دانلود مقاله ISI انگلیسی شماره 57266
ترجمه فارسی عنوان مقاله

مزایده و برنامه ریزی فوری در بازارهای برق

عنوان انگلیسی
Prosumer bidding and scheduling in electricity markets
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
57266 2016 16 صفحه PDF
منبع

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

Journal : Energy, Volume 94, 1 January 2016, Pages 828–843

ترجمه کلمات کلیدی
پیشنهاد قیمت سهام، بازار برق، شبکه های هوشمند انعطاف پذیری کوتاه مدت، برنامه ریزی تصادفی
کلمات کلیدی انگلیسی
Demand side bidding; Electricity markets; Smart grids; Short term flexibility; Stochastic programming
ترجمه چکیده
ما پیشنهاد می دهیم که مدل های کوتاه مدت پشتیبانی از تصمیم گیری برای جمع کننده هایی که برق را به فروش می رسانند و برق اضافی را خریداری می کنند. عنصر کلیدی این است که جمع کننده می تواند واحدهای انعطاف پذیر انرژی را در آینده کنترل کند. هدف ما کاهش هزینه کالاهای کسب و کار در یک بازار برق است و همچنین با توجه به هزینه های تعرفه های شبکه، استفاده از سوخت و مجازات عدم تعادل. ما به صراحت خواص انعطاف پذیری سیستم های انرژی پایه در ساختمان های آینده را مدل می کنیم. علاوه بر این، ما شامل قوانین پیشنهاد می شود و روابط بین ساعت ها را مدیریت می کنیم. در نهایت، ما ساختار اطلاعاتی پارامترهای نامشخص را از طریق درختان سناریو ضبط می کنیم. این نتیجه یک برنامه خطی عدد صحیح متقارن دو مرحله ای است که در آن مرحله تصمیم گیری در مرحله اول و برنامه ریزی در مرحله دوم انجام می شود. ما این رویکرد را در یک مطالعه موردی با یک مجموعه متنوع از آینده ها نشان می دهیم. با شبیه سازی در طی یک دوره دو ماهه، ارزش انعطاف پذیری و ارزش برنامه ریزی تصادفی محاسبه می شود.

چکیده انگلیسی

We propose short-term decision-support models for aggregators that sell electricity to prosumers and buy back surplus electricity. The key element is that the aggregator can control flexible energy units at the prosumers. Our objective is total cost minimization by trading in an electricity spot market also taking into consideration costs from grid tariffs, use of fuels and imbalance penalization. We explicitly model the flexibility properties of the underlying energy systems in the prosumers' buildings. In addition, we include the bidding rules and handle the interrelations between hours. Finally, we capture the information structure of uncertain parameters through scenario trees. This results in a two-stage stochastic mixed integer linear program where the bidding decision is made in the first stage and the scheduling in the second. We illustrate the approach in a case study with a diverse portfolio of prosumers. By simulating over a two-month period, we calculate the value of flexibility and the value of stochastic planning.