دانلود رایگان مقاله تعادل تأمین جهت مدیریت توان در شبکه هوشمند

   نکات مهم :

•           پیشنهاد یک مدل تقاضا – پاسخ مبتنی بر قیمت جهت تعادل عرضه و تقاضا.

•           فرموله بندی فرآیند تجارت بازار برق به صورت یک بازی استکلبرگ.

•           معرفی یک تابع قیمت گذاری به عنوان یک هماهنگ کننده در حین فرآیند تجارت.

•           پیشنهاد یک الگوریتم با حلقه های تکرار شونده جهت تعیین میزان بهینه ای از تقاضاها و تولید.

•           انجام پیک سایی میزان تقاضای بار و کاهش عدم تطابق عرضه  - تقاضا.

چکیده 

     تقاضا – پاسخ (DR ) به مثابه راه حلی نویدبخش برای شبکه های قدرت آینده به شمار می آید. ما در اینجا از یک رویکرد بازی استکلبرگ استفاده کرده و نیز جهت تجارت الکتریسیته بین یک شرکت برق و چندین مصرف کننده، یک مدل تقاضا-پاسخ جدیدی را توصیف می نماییم که این عمل با هدف متعادل نمودن میزان عرضه و تقاضا و همچنین هموارسازی بار انباشته شده در سیستم می باشد. تعاملات بین شرکت برق (پیشوا) و مصرف کنندگان (پیروان) به صورت یک بازی استکلبرگ با 1 پیشوا و N پیرو فرموله بندی می گردد که در آن مسائل بهینه سازی جهت کمک به انتخاب استراتژی بهینه، برای هر بازیکن تشکیل می گردند. یک تابع قیمت گذاری نیز جهت تنظیم بلادرنگ قیمت (RTP) اتخاذ می گردد که در آن صورت این تابع به عنوان یک هماهنگ کننده عمل کرده و شامل مصرف کنندگانی جهت پیوستن به بازی است. یک الگوریتم تکرارشونده جهت فراهم آمدن ترازمندی استکلبرگ مطرح گردیده که از طریق آن، تولید توان و تقاضاهای توان بهینه به ترتیب برای شرکت برق و مصرف کنندگان تعیین می گردند. نتایج عددی نشان می دهند که روش پیشنهادی می تواند به طور چشمگیری تقاضاهای توان مصرف کننده را تغییر شکل دهد، و این عمل با پیک سایی توان های مورد تقاضا و پُر نمودن جای خالی کمترین حد توان های مورد تقاضا صورت گرفته و به میزان قابل توجهی عدم تطتبق بین عرضه و تقاضا را کاهش می دهد.

1.مقدمه

     شبکه  های قدرت سنتی در حال مواجه با چالش هایی از افزایش تقاضای توان، پایداری شبکه و آلودگی محیطی هستند ]2 ، 1[. شبکه  های هوشمند  به عنوان سیستم های شبکه قدرت نوین در نظر گرفته می شوند که تلفیقی از زیرساخت اندازه گیری هوشمند بوده و قادر به دریافت و اندازه گیری میزان مصرف توان مشترکین هستند ]5 – 3[ و این امر در راستای با برنامه های تقاضا – پاسخ (DR) بوده که راه حل هایی را نیز جهت افزایش بازده شبکه های قدرت آینده نوید می دهند ]8 – 6[. DR ، تغییرات مصرف انرژی مصرف کنندگان، در پاسخ به تغییر قیمت های برق یا به پرداخت های تشویقی با هدف تعادل عرضه و تقاضا و نیز کاهش هزینه های تولید توان از طریق کاهش بار پیک و تغییر مکان میزان تقاضا از ساعات پُر باری به ساعات کم باری را در نظر می گیرد ]11 – 9[. از اینرو انتظار می رود، بهره برداری بهتری از تولید توان و آوردن مزایای اقتصادی هم برای شرکت تأمین کننده برق و هم برای مصرف کننده حاصل گردد. با استفاده از یک برنامه DR، این امکان را برای شرکت تأمین کننده برق فراهم می کند که مصرف کنندگان را مشترکاً به پیکسایی منحنی تقاضا (بار) و تطبیق میزان عرضه و تقاضا ]13 ، 12[، با تضمین پایدرای شبکه تشویق  نماید ]17 – 14[.

     پارامترهای داده شده مربوط به همکاری بین نهادها و اشخاص مختلف در برنامه DR، نظریه بازی یک چارچوب مناسب طبیعی را جهت مدلسازی تعاملات بین شرکای مختلف و با اهدافی متفاوت، فراهم می آورد ]20  - 18[. اخیراً، بازی های استکلبرگ، که برای مطالعه فرآیندهای سلسله مراتبی مبتنی بر تصمیم گیری از چندین تصمیم-گیرنده استفاده می شوند، در طراحی برنامه های مدیریت انرژی توجهاتی را به خود جلب نموده است ]21[. بازی استکلبرگ با هدف به حداقل رساندن پرداختی های روزانه مشتری و در حالی که سود خرده فروش را توسط بهینه سازی قیمت  های برق به حداکثر می رساند، این بازی جهت مدلسازی تجارت برق بین خرده فروش و مصرف-کنندگان مورد استفاده قرار گرفته است ]22[.چن  و همکاران ]23[ یک طرح برنامه زمانبندی توان مبتنی بر بازی استکلبرگ را بین یک سرویس دهنده و مشتریان مسکونی با اهداف مشابه مطرح نمودند؛ این هزینه نامناسب نیز که با تأخیر بارها به یک دوره ای با هزینه ارزانتر رخ می دهد، در کنار به حداقل رساندن قبوض برق در نظر گرفته شده است. یک تکنیک برنامه نویسی دو سطحی ]24[ جهت طراحی یک بازی استکلبرگ برای مدلسازی پاسخ به تقاضا در بازارهای خرده فروشی برق با هدف کاهش هزینه های رفاهی مصرف کنندگان و همچنین هزینه های خرید برق در مسائل کوچکتر مورد استفاده قرار گرفته است که این امر موضوعی برای مسائل بزرگتر خرده فروش ناشی از کاهش نامتعادلی های ایجاد شده توسط انحراف از میزان تولید برق بادی، از طریق پیش بینی برای روز بعد می باشد. کیلکی  و همکاران ]25[ یک سناریویی از بازی استکلبرگ برای بازارهای برق پیشنهاد نمودند که در آن با هدف حداکثر نمودن میزان سود، خرده فروش به عنوان یک دورنمای اصلی پذیرفته می شود. یک فریم ورک شبیه سازی که شامل عدم قطعیت های مشتری نسبت به فضای ذخیره سازی برق مربوط به بارهای گرمایشی می باشد، طراحی شده است که بر اساس آن، با پیشنهاد تخفیف های بیشتر به مشتریان، این نامتعادلی جزئی نیز می تواند حذف گردد. ماهارجان  و همکاران ]26[ یک فریم ورک مبتنی بر بازی استکلبرگی را معرفی نمودند که شامل چندین شرکت برق و مشتری با هدف حداکثر نمودن سود هر بازیکن می باشد.

     به طور کلی، این بازیکنندگان در یک بازی، همراه با استراتژی های خود و توابع شرکت های برق، بر طبق مدل خاصی از سیستم با یکدیگر متفاوت می باشند ]27[. اغلب مدل های DR بدون ملاحظه نوسانات بار در سیستم قدرت، بسیار به دور از هدف حداکثر نمودن میزان سود یک شرکت برق / خرده فروش / سرویس دهنده معرفی گشته اند ]26 ، 24 – 22[. با این وجود، در عمل، جهت اجتناب از ایجاد ژنراتورهای پشتیبان گران قیمت برای جبران بار پیک، پیکسایی نمودن بارها در سیستم حائز اهمیت می باشد ]28 ، 15[ و یک بار پیک نیز که میزان آن کاهش یافته است، جهت حفظ پایداری شبکه قدرت سودمند و مقرون به صرفه می باشد ]29[.  

     در این مقاله، ما یک مدل تقاضا- پاسخ نوینی را بین یک شرکت برق و چندین مصرف کننده معرفی می نماییم. متفاوت با مطالعات قبلی، که منحصراً با حداکثرسازی سود برای شرکت برق و حداقل سازی میزان هزینه برای مصرف کننده سر و کار داشته است، این مطالعه به دنبال متعادل نمودن عرضه و تقاضا و همچنین پیکسایی بارهای متراکم در سیستم می باشد و این در حالی است که سود شرکت برق و مینیمم سازی هزینه برای مصرف کننده از طریق تعریف با دقت تابع هدف در هر طرف، تضمین می گردد. همکاری های این مقاله به شرح زیر می باشند:

(1) یک مدل DR بر اساس قیمت، جهت مدلسازی فرآیند تجارت انرژی الکتریسیته بین شرکت برق و مصرف کنندگان با هدف تعادل عرضه و تقاضا و همچنین هموارسازی بار متراکم در سیستم، پیشنهاد می گردد.

(2) معاملات بین شرکت برق و مصرف کنندگان به صورت یک بازی استکلبرگ با 1 پیشوا و N پیرو فرموله-بندی می گردد، که در آن تابع قیمت گذاری برق برای تنظیم قیمت های آنی (RTP ) اتخاذ می گردد و نیز به عنوان یک هماهنگ کننده عمل نموده تا اینکه مصرف کنندگان را وادار سازد به این بازی ملحق شوند.

(3) یک الگوریتم مبتنی بر تکرار بین شرکت برق و مصرف کنندگان مطرح می گردد که ترازمندی استکلبرگ را نتیجه دهد که از طریق آن، تولید توان و تقاضاهای بهینه به ترتیب برای شرکت برق و مصرف کنندگان تعیین گردند.

     ادامه این مقاله بدین صورت تنظیم شده است : در بخش 2، مدل سیستم به تفصیل و شامل فرموله بندی بازی استکلبرگ و توصیف یک الگوریتم مبتنی بر تکرار جهت دستیابی به خروجی بازی، معرفی و ارائه می شود. بخش 3 تجزیه و تحلیل عددی این روش پیشنهادی را در اختیار می گذارد. نتیجه گیری ها و کارهایی که بایستی در آینده انجام گیرند در بخش 4 ارائه می گردند.

     highlights

Proposal of a price-based demand-response model to balance supply and demand.

Formulation of the electricity trading process into a Stackelberg game.

Introduction of a pricing function as the coordinator during the trading process.

Proposal of an iterative algorithm to determine optimal generation and demands.

Performances of flattening peak demands and reducing supply–demand mismatch.

abstract

     Demand-response (DR) is regarded as a promising solution for future power grids. Here we use a Stackelberg game approach, and describe a novel DR model for electricity trading between one utility company and multiple users, which is aimed at balancing supply and demand, as well as smoothing the aggregated load in the system. The interactions between the utility company (leader) and users (followers) are formulated into a 1-leader, N-follower Stackelberg game, where optimization problems are formed for each player to help select the optimal strategy. A pricing function is adopted for regulating real-time prices (RTP), which then act as a coordinator, inducing users to join the game. An iterative algorithm is proposed to derive the Stackelberg equilibrium, through which optimal power generation and power demands are determined for the utility company and users respectively. Numerical results indicate that the proposed method can efficiently reshape users’ demands, including flattening peak demands and filling the vacancy of valley demands, and significantly reduce the mismatch between supply and demand.

1. Introduction

     Traditional power grids are confronting the challenges of increased demand, and grid stability and environmental pollution [1,2]. Smart grids are envisioned as novel power-grid systems incorporating a smart metering infrastructure capable of sensing and measuring the power consumption of users [3–5], along with demand-response (DR) programs that promise solutions for enhancing the efficiency of future power girds [6–8]. DR considers energy usage changes of users in response to varying electricity prices or to incentive payments with the aim of balancing supply and demand and reducing power generation costs through alleviation of the peak load and shifting demand from on-peak to off-peak times [9–11]. Hence, it hopes to achieve better utilization of generated power and to bring economic benefits for both the utility supplier and users. Using a DR program, it becomes possible for the utility supplier to motivate users to jointly flatten the demand curve and match supply to demand [12,13], ensuring the stability of the grid [14–17].

     Given the interoperation parameters among different entities in the DR program, game theory provides a naturally suitable framework for modeling interactions among different participators with various objectives [18–20]. Recently, Stackelberg games, which are used to study hierarchical decision-making processes of multiple decision makers, have attracted attention in the design of energy management schemes [21]. The Stackelberg game has been used to model electricity trading between the retailer and customers [22], with the aim of minimizing the customer’s daily payments while maximizing the retailer’s profit by optimizing electricity prices. Chen et al. [23] proposed a Stackelberg game-based power scheduling scheme between a service provider and residential consumers with similar objectives; the inconvenience cost incurred by delaying loads to a cheaper price period is also considered, alongside minimization of electricity bills. A bi-level programming technique has been used [24] to design a Stackelberg game for modeling the demand response in electricity retail markets with the aim of reducing the comfort losses of consumers as well as the costs of purchasing electricity in the lower subproblems, which is subject to the retailer’s upper sub-problem of reducing imbalances caused by deviations in wind power production from day-ahead forecasts. Kilkki et al. [25] proposed a Stackelberg game scenario for electricity markets, wherein the retailer is taken as the main perspective, with the goal of profit maximization. A simulation framework was designed involving customers’ uncertainties of electricity storage space heating loads, upon which partial imbalance could be eliminated by offering additional discounts to customers. Maharjan et al. [26] presented a Stackelberg game framework involving multiple utilities and consumers aimed at maximizing each game player’s revenue.

     In general, the players in a game, together with their strategies and utility functions, differ from each other according to the specific system model [27]. Most DR models presented so far aim to maximize the profit of a utility/retailer/service provider without considering load fluctuations in the power system [22–24,26]. However, in practice, it is also important to flatten loads in the system in order to avoid building expensive backup generators to compensate for the peak load [15,28], and a reduced peak load is advantageous for maintaining the stability of the power grid [29].

     In this paper, we present a novel demand-response model between one utility company and multiple users. Unlike previous studies, which dealt solely with profit maximization for the utility company and cost minimization for the user, this study aimed to balance supply and demand as well as flatten the aggregated loads in the system while guaranteeing the profit of the utility company and cost minimization for the user through carefully defining the objective function at each side. The main contributions from this paper are as follows:

(1) A price-based DR model is proposed for modeling the electricity trading process between the utility company and users, with the aim of balancing supply and demand, as well as smoothing the aggregated load in the system.

(2) The interactions between the utility company and users is formulated into a 1-leader, N-follower Stackelberg game, where a pricing function is adopted for regulating realtime prices (RTP) and acts as a coordinator to induce users to join the proposed game.

(3) An iterative algorithm is proposed between the utility company and users to derive the Stackelberg equilibrium, through which the optimal power generation and demands are determined for the utility company and users respectively.

     The rest of the paper is organized as follows: In Section 2, the system model is presented in detail including the formulation of the Stackelberg game and description of an iterative algorithm for reaching the outcome of the game. Section 3 provides the numerical analyses of the proposed method. Conclusions and future works are presented in Section 4.

چکیده 

1. مقدمه

2. مدل سیستم

1.2 مدل شرکت برق

2.2 مدل مصرف¬کننده

3.2 فرموله¬بندی مسئله بین شرکت برق و مشترکین

4.2 وجود ترازمندی استکلبرگ 

5.2 الگوریتم DR مبتنی بر تکرار برای SE 

3. آنالیز عددی

1.3 تقاضاهای توان بهینه مشترکین

2.3 مقایسه تأمین و تقاضا

3.3 ارزیابی کارایی

4.3 مقیاس پذیری 

نتایج و کار آینده

Highlights

Abstract

Keywords

1. Introduction

2. System model

2.1. Utility company model

2.2. User model

2.3. Problem formulation between the utility company and users

2.4. The existence of the Stackelberg equilibrium

2.5. An iterative DR algorithm for SE

3. Numerical analyses

3.1. Optimal power demands of users

3.2. The comparison of supply and demand

3.3. The performance evaluation

3.4. Scalability

4. Conclusion and future work

Acknowledgements

Appendix A

A.1. Definition of a SES for the leader

References