NWP را با یک استراتژی کمی عدم قطعیت مبتنی بر جمع که در یک معماری محاسبه ای حافظه توزیع شده موازی پیاده سازی شده را توسعه می دهیم. در مورد مباحث محاسبه ای ناشی از پیاده سازی چارچوب بحث می کنیم و صحت مدل را با استفاده از اطلاعات سرعت واقعی باد بدست آمده از یک مجموعه ایستگاههای هواشناسی تایید می کنیم. یک سیستم قدرت شبیه سازی شده را برای نمایش و اثبات توسعه ها ایجاد می کنیم.

توان بادی در حال جهانی شدن یک جزء قابل ملاحظه ای از سهم تولید توان است. در اروپا، قبلاً چندین کشور، سطوح قابل قبولی در محدوده 20٪-5٪ تقاضای کل سالیانه را عرضه کرده اند. در امریکا، سطح قابل قبول 20٪ تا سال 2030 [1] مورد انتظار است. چنین اتخاذ و بکارگیری مقیاس بزرگ، چالشهای زیادی برای بهره برداری شبکه برق را عرضه می کند، زیرا توان باد بطور زیادی متناوب است و پیش بینی آن مشکل است. بویژه، عملیات تعهد و التزام واحد (UC) و توزیع اقتصادی (ED، به علت تاثیر قوی اقتصادیشان ( بر حسب بیلیون ها دلار در سال) و افزایش معضلات و نگرانیهای تشعشات، بسیار مهم هستند . چندین آنالیز مطالعات UC‌ در مورد تاثیر افزایش سطوح اتخاذ و بکارگیری توان بادی اخیراً انجام شده است. در [21] یک فرمول UC اتفاقی با قیود ایمن که برای توان باد محاسبه می شود به همراه تکنیک حل تجزیه موثر ارائه شده است. در [19] یک فرمول UC اتفاقی حلقه بسته با جزئیات بیان شده است. نویسندگان تاثیر مکرر التزام بر تولید، راه اندازی و هزینه توقف ناگهانی را آنالیز کرده اند. آنها پی بردند که افزایش تکرار التزام می تواند هزینه ها را کاهش دهد و قابلیت اطمینان سیستم را افزایش دهد. هیچکدام از مطالعات بهینه سازی پیشین به تفصیل مدل پیش بینی توان باد و فرمول عدم قطعیت بکار رفته برای پشتیبانی از نتایجشان را ارائه نمی کنند. در [12] و [15] مدلهای شبکه عصبی مصنوعی (ANN) جهت محاسبه پیش بینی ها و بازه های اطمینان توان کل برای یک مجموعه ای از ژنراتور های بادی استفاده شده اند. با این حال، یک مشکل برای روشهای مدلسازی عملی (مبتنی بر دیتا)‌[5] ، [20] , [22] این است که قابلیتهای پیش بینی آنها بطور زیادی متکی بر وجود روشهای ماندگار و دائمی است. علاوه بر این، آنها وجود پدیده های فیزیکی فضایی-زمانی را نادیده می گیرند که می تواند منجر به همبستگی زمان متغیر سرعت های باد در مکانهای همجوار گردد. پس چنین روشهایی می تواند منجر به پیش بینی نادرست بلند مدت و میان مدت ویا سطوح ناچیز عدم قطعیت گردد [8] , [13] , [14]که در مقابل، بر هزینه مورد انتظار و مقاوم بودن راه حل UC تاثیر می گذارد. یک مقایسه ای بین تکنیک های کمی عدم قطعیت با مدلهای پیش بینی فیزیکی آب و هوا برای پیش بینی دمای محیط در [23] ارائه شده است. در این کار، پیشرفت های اخیر بهره برداری برای مدلهای عددی پیش بینی آب و هوا (NWP) جهت انجام مطالعات UC/ED با بکارگیری توان باد را جستجو می کنیم. استفاده از مدلهای فیزیکی مطلوب است زیرا اطلاعات دقیق و پایدار عدم قطعیت می تواند بدست آید [13]. در تحقیق قبلی ، دریافتیم که مدلهای NWP قادر به بدست آوردن بازه های خیلی پایدار عدم قطعیت پیش بینی های دما می باشند که در هزینه های کمتر بهره برداری در سیستم های ساختاری برگردانده می شود. از طرف دیگر، همچنین دریافتیم که قابلیتهای عملی مدلهای NWP محدود هستند. یکی از فاکتورهای محدودکننده اصلی، پیچیدگی محاسبه آنها می باشد. برای مثال، اجرای همانندسازی دیتا هر ساعت در یک تفکیک فضایی و سه بعدی در حال حاضر عملی نیست. علاوه بر این، اطلاعات عدم قطعیت از مدلهای NWP بسرعت از دید زمان شبیه سازی و نیازمندیهای حافظه استخراج می شود . سوال این است: از نقطه دید عملی چطور قابلیتهای پیش بینی جدیدترین مدلهای NWP مناسب و عملی هستند. این یک سوال مهم می باشد زیرا مدلهای NWP برای کاربرد تصمیم های عملکردی زمان حقیقی با مفاهیم مهم اقتصادی مورد قبول هستند. برای تحلیل این بحث، یک چارچوبی که تحقیقات آب و هوا و مدل پیش بینی (WRF) را با یک فرمول UC/ED اتفاقی حلقه بسته ادغام کند را ارائه می کنیم. بخصوص علاقمند به تحلیل مباحث محاسبه ای و اثرات عدم قطعیت باد بر روی عملکرد های UC/ED می باشیم. قابل بحث است که اکثر روشهای هایبرید اتفاقی که پیش بینی سرعت باد NWP و مدلهای عملی را ترکیب می کنند به راهنمای تفکیک پیش بینی های NWP به یک ناحیه خاص و معین و محاسبه برای مشخصه های خاص سیستم نیاز دارند ( یعنی منحنی های توان ، کوه شناسی ) . یادآور می شویم که با این حال روش ما چندین مزیت نسبت به کارهای قبلی در مورد پیش بینی باد همانند مرجع [6] و [16] دارد. حقیتِ اینکه ما مدل UC/ED و مدل WRF را کنترل می کنیم این است که به ما اجازه می دهد که پیش بینی باد با عدم قطعیت همانطور که نیاز است را تصحیح کنیم. بخصوص، همچنانکه در بخش 4-A ارائه می کنیم ما می توانیم WRF را در وضوح بیشتری از اطلاعات مرجع [6]و [16] اجرا کنیم. قابلیت بعدی می تواند تاثیر زیاد بر مشخصه حل UC/ED و راندمان باشد و می تواند در ارتباط با تخمین اطمینان توضیح داده شده در بخش 3-D برای افزایش تعداد سناریوها جهت بهبود تصمیم عدم قطعیت، اگر نیاز باشد، استفاده شود یا از یک راه حل محاسبه شده ای استفاده کند. کمی کردن کامل این مزیت ها هدف میان مدت پروژه ما می باشد. با این حال، هدف از این کار، توصیف مزایای چارچوب یکپارچه و برای مسائل UC/ED می باشد. ما عدم قطعیت پیش بینی های سرعت باد را با استفاده از یک تکنیک نمونه برداری که یک مجموعه ای از تحقق های آینده را در ناحیه جغرافیایی هدف ایجاد می کند را مدل می کنیم. مجموعه ها با استفاده از یک پیاده سازی بر روی یک حافظه توزیع شده موازی محاسبه ای بدست می آوریم و به یک مسئله UC/ED اتفاقی ارسال می شوند. یک تکنیک نمونه برداری برای ارزیابی کیفیت راه حل های UC/ED اتفاقی ایجاد و توسعه داده می شوند. ما صحت پیش بینی ها و همبستگیهای فضایی را با استفاده از دیتای سرعت باد واقعی بدست آمده از یک مجموعه ای از ایستگاههای هواشناسی تایید و تصدیق می کنیم. ما همچنین یک تحلیل اقتصادی تاثیر افزایش سطوح بکارگیری توان باد را انجام می دهیم. نوآوری کار ما در یکپارچگی کمی بودن عدم قطعیت و بهینه سازی اتفاقی ، مطالبی که معمولاً بطور مستقل تحلیل شده اند ، می باشد. از این یکپارچگی ما می توانیم تاثیرات اقتصادی دقت پیش بینی و کرانها و محدوده های عدم قطعیت را آنالیز کنیم. یک نوآوری اضافی کار ما یک آنالیز محاسبه ای WRF می باشد که جهت درک و فهم محدودیت هایش و قابلیت هایش در یک تنظیمات کاربردی مهم می باشد . ساختار مقاله بصورت زیرمی باشد. بخش 2 جزئیات مدل WRF و بر کمی بودن عدم قطعیت را ارائه می کند. بخش 3 فرمول التزام واحد اتفاقی را توصیف می کند و یک تکنیک نمونه برداری استفاده شده برای انجام تحلیل نتیجه را ارائه می کند. بخش 4 نتایج عددی معتبر برای WRF و نتایج شبیه سازی UC حلقه بسته را ارائه می کند . درنهایت با یک خلاصه ای از مقاله و جهت گیری هایی برای کار بعدی، نتیجه گیری می کنیم.