برنامه ریزی حضور نیروگاه مجازی در بازار برق با در نظر گرفتن خودرو های برقی

39,000تومان

توضیحات

دانلود و مشاهده قسمتی از متن کامل پایان نامه :

دانشکده مهندسی برق و کامپیوتر

 

پایان نامه ­ی کارشناسی ارشد در رشته ­ی مهندسی برق- قدرت

برنامه ریزی حضور نیروگاه مجازی در بازار برق

 با در نظر گرفتن خودرو های برقی

 

چکیده

در این تحقیق استراتژی بهینه برای مشارکت یک نیروگاه مجازی در بازار انرژی با در نظر گرفتن اثر عدم قطعیت در میزان تولید توربین­های بادی، عدم قطعیت در قیمت بازار و عدم قطعیت در تقاضای خودروهای برقی پیشنهاد شده است. نیروگاه مجازی مجموعه­ای از منابع تولیدات پراکنده است که برای مشارکت در بازار در کنار هم قرار گرفته­اند. عدم قطعیت های یاد شده سبب پیچیدگی در برنامه ریزی نیروگاه مجازی می گردد. چهار استراتژی برای نیروگاه مجازی برای شرکت در بازار انرژی ارائه شده است و مساله بهینه سازی به کمک الگوریتم آموزش و یادگیری حل شده است. استراتژی اول مساله را به صورت قطعی و صرف نظر از عدم قطعیت ها حل می کند که سبب کم شدن زمان محاسبات می شود. در استراتژی دوم که مساله از روش مونت کارلو و با در نظر گرفتن توابع توزیع واقعی متغیرهای احتمالی حل شده است سود حداکثر حاصل شده است اما زمان محاسبات کند شده است. در استراتژی سوم مساله از روش برآورد نقطه ای حل شده است که هم سود قابل قبولی دارد و هم زمان کمی در انجام محاسبات دارد که صحت آن  در استراتژی چهارم با روش مونت کارلو  تایید شده است.

 

 

فهرست مطالب

فصل اول.. 1

1-1- مقدمه. 2

1-2- دلایل گرایش به تجدید ساختار 2

1-3- مبادلات در بازار برق.. 3

1-3-1- نحوه مبادلات در استخر توان.. 3

1-3-2- روشهای تسویه بازار 3

1-4- منابع عدم قطعیت… 3

1-4-1- عدم قطعیت ذاتی.. 3

1-4-2- عدم قطعیت ناشی از عدم آگاهی و دانش لازم. 4

1-4-3- روشهای مواجهه با عدم قطعیت… 4

1-4-4- عدم قطعیتهای موجود در بازار برق.. 4

1-5- مروری بر تحقیقات پیشین.. 9

فصل دوم. 11

2-1- مقدمه. 12

2-2- توليدات پراکنده 13

2-3- نيروگاه مجازي.. 13

2-3-1- دلايل شکلگيري نيروگاه مجازي.. 14

2-3-2- انواع نيروگاه مجازي.. 16

2-3-3- مزاياي نيروگاه مجازي.. 20

فصل سوم. 22

3-1- مقدمه. 23

3-2- معرفی خودروهای برقی.. 23

3-2-1- خودرو های الکتریکی(EV) 24

3-2-2- خودروهای الکتریکی هیبریدی(HEV) 24

3-2-4- خودروهاي پیل سوختی.. 25

3-2-5- باتری در خودروهای برقی.. 27

3-3- خودروهای برقی وتبادل توان با شبکه(V2G) 28

3-4- مدل احتمالی میزان تقاضای خودروهای برقی در شبکه. 31

3-4-1- میزان تقاضای انرژی یک PHEV.. 32

3-4-2- میزان تقاضای چند خودروی مجتمع.. 33

3-4-3- الگوریتم شبیه سازی میزان تقاضای خودرو 35

فصل چهارم. 38

4-1- مقدمه. 39

4-2- عدم قطعیت در تولید. 39

4-3- عدم قطعیت در قیمت بازار 40

4-4- فرموله کردن مساله مشارکت بهینه نیروگاه مجازی در بازار برق.. 41

4-4-1- تابع هدف… 41

4-4-2- قیود حل مساله. 42

4-4-3- پارامترها و اندیسها 43

4-5- الگوریتم بهینه سازی آموزش و یادگیری تصحیح شده 44

۴-۶- روش برآورد نقطه ای.. 47

4-7- الگوی شارژ خودروهای برقی.. 48

4-8- شبیه سازی های عددی.. 49

4-9- نتایج شبیهسازی.. 55

فصل پنجم.. 66

5-1- نتیجه گیری.. 67

5-2- زمینه های تحقیقات آینده 68

 

 

فهرست جدول ها 

جدول3-1-  دسته بندی انواع خودرو های برقی.. 35

جدول4-1- مشخصات DG های نصب شده در شبکه. 50

جدول4-2- سرعت باد در ساعات مختلف… 51

جدول4-3-  قیمت بازار در ساعات مختلف… 52

جدول4-4- بار شبکه در ساعات مختلف… 52

جدول4-5- مشخصات مراکز تجمع خودروهای برقی.. 53

جدول4-6- نتایج شبیه سازی استراتژی اول.. 56

جدول4-7- نتایج شبیه سازی استراتژی دوم. 57

جدول 4-8-  نتایج شبیه سازی استراتژی سوم. 58

جدول 4-9-  نتایج شبیه سازی استراتژی چهارم. 59

جدول 4-10- زمان انجام محاسبات در استراتژیهای مختلف… 65

 

فهرست شکل ها

شکل 2-1-  نیروگاه مجازی به عنوان مجموعهای از تولیدات پراکنده 15

شکل2-2- نیروگاه مجازی مانند یک نیروگاه متصل به سیستم انتقال.. 16

شکل3-1- منحنی قدرت ویژه بر حسب انرژی ویژه برای انواع فناوری های موجود باتری.. 27

شکل3-2- مفهوم V2G.. 29

شکل3-3- توزیع احتمالی میزان تقاضای توان خودروهای برقی در یک مجتمع مسکونی.. 36

شکل3-4- توزیع احتمالی میزان تقاضای توان در یک ایستگاه شارژ خودرو برقی.. 37

شکل4-1- ضرایب مربوط به احتمال حضور خودروهای برقی در مراکز تجمع.. 49

شکل4-2- شماتیک VPP مورد بررسی.. 50

شکل 4-3- منحنی بار شبکه در حالت حضور و عدم حضور خودروهای برقی.. 54

شکل 4-4- توان خروجی DG1 در استراتژیهای مختلف… 60

شکل 4-5-  توان خروجی DG2 در استراتژیهای مختلف… 61

شکل 4-6- توان خروجی DG3 در استراتژیهای مختلف… 61

شکل 4-7- توان خروجی DG4 در استراتژیهای مختلف… 62

شکل 4-8- توان خالص مبادله شده بین VPP و شبکه ی بالا دست… 62

شکل 4-9- متوسط تلفات شبکه در ساعات مختلف… 63

شکل 4-10- متوسط سودVPP  در ساعات مختلف… 64

شکل 4-11- متوسط سودVPP  در ساعات مختلف… 64

 

 

 

فصل اول

1-1- مقدمه

در سیستم­های سنتی، دلایلی چون وابسته بودن بخش­های مختلف صنعت برق شامل تولید، انتقال و توزیع به یکدیگر، نیاز به سرمایه­گذاری­های کلان در بخش­های مختلف این صنعت و انتظار جوامع از دولت­ها مبنی بر تامین برق به­عنوان یک وظیفه و سرویس عمومی سبب گردیده بود که این صنعت به طور یکپارچه با سرمایه­گذاری­ دولتی پایه­گذاری گردد در سال های اخیر با گرایش این صنعت به سمت خصوصی­سازی و رقابتی شدن، بحث از تجدید ساختار در سیستم­های قدرت مطرح شده است که در این ساختار بخش­های مختلف صنعت برق به صورت خصوصی و مستقل از یکدیگر فعالیت می­نمایند.

1-2- دلایل گرایش به تجدید ساختار

 بر اساس نظریات اقتصادی، در یک بازار ایده­آل و در بهترین شرایط، رفاه اجتماعی و رضایت عمومی حاصل شده و قیمت کالای تولیدی با هزینه حدی آن کالا برابر خواهد بود. تجربه دنیا نشان داده است که رسیدن به چنین شرایطی چندان ساده نمی­باشد. انرژی الکتریکی بر خلاف دیگر کالاهای بازار قابل ذخیره نمی­باشد و می­بایست مستقیماً عرضه گردد و نیز مشکلاتی چون پایداری شبکه و مسائل امنیت شبکه نیز بسیار مهم است. با این حال با طراحی مناسب ساختار می­توان به سمت چنین هدفی حرکت نمود. به این منظور، نگرشی جدید در طی سالهای اخیر، برق را به عنوان کالایی که چون دیگر کالاها مبادله می­شود ئر نظر گرفته است و در چارچوبی معین با حفظ امنیت و پایداری شبکه بحث خصوصی سازی اجرا می­گردد و اختیارات قانون­مندی به شرکت کنندگان در بازار برق داده می­شود که خوشبختانه با مرور زمان این چارچوب آزادتر گردیده و اختیارات شرکت­کنندگان در بازار بیشتر می­گردد. به طور کلی برخی از دلایل حرکت به سمت تجدید ساختار به صورت زیر می­باشد:[1-3]

  • جبران کمبودهای سرمایه­گذاری توسط بخش دولتی
  • رشد و گسترش سریعتر شبکه­های برق
  • افزایش بهره­وری
  • شفافیت هزینه­ها
  • کاهش تصدی­گری دولت و افزایش سرمایه­گذاری خصوصی

1-3- مبادلات در بازار برق

همانطور که گفته شد از مهم­ترین شرایط بازار موفق، رعایت عدالت میان شرکت­کنندگان در بازار می­باشد. با رعایت عدالت و ایجاد رقابت سالم، اعتباری برای سرمایه­گذاری توسط شرکت های خصوصی تولید ایجاد می­گردد.

1-3-1- نحوه مبادلات در استخر توان

در مدل استخر توان اساس کار به این گونه می­باشد که فروشندگان یا تولیدکنندگان در بازار انرژی خود را مطابق با منحنی فروش انرژی در 24 ساعت آینده به عرضه می­گذارند و خریداران نیز با ارائه قیمت برای خرید، می­توانند در بازار شرکت نمایند.

1-3-2- روش­های تسویه بازار

همان طور که بیان شد، امنیت شبکه، کاهش هزینه و قیودی چون محدودیت واحدهای نیروگاهی، محدودیت انتقال ناشی از تراکم خطوط و … موجب می­گردد که تولیدکنندگان منتخب نهایی جهت تولید در بازار، بر اساس نتایج اولیه مناقصه بازار یا همان اولویت پیشنهاد قیمت پائین­تر نباشند، از این­رو در بازارهای پیشرفته، شبکه قدرت به مناطق یا ناحیه­های کوچکتر تقسیم می­شود و بازار برای آن منطقه تسویه می­گردد. به­طور کلی سه روش تسویه قیمت در بازار وجود دارد که عبارتند از : قیمت بازار به صورت یکنواخت، قیمت بازار به صورت ناحیه ای و قیمت بازار به صورت گره ای[4-6]. هر کدام از این روش ها در منابع یاد شده به صورت کامل توضیح داده شده اند و در اینجا از تکرار آن پرهیز می کنیم.

1-4- منابع عدم قطعیت

می­توان عوامل ایجاد عدم قطعیت یا به عبارت دیگر منابع عدم قطعیت­ها را به دو گروه کلی زیر تقسیم بندی نمود:

1-4-1- عدم قطعیت ذاتی

همان­طور که از نام این عدم قطعیت مشخص است، ناشی از طبیعت وذات نامفهوم و غیرمعلوم سیستم یا پدیده می­باشد. بطور مثال میزان آبی که از یک رودخانه در حال جریان است، پدیده­ای تصادفی و متغیر با زمان است.

1-4-2- عدم قطعیت ناشی از عدم آگاهی و دانش لازم

این نوع از عدم قطعیت، ناشی از کمبود اطلاعات، عدم آگاهی و دانش لازم نسبت به پدیده یا سیستم مورد نظر می­باشد و می­توان با افزایش دامنه آگاهی و اطلاعات، عدم قطعیت را تقلیل داد. در مراجع[7، 8] منابع ایجاد عدم قطعیت­ها همچون اندازه­گیری، بیان، فهم سیستم، فرآیندهای تصادفی، تصمیم­گیری­ها، پیش­بینی و … و نیز روش مواجه شدن با آن­ها به صورتی جامع و کاربردی بیان گردیده است که در زیر به آن­ها اشاره می­گردد:

  • اندازه­گیری اطلاعات جدید
  • انتقال مفاهیم، تفسیر و یا ترجمه اطلاعات
  • عدم شناخت مناسی سیستم

1-4-3- روش­های مواجهه با عدم قطعیت

  • آنالیز حساسیت[1]
  • منطق فازی[2]
  • مانیتورینگ سیستم[3]
  • آنالیز سناریوها[4]
  • آنالیز کیفی[5]

1-4-4- عدم قطعیت­های موجود در بازار برق

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

فهرست منابع و مآخذ

  • Kamat and Sh. S. Oren, “Multi-settlement Systems for Electricity Markets: Zonal Aggregation under Network Uncertainty and Market Power,” IEEE2002.
  • Ni, J. Zhong and H. Liu, “Deregulation of Power systems in Asia: Special Consideration in Developing Countries”, IEEE Power Engineering Society General Meeting, San Francisco, California, USA, 12-16 June 2005, v.3, p. 2876-2881.
  • Shahidipour, H. Yamin, and Z. Li, “Market operations in Electric Power Systems: Forecasting, Scheduling, and risk Management”, 2002, John Wiley & Sons, Inc.
  • S. Son, R. Baldick, K. H. Lee, and Sh. Siddiqi, “Short-Term Electricity Market Auction Game Analysis: Uniform and Pay as Bid Pricing”, IEEE Trans. Power Syst., vol. 19, No. 4, Nov. 2004.
  • A. Gomes, J. T. Saraiva, “Calculation of Nodal Marginal Prices Considering Load and Generation Price Uncertainties”, Power Tech, 2007 IEEE Lausanne, vol. 5, 1-5 July 2007, Pages: 849-854.
  • Krause, “Congestion management in liberalized Electricity Market- Theoretical Concepts and International Application”, EEH- Power Systems Laboratory, May 2005.
  • Xiong, Sh. Okuma, and H. Fujita, “Multi agent based Experiments on Uniform Price and Pay-as-Bid Electricity Auctions Markets”, IEEE International Conference on Electric Utility Deregulation, Restructuring and Power technologies, Apr 2004, Hong Kong.
  • Dukpa, I. Duggai, B. Venkatash, “Optimal participation and risk mitigation of wind generators in an electricity market”, IET Renewable Power Generation, Oct 2009.
  • Weber, “Uncertainty in the Electric Power Industry Methods and Models for Decision Support”, 2005.
  • Electricos, H. Rudnick and C. Seebach S, “Uncertainties in Chilean Power Generation Business”, June 1997.
  • Yang, and R. Zhou, “Monte Carlo Simulation Based Price Zone partitioning Considering Market Uncertainties”, 9th International Conference on Probabilistic Methods applied to Power Systems, 2006.
  • C. Leou and Y. N. Chang,”A Price Based Unit Commitment Model Considering Uncertainties”, IEEE Trans. Power Syst., Nov 2005.
  • Li. Shahidipour and Z. Li, “Risk-Constrained Bidding Strategy with Stochastic Unit Commitment”, IEEE Trans. Power Syst., vol. 22, No. 1, Feb 2007.
  • B. Shrestha, B. K. Pokharel, T. T. Lie, and S. E. Fleten, “Price-Based Unit Commitment for Bidding under Price Uncertainty”, IET Gender, Trans, Distrib, 2007.
  • Attaviriyanupap, H. Kita, E. Tanaka and J. Hasegawa,”A Fuzzy Optimazation Approach to Dynamic Economic Dispatch Considering Uncertainties”, IEEE Trans, Power Syst., vol. 19, No. 3, Aug 2004.
  • Kelly, “Probabilistic Modelling of Plug-in Hybrid Electric Vehicle Impacts on Distribution Networks in British Columbia”, M. Sc thesis, 2009.
  • Awerbuch and A. M. Preston, The virtual utility: Accounting, technology & competitive aspects of the emerging industry, vol. 26. Kluwer Academic Pub, 1997.
  • Dielmann and A. van der Velden, “Virtual power plants (VPP)-a new perspective for energy generation?,” in Modern Techniques and Technologies, 2003. MTT 2003. Proceedings of the 9th International Scientific and Practical Conference of Students, Post-graduates and Young Scientists, 2003, pp. 18–20.
  • G. Werner and R. Remberg, “Technical, economical and regulatory aspects of Virtual Power Plants,” in Electric Utility Deregulation and Restructuring and Power Technologies, 2008. DRPT 2008. Third International Conference on, 2008, pp. 2427–2433.
  • Mashhour and S. M. Moghaddas-Tafreshi, “Bidding strategy of virtual power plant for participating in energy and spinning reserve markets—Part I: Problem formulation,” Power Systems, IEEE Transactions on, vol. 26, no. 2, pp. 949–956, 2011.
  • Mashhour and S. M. Moghaddas-Tafreshi, “Bidding Strategy of Virtual Power Plant for Participating in Energy and Spinning Reserve Markets—Part II: Numerical Analysis,” Power Systems, IEEE Transactions on, vol. 26, no. 2, pp. 957–964, 2011.
  • S. Bae, J. O. Kim, J. C. Kim, and C. Singh, “Optimal operating strategy for distributed generation considering hourly reliability worth,” Power Systems, IEEE Transactions on, vol. 19, no. 1, pp. 287–292, 2004.
  • Soltani, M. Raoofat, and M. A. Rostami, “Optimal reliable strategy of virtual power plant in energy and frequency control markets,” in Electrical Power Distribution Networks (EPDC), 2012 Proceedings of 17th Conference on, 2012, pp. 1–6.
  • Han and K. Sezaki, “Development of an optimal vehicle-to-grid aggregator for frequency regulation,” Smart Grid, IEEE Transactions on, vol. 1, no. 1, pp. 65–72, 2010.
  • Abolfazli, M. H. Bahmani, S. Afsharnia, and M. S. Ghazizadeh, “A probabilistic method to model PHEV for participation in electricity market,” in Electrical Engineering (ICEE), 2011 19th Iranian Conference on, 2011, pp. 1–5.
  • Dawar and B. C. Lesieutre, “Impact of Electric Vehicles on energy market,” in Power and Energy Conference at Illinois (PECI), 2011 IEEE, 2011, pp. 1–7.
  • Musio, P. Lombardi, and A. Damiano, “Vehicles to grid (V2G) concept applied to a virtual power plant structure,” in Electrical Machines (ICEM), 2010 XIX International Conference on, 2010, pp. 1–6.
  • Sortomme and M. A. El-Sharkawi, “Optimal Combined Bidding of Vehicle-to-Grid Ancillary Services,” Smart Grid, IEEE Transactions on, vol. 3, no. 1, pp. 70–79, 2012.
  • Sortomme and M. A. El-Sharkawi, “Optimal scheduling of vehicle-to-grid energy and ancillary services,” Smart Grid, IEEE Transactions on, vol. 3, no. 1, pp. 351–359, 2012.
  • Sortomme, “Optimal Aggregator Bidding Strategies for Vehicle-to-Grid”, Ph. D thesis, 2011.
  • Conejo, F. Nogales and J. Arroyo, “Price-Taker Bidding strategy under Price uncertainty”, IEEE Trans., Power syst., vol. 17, No. 4, Nov 2002.
  • G. Rebours, D. S. Kirschen, M. Trotignon, and S. Rossignol, “A survey of frequency and voltage control ancillary services—Part I: Technical features,” IEEE Trans. Power Syst., vol. 22, no. 1, pp.350–357, Feb. 2007.
  • Ackermann, G. Andersson, S. Oder, L., “Distributed generation: a definition”, Electric Power Systems Research 57, pp. 195–204, 2001.
  • Joos, B.T. Ooi, D. McGillis, F.D. Galiana and R. Marceau, “The Potential of Distributed Generation to Provide Ancillary Services,” 0-7803-6420-1 (c) 2000 IEEE.
  • Kincaid. (1999), “The Role of Distributed Generation in Competitive Energy Market”, Gas Research Institute, Distributed Generation Forum.
  • Vu Van, J. Driesen, and R. Belmans, “Power quality and voltage stability of distribution system with distributed energy resources,” International journal of distributed energy resources, vol. 1, no. 3, pp. 227–240, September 2005.
  • Vu Van, J. Driesen, and R. Belmans, “Benefits and Impact of Using Small Generators for Network Support,” 2007 IEEE.
  • You, C. Træholt, B. Poulsen, “A Market-Based Virtual Power Plant,” 978-1-4244-2544-0/08©2009 IEEE.
  • Pudjianto, C. Ramsay, G. Strbac, “Virtual power plant and system integration of distributed energy resources,” IEEE Proc., Gener. Transm.Distrib, Vol. 1, No. 1, March 2007, pp. 21-25.
  • Pudjianto, C. Ramsay, and G. Strbac, “Microgrids and virtual power plants: Concepts to support the integration of distributed energy resources,” Proc. IMechE, Part A: J. Power and Energy, vol. 222, no. 7, pp. 70–74, 2008.
  • Kieny, B. Berseneff, N. Hadjsaid, Y. Besanger, J. Maire, “On the concept and the interest of Virtual Power plant: some results from the European project FENIX,” 978-1-4244-4241-6/09©2009 IEEE.
  • Braun, “Virtual Power Plants in Real Applications,” Institut für Solare Energi ever sorgungs technik (ISET) e.V., Königstor 59, 34119 Kassel, Germany.
  • Adhi Setiwan, “Concept and Controllability of Virtual power Plant,” Phd thesis, Kassel university, 2007.
  • Braun and P. Strauss, “A review on aggregation approaches of controllable distributed energy units in electrical power systems,” Int. J. Distrib. Energy Resour, vol. 4, no. 4, pp. 297–319, 2008.
  • امیرحسین رجایی،محسن پارسا مقدم، “امکان سنجی کاربرد خودروهای برقی به عنوان منابع تولید پراکنده،”ششمین همایش ملی انرژی، خرداد 1386
  • Eaves and J. Eaves, “A cost comparison of fuel- cell and battery electric vehicles,” power sources, 130, 2004 , 208–212
  • Kramer, S. Chakraborty, B. Kroposki, and H. Thomas, “Advanced Power Electronic Interfaces for Distributed Energy Systems Part 1: Systems and Topologies,” Technical Report NREL/TP-581-42672, 2008
  • Gan Li and Xiao-Ping Zhang, “Modeling of Plug-in Hybrid Electric Vehicle Charging Demand in Probabilistic Power Flow Calculations,” IEEE Trans. On Smart Grid, 3(1), 2012:492-499.
  • Sanna, “Driving the solution the plug-in hybrid electric vehicle,” EPRI J., pp. 8–17, Sep. 2005.
  • Garcia-Valle and J. G. Vlachogiannis, “Electric vehicle demand model for load flow studies,” Electr. Power Compon. Syst., vol. 37, no. 5, pp. 577–582, May 2009.
  • Morrow, D.Karner, and J.Francfort, “Plug-in hybrid electric vehicle charging infrastructure review,”Idaho National Laboratory, Tech. Rep. INL/EXT-08-15058, 2008.
  • Walid Chun-Lien Su. Stochastic Evaluation of Voltages in Distribution Networks with Distributed Generation Using Detailed Distribution Operation Models. IEEE Trans. Power System, Vol. 25, pp. 786-795, May 2010.
  • Wang J, Shahidehpour M, Li Z. Security-Constrained Unit Commitment with Volatile Wind Power Generation. IEEE Trans. Power Syst. 2008; 23:1319-1327.
  • Bala Venkatesh and Andu Dukpa. Probabilistic Voltage Solution Method for Distribution Systems with Wind Electric Generators. IEEE conf. IPEC 2010.
  • Chun-Lien Su. Stochastic Evaluation of Voltages in Distribution Networks with Distributed Generation Using Detailed Distribution Operation Models. IEEE Trans. Power Systems, Vol. 25, No. 2, May 2010.
  • Siahkali, M. Vakilian. Stochastic unit commitment of wind farms integrated in power system. Electric Power Systems Research 80 (2010) 1006–1017.
  • Kargarian, M. Raoofat. Stochastic reactive power market with volatility of wind power considering voltage security. Energy, 36 (2011) 2565-2571.
  • V. Rao et al,”Teaching–learning-based optimization: A novel method for constrained mechanical design optimization problems,” Computer-Aided Design, 43, 2011: 303–315.
  • Niknam, A. Kavousifard,” Impact of thermal recovery and hydrogen production of fuel cell power plants on distribution feeder reconfiguration,” IET Generation, Transmission & Distribution, 2012.
  • Hong HP. An efficient point estimate method for probabilistic analysis. Reliability Engineering and System Safety 1998; 59: 261-7.
  • http://www.ee.washington.edu/research/pstca/pf30/pg_tca30bus.htm.

 

Abstract

Scheduling of Virtual Power Plant for Participation in Energy Market Considering Plug-in Hybrid Electric Vehicles

By

…………………

In this thesis, optimal operating strategy of a Virtual Power Plant (VPP) for participation in energy market is proposed considering the uncertainties of market price, wind power generation and Plug-in Hybrid Electric Vehicle (PHEV) demand. VPP is a flexible representation of a portfolio of DER that can be used to participate in energy and ancillary services markets.

The above-mentioned uncertainties make the scheduling of VPP in day-ahead energy market complex. A programming formulation is proposed to maximize the VPP’s profit and the programing is done using TLBO method. Four different strategies are presented in order to handle the mentioned uncertainties. The first strategy ignores the effect of uncertainties which reduces the simulation time. The second one solves the problem using MCS method and makes the maximum profit. The third strategy implements PEM which approximately makes the maximum profit and reduces the simulation time. The fourth strategy validates the results of the third one by MCS method.  Numerical results show the efficacy of the proposed approach.

Shiraz University

 

 

Faculty of Electrical and Computer Engineering

 

 

M.Sc. Thesis in Electrical Engineering- Power System

 

 

 

Scheduling of Virtual Power Plant for Participation in Energy Market Considering Plug-in Hybrid Electric Vehicles

By

…………………….

Supervised by

Dr. M. Raoofat

September 2013

[1] -Sensitivity Analysis

[2]Fuzzy Logic

[3] -Monitoring

[4] -Scenario Analysis

[5] -Qualitative analysis

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “برنامه ریزی حضور نیروگاه مجازی در بازار برق با در نظر گرفتن خودرو های برقی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

35 − = 32