برنامه ريزي بهينه پاسخگويي تقاضاي برق بر اساس مدل سازي اقتصادي تابع تقاضاي با كشش انعطاف پذير در ايران

Electricity Demand Response Optimum Planning Based on Economic Modeling Demand with Whe Fexible Elasticity of Demand Function in Iran

تحقيقات وسيعي كه در سال هاي اخير به سمت اجراي برنامه هاي پاسخگويي تقاضاي برقهدايت شده اند به دنبال كاهش قيمت برق، رفع تراكم خطوط انتقال، افزايش امنيت و بهبود نقدينگي بازار هستند. بر اين اساس، برنامه هاي پاسخگويي تقاضا به دو دسته اصلي «برنامه هاي تشويق محور» و «برنامه-هاي زمان محور» تقسيم مي شوند. مدل اقتصادي تقاضاي پاسخگويي تشويق محور/ زمان محور بر اساس كشش قيمتي تقاضاي انعطاف پذير و تابع مطلوبيت مشتركين به دست مي آيد. تقاضاي مشتركين به علايم تصميم گيري متفاوتي از قبيل قيمت برق، سطح مشاركت مشتركين، ارزش مشوق ها و جريمه هاي تعيين شده در برنامه هاي پاسخگويي تقاضا بستگي دارد و با استفاده از مدل اقتصادي پيشنهادي، اين علايم با استفاده از نرم افزار MATLAB شبيه سازي شده و سپس عملكرد مدل پيشنهادي با استفاده از مطالعات عددي مشخصات بار شبكه در روز اوج مصرف ايران در سال 1387 بررسي شده است.

In recent years, extensive researches have been conducted on implementation of demand response programs (DRPs), aimed to electricity price reduction, transmission lines congestion resolving, security enhancement and improvement of market liquidity. Basically, DRPs are divided into two main categories namely, incentive-based programs (IBPs) and time-based rate programs (TBRPs). An economic model of price /incentive demand response is derived based on the concept of ?exible price elasticity of demand and customer utility function. in this paper has been shown that the customers’demand depends on different decision signals like the electricity price, participation level of customers, incentive and the penalty values determined for DRPs. By using the proposed economic model, the behavior of customers for different electricity prices, incentives, penalties and participation level of customers in DRPs was simulated with MATLAB. Then the performance of the proposed model was investigated through numerical study using Iranian network load pro?le on the annual peak day of the year 2007.