مديريت انرژي نيروگاه مجازي بر پايه بهينه‌سازي مقاوم با پايش پيشامدهاي ريزشبكه : مطالعه موردي خروج تكي خط

Robust Optimization-based Energy Management of Virtual Power Plant by Monitoring Microgrid Contingencies: Single-Line Outage Case Study

در اين مقاله، يك مدل بهينه‌سازي مقاوم براي مديريت انرژي نيروگاه مجازي شامل ايستگاه‌هاي خورشيدي، سيستم‌هاي ذخيره‌ساز و متقاضيان انرژي واقع در ريزشبكه برق ارائه مي‌شود. در مدل بهينه‌سازي مقاوم، پارامترهاي غيرقطعي قيمت انرژي و توليد توان خورشيدي به‌صورت بازه‌هاي اطمينان مدل‌سازي مي‌شوند. از طرفي، با تجهيز ريزشبكه به فناوري شبكه هوشمند، امكان ارتباط دوسويه بين سيستم مديريت انرژي و اجزاي ريزشبكه و همچنين بين سيستم مديريت انرژي و شبكه اصلي فراهم مي‌شود. سيستم مديريت انرژي با پايش وضعيت اجزاي ريزشبكه و به‌روزرساني اطلاعات مرتبط، تصميم‌هاي مناسب را اتخاذ مي‌كند. به‌اين‌ترتيب، سيستم مديريت انرژي به‌طور زمان-حقيقي از پيشامدهاي ريزشبكه مانند خروج خطوط مطلع مي‌گردد و تصميم‌هاي اتخاذشده در ارتباط با تبادل با شبكه اصلي، توليد توان خورشيدي و قطع يا جابه‌جايي بار را اصلاح مي‌كند. بازه‌هاي اطمينان قيمت انرژي الكتريكي و توليد توان خورشيدي بر اساس اطلاعات واقعي جمع‌آوري‌شده از بازار برق نيوانگلند آمريكا پيش‌بيني مي‌شوند. اثر دقت پيش‌بيني، وقوع پيشامد و سطح اطمينان بر عملكرد مدل بهينه‌سازي مقاوم در يك ريزشبكه برق هوشمند بررسي مي‌شود. نتايج شبيه‌سازي، عملكرد خوب مدل بهينه‌سازي مقاوم را در مقايسه با يك روش قطعي مرسوم آشكار مي‌سازد.

In this paper, a robust optimization model is proposed for energy management of a Virtual Power Plant (VPP) including solar power stations, energy storage facilities and demands interconnected within a microgrid. In the robust optimization model, the uncertain parameters of solar power production and energy prices are modelled as confidence intervals. On the other hand, equipped with smart grid technology, the two-way communication between the energy management system and microgrid components, as well as between the energy management system and main grid is possible. The energy management system can make decisions while monitoring conditions of microgrid components and updating available information. Thus, the energy management system is informed about microgrid contingencies in real-time, and modifies its decisions related to power traded with the main grid, solar power production and power load shedding or shifting. The confidence intervals of energy price and solar energy production are forecasted based on real-world historical data collected from the New England electricity market, US. Impact of forecast accuracy, contingency occurrence and confidence level on the performance of the robust optimization model is investigated. Simulation results indicate good performance of the robust optimization model compared with a conventional deterministic method.