بهره برداري بهينه شبكه توزيع فعال در بازار انرژي ، رزروچرخان و توان راكتيو با استفاده از مفهوم نيروگاه مجازي

Optimal Operation of Active Distribution Network in Energy, Spinning Reserve and Reactive power Markets Using Virtual Power Plants Concept

در اين مقاله، مسئله بهره برداري بهينه شبكه توزيع فعال (ADN) براي حضور در بازار انرژي همزمان با رزرو چرخان و متوالي توان راكتيو با در نظر گرفتن مفهوم نيروگاه مجازي فني بررسي شده است. نيروگاه مجازي فني با لحاظ كردن قيود شبكه و منابع انرژي پراكنده (DER) تحت پوشش خود، امكان بهره برداري فعال شبكه توزيع را با هدف حداكثر‌سازي سود به‌ منظور حضور در بازارهاي مذكور فراهم مي كند. به‌منظور پيشنهاد دهي نيروگاه مجازي در اين بازارها، مدلي بر اساس در مدار قرار دادن قيمت بنيان واحدها مقيد به قيود امنيت SCPBUC ارائه شده است كه قيود امنيت آن مربوط به قيد تعادل عرضه تقاضا و قيود بهره‌برداري شبكه توزيع است. نتايج حاصل از مدل ارائه‌ شده نشان مي‌دهد، شبكه توزيع فعال مي‌تواند با استفاده از مفهوم نيروگاه مجازي علاوه بر پيشنهاد‌دهي بهينه در بازار برق و كسب سود قابل­ توجه، به بهره‌برداري امن شبكه خود نيز بپردازد. مسئله پيشنهاد دهي نيروگاه مجازي فني يك بهينه سازي غير محدب غيرخطي آميخته با عدد صحيح است كه با استفاده از برنامه ريزي غير خطي آميخته با عدد صحيح (MINLP) حل شده است.

In this paper, we propose a new method for solving of optimal operation problem of active distribution networks (ADNs) in energy, spinning reserve service, and reactive power service markets using technical virtual power plant (TVPP) concept. TVPP with considering network and its DER constraints provide active operation of distribution network in order to maximize its profit. A security constraints price-based unit commitment (SCPBUC) model, whose security constraints are related to the supply-demand balancing and to the operation of distribution network, is proposed. In addition to optimal bidding in the markets, the proposed model results show that ADN with using VPP concept can operate its network securely. The presented model is a non-convex nonlinear mixed-integer optimization solved by mixed-integer nonlinear programming (MINLP).