دانلود مقاله ISI انگلیسی شماره 54015
ترجمه فارسی عنوان مقاله

یک روش ارزیابی احتمالاتی موثر برای مدیریت مخاطرۀ بازار برق

عنوان انگلیسی
An Efficient Probabilistic Assessment Method for Electricity Market Risk Management
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
54015 2012 9 صفحه PDF
منبع

Publisher : IEEE (آی تریپل ای)

Journal : IEEE Transactions on Power Systems, Page(s): 1485 - 1493 ISSN : 0885-8950 INSPEC Accession Number: 12878993

فهرست مطالب ترجمه فارسی
چکیده

عبارات شاخص

 مقدمه

نمونه برداری اهمیت تطبیقی و نمونه‌برداری اهمیت متوالی

شبیه‌سازی مونت کارلو (MC)

نمونه‌برداری اهمیت تطبیقی (AIS)

نمونه‌برداری اهمیت متوالی (SIS)

ایده‌های روش ارائه شده

معیار تفکیک

نمونه‌برداری اهمیت متوالی

تعریف "اهمیت" و ماتریس اهمیت

تخمین با نمونه‌هایی که به طور مناسب وزندهی شده‌اند

چارچوب محاسباتی روش ارائه شده

شکل 1. چارچوب محاسباتی روش ارائه شده. 

مقداردهی اولیه

شبیه‌سازی قطعی

اهمیت بروزرسانی هر دوی وضعیت‌ها و عملیات

مطالعات موردی روی سیستم معادل NEM (بازار ملی برق)

 بازار ملی برق استرالیا

شکل 2. سیستم معادل بازار ملی برق. 

جدول 1:پارامترهای واحد

جدول 2:خطوط انتقال بین ناحیه‌ای

مطالعۀ موردی 1: عدم قطعیت عقب‌نشینی ظرفیت

شکل 3. تخمین با استفاده از روش مونت کارلو- مطالعۀ موردی 1. 

شکل 4. تخمین با استفاده از روش ارائه شده- مطالعۀ موردی 1. 

جدول 2:مقایسۀ نتایج بین روش‌های مونت کارلو و روش ارائه شده – مورد 1. 

 مطالعۀ موردی 2: عدم قطعیت قطعی اجباری (FOR)

شکل 5. تخمین با استفاده از روش مونت کارلو- مطالعۀ موردی 2. 

شکل 6. تخمین با استفاده از روش ارائه شده- مطالعل موردی 2. 

جدول 4:مقایسۀ نتایج بین روش مونت کارلو و روش ارائه شده- مورد 2.

شکل 7. تخمین‌های PSP با هر دو روش. 

مطالعۀ موردی 3: تحلیل حساسیت

شکل 8. زمان محاسباتی توسط هر دو روش. 

نتیجه‌گیری
ترجمه کلمات کلیدی
نمونه‌برداری اهمیت تطبیقی، بازار برق، تخمین قیمت، احتمال تغییر ناگهانی قیمت، ارزیابی مخاطره، نمونه‌برداری اهمیت متوالی -
کلمات کلیدی انگلیسی
—Adaptive importance sampling, electricity market, price estimation, price spike probability, risk assessment, sequential importance sampling.
ترجمه چکیده
مدیریت مخاطرات بازار برق برای مشارکین بازار بسیار حیاتی است. برای مدیریت مخاطرۀ قیمت برق، باید امید ریاضی و انحراف معیار قیمت در کنار وقوع احتمالی تغییر ناگهانی قیمت ارزیابی شوند تا کنترل مخاطره هر چه بیشتر پشتیبانی شود. در این مقاله، یک روش ارزیابی احتمالاتی ترکیبی (هیبریدی) مبتنی بر نمونه‌برداری اهمیت تطبیقی (AIS) و نمونه‌برداری اهمیت متوالی (SIS) توسعه می‌یابد. پیشرفت‌های صورت گرفته در زمینۀ AIS و SIS موجب شده است که این روش مناسب مسائل بازار برق باشد. مطالعات موردی بر روی یک سیستم معادل به نام بازار ملی برق استرالیا (NEM) انجام می‌گیرد. عدم قطعیت‌های مدنظر شامل بار سیستم، خروجی انرژی تجدیدپذیر، راهبرد مزایده‌ای ژنراتور و نرخ قطعی است. روش ارائه شده تخمین بسیار سریع‌تری از هر دو احتمال قیمت طبیعی و تغییر ناگهانی قیمت بدست می‌دهد، در عین حال که به دقتی در حد نتایج شبیه‌سازی مونت کارلو (MC) دست می‌یابد. حساست راندمان تخمین آن نسبت به سطح بار نیز تحلیل می‌شود که نشان دهندۀ قوت روش ارائه شده است.
ترجمه مقدمه
صنعت برق مملوء از عدم قطعیت‌ها است. علاوه بر عدم قطعیت‌های موجود در سیستم قدرت، مثل بار، تسریع، قطعی خط، قطعی واحدو غیره، تجدیدساختار سیستم قدرت عدم قطعیت‌های جدیدی را معرفی می‌کند. راهبردهای مزایده‌ای شرکت‌های تولیدی (GenCo ها) از جمله عدم قطعیت‌های مرسوم در مطالعات بازار برق هستند که حداقل شامل قیمت و کمیت گزارش شده هستند. اخیراً، ارتقاء انرژی تجدیدپذیر مقیاس‌ وسیع و پیاده‌سازی طرح بازرگانی انتشارات (ETS) یا مالیات کربن موجب معرفی عدم قطعیت‌هایی چون خروجی انرژی تجدیدپذیر و قیمت انتشار شده است. همۀ این عدم قطعیت‌ها می‌توانند موجب آن شوند که قیمت برق به صورت شدید نوسان کند و مخاطرات بهره‌برداری و برنامه‌ریزی را برای مشارکین بازار برق به همراه آورد. مدیریت مخاطرۀ قیمت برق برای مشارکین بازار بسیار حائز اهمیت است. مدیریت مخاطره حداقل شامل دو جنبه است: ارزیابی مخاطره و کنترل مخاطره [1]. روش ارزیابی قابل اطمینان و موثر اساس کنترل مخاطره است. برای بازارهای برق مبتنی بر LMP، از P-OPF برای تخمین قیمت بازار استفاده شده است. این روش‌های احتمالاتی را می‌توان به روش شبیه‌سازی و روش تحلیلی دسته‌بندی کرد. روش مرسوم شبیه‌سازی مثل شبیه‌سازی مونت کارلو (MC) از نمونه‌هایی که به صورت تصادفی تولید شده‌اند برای انجام عمل تخمین ناپخته بهره‌ می‌برد، که هرچند قابل اطمینان است اما نیازمند محاسبات زیادی است؛ به طور معمول روش تحلیلی چون روش انباشتک‌ها (CM) [2]، [3] از مفهوم یک انباشتک برای انجام یک عمل تخمین استفاده می‌کند که از لحاظ محاسباتی به صرفه بوده اما نیاز به فرض‌ها و استخراج‌های ریاضیاتی پیچیده‌ای است. روش تخمین دو نقطه‌ای (2PEM) [4]، [5] بیشتر شبیه ترکیبی از روش شبیه‌سازی و روش تحلیلی است. با اختیار کردن دو نقطۀ قطعی از هر متغیر غیرقطعی (که بر اساس بسط سری تیلور محاسبه شده‌اند)، روش تخمین دو نقطه‌ای پخش بار بهینه (OPF) را برای هر متغیر غیرقطعی دو برابر اجرا می‌کند. همانطور که در [4] بیان شده است، روش تخمین دو نقطه‌ای تخمین قابل قبول و رضایت بخشی از مقادیر میانگین فراهم می‌کند؛ با این حال، دقت تخمین برای انحرافات معیار رضایت‌بخش نیست، به خصوص وقتی تعداد متغیرها یا پراکندگی آنها بزرگ باشد. روش نمونه‌برداری اهمیت (IS) یک روش شبیه‌سازی کاهش واریانس است که از توزیع احتمالاتی biased برای تمرکز روی نواحی "اهمیت " استفاده می‌کند. برخی اوقات نواحی اهمیت خیلی واضح نبوده یا معلوم نیستند؛ لذا روش نمونه‌برداری اهمیت تطبیقی (AIS) به منظور یادگیری در مورد نواحی اهمیت به یک شیوۀ تطبیقی، توسعه می‌یابد. روش نمونه‌برداری اهمیت متوالی (SIS) [6] یک روش نمونه‌برداری اهمیت است که ایده‌های اصلی آن ساخت متوالی توزیعات پیشنهادی است که مخصوصاً برای مسائل با ابعاد بزرگ مناسب و مفید است. روش‌های مختلف نمونه‌برداری اهمیت در فیزیک آماری [7]، مخابرات و تشخیص [8]، و بیشتر شبیه‌سازی‌های حوادث نادر به کار رفته‌اند. در سیستم‌ قدرت، نمونه‌برداری اهمیت برای ارزیابی قابلیت اطمینان [9]، [10] اتخاذ شده است. با وجود این، کار کمی در زمینۀ بازار برق صورت گرفته است. روش‌های شبیه‌سازی برای تحلیل احتمالاتی معمولاً ساده بوده و کاربرد آن‌ها راحت است، که نیازمند فرض‌های زیادی نبوده و از استخراج روابط ریاضی پیچیده اجتناب می‌کنند. در حال حاضر، شبیه‌سازی مونت کارلو هنوز گزینۀ اول برای انجام تحلیل احتمالاتی برای نرم‌افزار شبیه‌سازی بازار برق تجاری است. با وجود این، نیاز به روش‌های شبیه‌سازی موثرتری برای صرفه‌جویی در منابع محاسباتی یا برای کابردهای برخط است. روش‌های AIS و SIS روش‌های مونت کارلوی تشریح‌شده هستند که دارای راندمان بسیار بیشتری می‌باشند، که می‌توانند نواحی اهمیت را در فضای حالت یافته، منابع محاسباتی را ذخیره کنند. در این مقاله، یک روش ارزیابی احتمالاتی موثر مبتنی بر AIS و SIS ارائه می‌شود. ایده‌های اصلی این روش ترکیبی عبارت‌اند از: تفکیک متغیرهای غیرقطعی بر اساس معیار “STATE-ACTION”؛ تعریف اهمیت و ساخت ماتریس اهمیت؛ نمونه‌برداری اهمیت متوالی متغیرهای تفکیک‌شده؛ بروزرسانی تطبیقی اهمیت؛ و تخمین با استفاده از نمونه‌هایی که به طور مناسب وزندهی شده‌اند. بهبودهای صورت گرفته در روش‌های معمول AIS و SIS باعث می‌شوند روش ارائه شده بسیار مناسب مسائل حوزۀ بازار برق باشند. مطالعات موردی روی یک سیستم معادل بازار ملی برق استرالیا (NEM) انجام می‌شوند. متغیرهای غیرقطعی عبارت‌اند از بار سیستم، خروجی انرژی تجدیدپذیر، راهبرد مزایده‌ای واحد، و نرخ قطعی واحد. تعداد متغیرهای غیرقطعی که در نظر گرفته شده‌اند در هر مطالعۀ موردی از 40 عدد تجاوز می‌کند. با زمان محاسباتی کمتر نسبت به شبیه‌سازی مونت کارلو، روش ارائه شده نتایج تخمین موثر و قابل اطمینانی فراهم می‌کند. تا جایی که نویسنده‌ها مطلع هستند، این اولین کاری است که از روش AIS یا SIS برای مدیریت مخاطرۀ بازار برق استفاده می‌کند. ادامۀ این مقاله به صورت ذیل سازمان‌دهی شده است: ایده‌های اصلی روش AIS و روش SIS در بخش 2 معرفی می‌شوند. ایده‌های اصلی و چارچوب محاسباتی روش ارائه شده در بخش 3 و 4 معرفی می‌شوند. مطالعات موردی روی یک سیستم معادل NEM استرالیا در بخش 5 بیان خواهد شد. نتایج موید امکان‌پذیری، کارائی و قوت روش ارائه شده است. در نهایت، نتیجه‌گیری‌ها در بخش 6 تشریح می‌شوند.
پیش نمایش مقاله
پیش نمایش مقاله  یک روش ارزیابی احتمالاتی موثر برای مدیریت مخاطرۀ بازار برق

چکیده انگلیسی

Managing electricity market risks is crucial for market participants. For electricity price risk management, expectation and standard deviation of price, along with possible occurrence of price spike, need to be assessed in order to support further risk control. In this paper, a hybrid probabilistic assessment method based on adaptive importance sampling (AIS) and sequential importance sampling (SIS) is developed. Improvements on AIS and SIS make the method better suit electricity market problems. Case studies are conducted on an equivalent Australian National Electricity Market (NEM) system. Uncertainties considered include system load, renewable energy output, generator bidding strategy, and outage rate. The proposed method provides much faster estimation of both normal price and price spike probability, meanwhile achieving comparable accuracy as Monte Carlo (MC) simulation results. Sensitivity of its estimation efficiency against different load level is also analyzed, which shows the robustness of the proposed method.