استراتژي پيشنهاد دهي ريزشبكه‌ها در بازارهاي انرژي و رزرو روز بعد با در نظر گرفتن عدم‌قطعيت در توليد و مصرف بار الكتريكي

Bidding Strategy of Micro-Grids in Day-Ahead Energy and Reserve Markets under Generation and Load Uncertainties

ريزشبكه‌ها مجموعه‌هاي ادغام‌شده از دستگاه‌هاي الكتريكي هستند كه مي‌توانند انواع توليدكنندگان قابل‌پخش و غيرقابل‌پخش، مصرف‌كنندگان و ذخيره‌كننده‌هاي انرژي را شامل شوند. از طرفي ديگر مديريت بهينه اين دستگاه‌هاي يكپارچه با توجه به ذات تصادفي توليد تجديدپذير و همچنين عدم‌قطعيت در ميزان بار مصرفي و قيمت‌هاي بازارهاي الكتريكي مستلزم استفاده از روش‌هاي برنامه‌ريزي تصادفي است. در اين مقاله يك مدل جامع براي استراتژي پيشنهاددهي ريزشبكه‌هاي تجديدپذير در بازار انرژي و رزرو روز بعد ارائه‌شده است كه در آن عدم‌قطعيت در ميزان توليد توان‌هاي بادي و خورشيدي و ميزان بار مصرفي با به‌كارگيري روش برنامه‌ريزي تصادفي دومرحله‌اي وارد مسئله مي‌شود. از روش نمونه‌گيري مكعب لاتين براي توليد سناريوهاي توان و مصرف و از روش كاهش سناريو تركيبي روبه‌عقب و روبه‌جلو سريع براي كاهش سناريوهاي توليدشده استفاده‌شده است. مسئله بهينه‌سازي به‌دست آمده يك مسئله عدد صحيح-مختلط غيرخطي با متغيرهاي دودويي فراوان است كه با استفاده از تركيب حل‌كننده‌هاي Lindiglobal و AlphaECP در گمز بيشينه شده و بهينه‌هاي جهاني آن به‌دست مي‌آيند. معيار «ارزش راه‌حل تصادفي» كارآمدي روش برنامه‌ريزي تصادفي را نشان مي‌دهد.

Micro-grids are integrated electrical systems, which can include dispatchable and non-dispatchable resources, consumption and battery storages. However, optimal management of these integrated systems requires stochastic programming approaches to consider the random nature of renewable generation and consumption. In this paper, a comprehensive bidding strategy model has been provided for renewable micro-grids to participate in the day-ahead energy and reserve markets. The uncertainties in renewable generation and load consumption have been integrated to the problem by the use of stochastic programming approach. Furthermore, the Latin Hypercube Sampling and Fast Backward/forward scenario reduction approaches have been utilized to generate and reduce the scenarios. A large size mixed integer non-liner problem with a lot of binary variables is the outcome of the optimization problem, which is maximized via combination of AlphaECP and Lindoglobal solvers in GAMS to guarantee the global solutions. The “value of the stochastic solution” shows the efficiency of the stochastic programming approach.