[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 10، شماره 3 - ( 7-1400 ) ::
جلد 10 شماره 3 صفحات 47-34 برگشت به فهرست نسخه ها
برنامه ریزی بهینه نیروگاه مجازی با در نظر گرفتن پاسخگویی بار و خودروهای الکتریکی
رعنا حیدری1 ، جواد نیکوکار* 1، مجید گندمکار1
1- گروه برق، واحد ساوه، دانشگاه آزاد اسلامی، ساوه، ایران
چکیده:   (437 مشاهده)
با توجه به روند پیشرفت تکنولوژی‌های استفاده از انرژی‌های تجدیدپذیر و حمایت سیاست‌گذاران حوزه انرژی جهت استفاده بیشتر از‌ این منابع پاک و ارزان، تحقیقات بسیاری درجهت بهره‌گیری هرچه بیشتر از ‌این گونه انرژی‌ها در حال انجام است. محدودیت‌هایی از قبیل ظرفیت پایین، عدم قطعیت توان خروجی و مشکلات پایداری، استفاده از منابع انرژی پراکنده را پرهزینه و دشوار ساخته است. برای رفع این مشکلات،  مفهومی جدید با عنوان نیروگاه مجازی پیشنهاد شده ‌است. در این مقاله یک مدل کامل‌ برای برنامه‌ریزی بهینه یک نیروگاه مجازی ارائه شده به صورتی که عدم قطعیت‌های منابع تولید پراکنده نظیر انرژی باد و خورشید و همچنین خودرو های الکتریکی در نظر گرفته شده است. علاوه بر این، از پاسخ‌گویی بار که مدلسازی آن بر مبنای پاسخ‌گویی بار مبتنی بر قیمت برای بارهای معمولی و مبتنی بر تشویق برای خودروهای الکتریکی می باشد استفاده شده  و در نهایت تابع هدف ارائه شده با روش برنامه‌ریزی خطی صحیح مختلط  بهینه گردیده و یک شبکه 32 شینه مورد مطالعه قرار گرفته که هدف بیشینه‌سازی سود نیروگاه مجازی بوده که برای این کار از استفاده همزمان از پاسخ‌گویی بار و خودروهای الکتریکی با قابلیت اتصال به شبکه استفاده شده است.
واژه‌های کلیدی: نیروگاه مجازی، پاسخ گویی بار، خودروی الکتریکی، برنامه ریزی خطی صحیح مختلط
متن کامل [PDF 753 kb]   (70 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: برق و کامپیوتر
دریافت: 1399/9/13 | پذیرش: 1400/4/7 | انتشار: 1400/6/20
فهرست منابع
1. [1] Asmus P. Microgrids, virtual power plants and our distributed energy future. Electr J 2010;23:72-82. [DOI:10.1016/j.tej.2010.11.001]
2. [2] Pedrasaa MAA, Spoonerb TD, MacGillb IF. A novel energy service model and optimal scheduling algorithm for residential distributed energy resources.
3. [3] Wencong, S., Mo-Yuen, C., (2012). Performance evaluation of an EDA-based large-scale plug-in hybrid electric vehicle charging algorithm. IEEE Trans Smart Grid; 3(1): 308e15. [DOI:10.1109/TSG.2011.2151888]
4. [4] Tushar, W., Saad, W., Poor, HV., Smith, DB., (2012). Economics of electric vehicle charging: a game theoretic approach. IEEE Trans Smart Grid;3(4): 1767e78. [DOI:10.1109/TSG.2012.2211901]
5. [5] Rahimi, F., & Ipakchi, A. (2010). Demand response as a market resource under the smart grid paradigm. Smart Grid, IEEE Transactions on, 1(1), 82-88. [DOI:10.1109/TSG.2010.2045906]
6. [6] Chu, C. M., Jong, T. L., & Huang, Y. W. (2005, June). A direct load control of air-conditioning loads with thermal comfort control. In Power Engineering Society General Meeting, 2005. IEEE (pp. 664-669).
7. [7] Herter, K. (2007). Residential implementation of critical-peak pricing of electricity. Energy Policy, 35(4), 2121-2130. [DOI:10.1016/j.enpol.2006.06.019]
8. [8] Triki, C., & Violi, A. (2009). Dynamic pricing of electricity in retail markets. 4OR, 7(1), 21-36. [DOI:10.1007/s10288-007-0056-2]
9. [9] Xiong, G., Chen, C., Kishore, S., & Yener, A. (2011, January). Smart (in-home) power scheduling for demand response on the smart grid. In Innovative smart grid technologies (ISGT), 2011 IEEE PES (pp. 1-7). IEEE.
10. [10] Samadi, P., Mohsenian-Rad, A. H., Schober, R., Wong, V. W., & Jatskevich, J. (2010, October). Optimal real-time pricing algorithm based on utility maximization for smart grid. In Smart Grid Communications (SmartGridComm), 2010 First IEEE International Conference on (pp. 415-420). IEEE. [DOI:10.1109/SMARTGRID.2010.5622077]
11. [11] Mohsenian-Rad, A. H., Wong, V. W., Jatskevich, J., Schober, R., & Leon-Garcia, A. (2010). Autonomous demand-side management based on game-theoretic energy consumption scheduling for the future smart grid. Smart Grid, IEEE Transactions on, 1(3), 320-331. [DOI:10.1109/TSG.2010.2089069]
12. [12] Adika, C. O., & Wang, L. (2014). Demand-side bidding strategy for residential energy management in a smart grid environment. Smart Grid, IEEE Transactions on, 5(4), 1724-1733. [DOI:10.1109/TSG.2014.2303096]
13. [13] Wen, F., & David, A. K. (2001). Optimal bidding strategies for competitive generators and large consumers. International Journal of Electrical Power & [DOI:10.1016/S0142-0615(00)00032-6]
14. [14] Herranz, R., Munoz San Roque, A., Villar, J., & Campos, F. A. (2012). Optimal demand-side bidding strategies in electricity spot markets. Power Systems, IEEE Transactions on, 27(3), 1204-1213. [DOI:10.1109/TPWRS.2012.2185960]
15. [15] Richter Jr, C. W., & Sheblé, G. B. (1998). Genetic algorithm evolution of utility bidding strategies for the competitive marketplace. Power Systems, IEEE Transactions on, 13(1), 256-261. [DOI:10.1109/59.651644]
16. [16] Conejo, A. J., Nogales, F. J., & Arroyo, J. M. (2002). Price-taker bidding strategy under price uncertainty. Power Systems, IEEE Transactions on, 17(4), 1081-1088. [DOI:10.1109/TPWRS.2002.804948]
17. [17] Conejo, A. J., Contreras, J., Arroyo, J. M., & De la Torre, S. (2002). Optimal response of an oligopolistic generating company to a competitive pool-based electric power market. Power Systems, IEEE Transactions on, 17(2), 424-430. [DOI:10.1109/TPWRS.2002.1007913]
18. [18] Steen D, Tuan LA, Carlson O, Bertling L. (2012). Assessment of electric vehicle charging scenarios based on demographical data. IEEE Trans Smart Grid; 3(3):1457e68. [DOI:10.1109/TSG.2012.2195687]
19. [19] Linni, J., Honghong, X., Guoqing, X., Xinyu, Z., Dongfang, Z., Shao, ZY., (2013). Regulated charging of plug-in hybrid electric vehicles for minimizing load variance in household smart microgrid. IEEE Trans Ind Electron; 60(8):3218e26. [DOI:10.1109/TIE.2012.2198037]
20. [20] Yifeng, H., Venkatesh, B., Ling, G., (2012). Optimal scheduling for charging and discharging of electric vehicles. IEEE Trans Smart Grid;3(3): 1095e105. [DOI:10.1109/TSG.2011.2173507]
21. [21] Sundstrom, O., Binding, C., (2012). Flexible charging optimization for electric vehicles considering distribution grid constraints. IEEE Trans Smart Grid; 3(1): 26e37. [DOI:10.1109/TSG.2011.2168431]
22. [22] Wu, D., Aliprantis, DC., Ying, L., (2011). On the choice between uncontrolled and controlled charging by owners of PHEVs. IEEE Trans Power Deliv; 26(4):2882e4. [DOI:10.1109/TPWRD.2011.2159671]
23. [23] Saber, AY., Venayagamoorthy, GK., (2012). Resource scheduling under uncertainty in a smart grid with renewables and plug-in vehicles. Syst J IEEE; 6(1):103e9. [DOI:10.1109/JSYST.2011.2163012]
24. [24] Pipattanasomporn, M., Kuzlu, M., Rahman, S., (2012). An algorithm for intelligent home energy management and demand response Analysis. IEEE Trans Smart Grid; 3(4):2166e73. [DOI:10.1109/TSG.2012.2201182]
25. [25] Nunna, H., Doolla, S., (2012), Demand response in smart distribution system with multiple microgrids. IEEE Trans Smart Grid; 3(4):1641e9. [DOI:10.1109/TSG.2012.2208658]
26. [26] Kempton, W., Tomi_c, J., (2005). Vehicle-to-grid power fundamentals: calculating capacity and net revenue. J Power Sources; 144(1):268e79. [DOI:10.1016/j.jpowsour.2004.12.025]
27. [27] Sousa, T., Morais, H., Soares, J., Vale, Z., (2012). Day-ahead resource scheduling in smart grids considering vehicle-to-grid and network constraints. Appl Energy; 96:183e93. [DOI:10.1016/j.apenergy.2012.01.053]
28. [28] Battistelli, C., Baringo, L., Conejo, A., (2012). Optimal energy management of small electric energy systems including V2G facilities and renewable energy sources. Electr Power Syst Res; 92:50e9. [DOI:10.1016/j.epsr.2012.06.002]
29. [29] Pang, C., Dutta, P., Kezunovic, M., (2012). BEVs/PHEVs as dispersed energy storage for V2B uses in the smart grid. IEEE Trans Smart Grid; 3(1):473e82. [DOI:10.1109/TSG.2011.2172228]
30. [30] Sanchez-Martin, P., Sanchez, G., Morales-Espana, G., (2012). Direct load control decision model for aggregated EV charging points. IEEE Trans Power Syst; 27(3):1577e84. [DOI:10.1109/TPWRS.2011.2180546]
31. [31] Guille, C., Gross, G., (2009). A conceptual framework for the vehicle-to-grid (V2G) implementation. Energy Policy; 37(11):4379e90. [DOI:10.1016/j.enpol.2009.05.053]
32. [32] Han, S., Han, S., & Sezaki, K. (2010). Development of an optimal vehicle-to-grid aggregator for frequency regulation. Smart Grid, IEEE Transactions on, 1(1), 65-72. [DOI:10.1109/TSG.2010.2045163]
33. [33] Santos, A.; McGuckin, N.; Nakamoto, H.; Gray, D.; Liss, S. Summary of Travel Trends: 2009 National Household Travel Survey; Technical Report; U.S. Department of Transportation, Federal Highway Administration: Washington, DC, USA, 2009.
34. [34] Kenworthy, J.R. Transport Energy Use and Greenhouse Gases in Urban Passenger System: A case study of 84 Global Cities. In Proceedings of the Third Conference of the Regional Government Network for Sustainable Development, Notre Dame University, Fremantle, Australia, 17-19 September 2003.
35. [35] X. Ai and J. J. Xu, "Study on the microgrid and distribution network cooperation model based on interactive scheduling,"Power Syst. Protect. Control, vol. 41, no. 1, pp. 143-149, 2013.
36. [36] D. K. Khatod, V. Pant, and J. Sharma, "Evolutionary programming based optimal placement of renewable distributed generators,"IEEE Trans. Power Syst., vol. 28, no. 2, pp. 683-695, May 2013. [DOI:10.1109/TPWRS.2012.2211044]
37. [37] P. Faria, "Demand Response in future power systems management-A conceptual framework and simulation tool," Master degree thesis, School of Engineering - Polytechnic of Porto, Portugal, 2011.


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Heydari R, Nikoukar J, Gandomkar M. Optimal planning of a virtual power plant considering uncertainties in electric vehicles, renewable energy resources, and participating demand response. ieijqp. 2021; 10 (3) :34-47
URL: http://ieijqp.ir/article-1-796-fa.html

حیدری رعنا، نیکوکار جواد، گندمکار مجید. برنامه ریزی بهینه نیروگاه مجازی با در نظر گرفتن پاسخگویی بار و خودروهای الکتریکی. نشریه کیفیت و بهره وری صنعت برق ایران. 1400; 10 (3) :47-34

URL: http://ieijqp.ir/article-1-796-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 10، شماره 3 - ( 7-1400 ) برگشت به فهرست نسخه ها
نشریه علمی- پژوهشی کیفیت و بهره وری صنعت برق ایران Iranian Electric Industry Journal of Quality and Productivity
Persian site map - English site map - Created in 0.05 seconds with 29 queries by YEKTAWEB 4343