ترجمه فارسی عنوان مقاله

آیا مشارکت واحد باید به صورت درون‌زاد در مدل‌های بهینه‌سازی برنامه‌ریزی انتقال توان بادی در نظر گرفته شود؟

عنوان انگلیسی

Should unit commitment be endogenously included in wind power transmission planning optimisation models?

کد مقاله	سال انتشار	تعداد صفحات مقاله انگلیسی
53922	2014	9 صفحه PDF

منبع

Publisher : IEEE (آی تریپل ای)

Journal : IET Renewable Power Generation, Page(s): 132 - 140 ISSN : 1752-1416 INSPEC Accession Number: 14081376 Date of Publication : March 2014 Date of Current Version : 10 March 2014 Issue Date : March 2014

فهرست مطالب ترجمه فارسی

چکیده

مقدمه

فرضیه‌ی تحت بررسی

مدل‌سازی پخش بار سیستم

اثر مسائل قالب زمانی عملیات بادی روی قالب‌های زمانی برنامه‌ریزی بلند مدت شبکه

بررسی‌های پخش بار مدل زمان‌بندی

تحلیل حساسیت عدم قطعیت بلند مدت

توصیف سیستم تست

شکل1. سیستم قدرت نمونه تحت بررسی

نتایج تاثیر ضریب ظرفیت نیروگاه مدل زمانبندی

جدول 2 ضرایب ظرفیت نیروگاهی برای روش‌های مختلف زمانبندی- توان بادی نصب شده 6 گیگاوات

نتایج اثر پخش بار مدل زمانبندی

شکل2. نمودارهای ستونی پخش بار برای خط مجاور اتصال داخلی HVDC (خط بین باس 12 و باس 19)

شکل3. نمودارهای ستونی پخش بار برای خط مجاور نیروگاه انعطاف‌پذیر ADGT (خط بین باس 6 و باس 11)

شکل4. نمودارهای ستونی پخش بار ساده از هر جای سیستم (خطوط بین باس 17 و 21)

حساسیت‌های عدم قطعیت مدل برنامه‌ریزی بلندمدت

شکل5. هزینه‌های متوسط فصلی واحد زغالی بار پایه و CCGT (مورد 1)

شکل6. تابع چگای احتمال ساده‌ی تحت تاثیر عدم قطعیت قیمت سوخت فسیلی (مورد 1، خطوط بین باس 23 تا باس 24)

شکل7. تابع چگالی احتمال پخش بارها تحت تاثیر عدم قطعیت قیمت سوخت فسیلی (مورد 1، خطوط بین باس 28 تا باس 31)

شکل7. تابع چگالی احتمال پخش بارها تحت تاثیر عدم قطعیت پیک تقاضای مصرف‌کننده (مورد 2، خطوط بین باس 27 و باس 28)

عدم قطعیت پروفیل بار

آثار فرمولبندی مدل بهینه‌سازی انتقال

نتایج اصلی حاصل از ملاحظات فرضیه

ترجمه کلمات کلیدی

توان بادی - مدل‌های بهینه‌سازی برنامه‌ریزی انتقال -

کلمات کلیدی انگلیسی

wind power.transmission planning optimisation models.

ترجمه چکیده

روش‌های قدیمی اطلاعات مجموعه‌های زمانی یا شبیه‌سازی مونت کارلو که اغلب برای نمایش توان بادی در مدل‌های برنامه‌ریزی انتقال به کار می‌روند باعث مشکلات بهینه‌سازی مقیاس وسیع می‌گردند. چنانچه تکنیک‌های پیشرفته‌ای برای متغیر بودن باد و مدیریت عدم قطعیت پیش‌بینی باد در نظر گرفته شود، که در واقع این کار متناظر است با آنکه قالب زمانی‌های تحلیل‌های جداگانۀ "عملیات زمان واقعی" و "برنامه‌ریزی بلند مدت" باهم ادغام شوند، آنگاه پیچیدگی چنین مسائلی هرچه بیشتر افزایش می‌یابد. به منظور بررسی آثار احتمال فرمول مدل برنامه‌ریزی انتقال تکنیک‌های پیشرفتۀ پیش‌بینی باد و نیز تعیین اینکه آیا دقت مدل‌های دیگر برنامه‌ریزی بهینۀ انتقال با بار محاسباتی مقیاس بسیار وسیع همخوانی دارد یا نه، در اینجا یک مدل زمان‌بندی تصادفی عدد صحیح ترکیبی ارائه می‌شود. نتایج حاکی از آن است که مدل‌سازی پخش بار (توان) تنها در یک زیر مجموعۀ کوچکی از شاخه‌های شبکه که به اتصالات اصلی و مکان‌های منعطف/ غیرمنعطف تولید مرسوم مربوط می‌شوند، به طور چشمگیری تحت تأثیر قرار می‌گیرد. همچنین تحلیل حساسیت مدل پیشنهاد می‌کند که حتی در نفوذهای شدید بادی، چنین اختلافات مدل‌سازی پخش بار ممکن است تحت‌الشعاع اثر عدم قطعیت عمومی فرار بودن قسمت سوخت و پروفیل تقاضا قرار گیرد که از ویژگی‌های ذاتی مسائل برنامه‌ریزی بلند مدت است. چنین مصالحاتی دارای ارتباط عملی قابل توجهی با بسیاری از محققانی است که در حال حاضر فرمول‌های این نوع مسائل بهینه‌سازی را بررسی می‌کنند.

ترجمه مقدمه

افزایش سهم انرژی بادی به عنوان یک عامل اصلی در کاهش انتشارات کربنی و حفظ تنوع منابع اولیۀ انرژی محسوب می‌شود [۱]. مطالعات جامع ترکیب بادی در سیستم‌های قدرت زیادی انجام گرفته است [2-4]، که در آنها محدودیت‌های شبکۀ انتقال عموماً به عنوان یک مشکل بزرگ تلقی می‌شود.تخصیص محتاطانۀ گواهی‌های جدید اتصال مزارع بادی یا طرح‌های بهینۀ توسعۀ انتقال را می‌توان تعیین کرد تا اتصال توان بادی به شبکه‌های انتقال تسریع گردد. همچنین در سال‌های اخیر تمرکز زیادی روی فرمول‌بندی این نوع مدل‌های بهینۀ برنامه‌ریزی بادی و انتقال صورت گرفته است. برای مثال، یک مدل بهینۀ اتصال استوار توان بادی (یعنی بدون هیچگونه انقطاع توان بادی) در [۵] ارائه شده است و مدل‌های بهینۀ اتصال غیراستوار توان بادی با سطح جزئیات متغیر در [۸-۶] بیان شده است. یک مدل مقید به تعادل بازار در [۹] داده شده‌ است، در حالی که مدل مرجع [۱۰] روی سرمایه‌گذاری‌های اتصالات داخلی ناحیه‌ای متمرکز است. یک مدل جالب که نحوۀ پاسخ دینامیکی ژنراتورهای مستقل توسط اپراتور سیستم به سرمایه‌گذاری‌های انتقال را شامل می‌شود در [۱۱] بیان شده است، درحالی که تلاش‌های [۱۲] روی تعیین ظرفیت انتقال بهینه و مصالحات انقطاع باد برای یک مکان مشخص سیستم انتقال متمرکز است. تمرکز تنها روی اتصالات توان بادی ساحلی محدود نشده است - برای مثال یک فرمول‌بندی بهینۀ توپولوژی شبکۀ غیر ساحلی در [۱۳] ارائه شده است. مطالعات دسترسی انتقال برای تولید مرسوم متمرکز مقیاس وسیع به صورت سنتی به شیوۀ قطعی در ساعات سنگین مثل پروفیل بار سیستم در "اوج مصرف روز زمستانی" و/ یا "فرود مصرف شب تابستانی"، و یا با استفاده از یک روش منحنی قطعه قطعۀ مدت زمان تقاضای بار، انجام می‌گرفت، برعکس، توان بادی یک عامل ظرفیت پایین، از لحاظ جغرافیایی پراکنده و از لحاظ آماری منبع تولید توان وابسته است. در نتیجه، روش‌های برنامه‌ریزی انتقال نیازمند سازگاری مناسب در تعداد وسیع‌تری از موارد مطالعه‌ای است تا چنین مشخصاتی را در برگیرد- بنابراین در کارهای اخیر انجام شده برخی تکنیک‌های مدل‌سازی مربوطه مورد بررسی واقع شده است. برای نمونه، یک روش نمونه برداری تصادفی مونت کارلو برای مدل‌سازی وابستگی آماری با استفاده از نظریۀ copula در [۱۴] ارائه شده است، هرچند باید گفت روش‌های سادۀ نمونه برداری تصادفی قادر به بازتولید الگوهای متوالی متغیر پذیری ساعت به ساعت باد نیستند. ترکیب مجموعه های زمانی متوالی auto-regressive با میانگین متحرک، با روش‌های تبدیل آماری در [۱۵] گزارش شده است. پروفیل‌های تولید بادی مبتنی بر رفتار داده‌های قبلی در عمل به طور گسترده برای بررسی ترکیب بادی به کار رفته‌اند [۲]. برای مثال یک روش اطلاعات مجموعه‌های زمانی قبلی باد نیز در [۱۶] برای تحلیل سیستم توزیع بیان شده است. هرچند از معایب عملی این است که برخی اوقات شاید میزان اطلاعات (داده‌ها) به اندازه‌ای نباشد که نتایج کاملاً قوی از لحاظ آماری بدست دهد، مزیت استفاده از اطلاعات قبلی آن است که هرگونه وابستگی آماری چند متغیره و وابستگی‌های متوالی auto-correlative به سادگی در مجموعه اطلاعات ثبت شده قرار گرفته و به راحتی در صورت نیاز با مدل برنامه‌ریزی بهینۀ انتقال، مشارکت داده می‌شوند.

دانلود رایگان 2 صفحه اول مقاله لاتین (PDF)

پیش نمایش مقاله

چکیده انگلیسی

The historical time series data or Monte Carlo simulation approaches that are often used to represent wind power in transmission planning models will lead to large-scale optimisation problems. The complexity of such problems will be further compounded if advanced techniques for wind variability and wind forecast uncertainty management are also endogenously included, corresponding to a merging of the traditionally separate `real-time operations' and `long-term planning' analysis timeframes in power system analysis. A stochastic mixed-integer scheduling model is applied here to investigate the likely transmission planning model formulation impacts of advanced wind forecast techniques, and to determine whether any additional optimal transmission planning model precisions offered justify the associated very-large-scale computational burden. Results indicate that power-flow modelling is only significantly influenced in a small subset of the network branches associated with major interconnections and flexible/inflexible conventional generation locations. Model sensitivity analysis also suggests that even at high wind penetrations, such power-flow modelling differences may be overshadowed by the impact of general uncertainty in fuel price volatility and demand profile that is systemic to long-term planning problems. Such trade-offs have significant practical relevance to the many researchers currently investigating formulations of this class of optimisation problem.