برنامه‌ريزي مشاركت امنيت مقيد امكاني- احتمالاتي واحدهاي نيروگاهي با استفاده از مدل Z_number

Possibilistic–Probabilistic Security Constrained Unit Commitment using Z_number model

مسئله برنامه‌ريزي مشاركت امنيت مقيد واحدهاي نيروگاهي (SCUC)، يك مسئله بهينه‌سازي بسيار پيچيده مي‌باشد كه توان خروجي بهينه ژنراتورهاي سيستم قدرت را در كل دوره توزيع بار شبكه با لحاظ قيود مختلفي مانند تعادل توان مصرفي و توليدي، محدوديت‌هاي توليد واحدهاي نيروگاهي و قيد تراكم خطوط انتقال تعيين مي‌كند. در اين مقاله، يك فرمول‌بندي جديد براي مسئله SCUC در حضور عدم‌قطعيت سرعت باد و بار شبكه با در نظر گرفتن منابع پاسخ‌گويي بار به‌منظور پوشش اين عدم‌قطعيت‌ها و كاهش هزينه بهره‌برداري ارائه شده است. عدم‌قطعيت سرعت باد به‌صورت متغير احتمالاتي با استفاده از تابع توزيع احتمال ويبال مدل شده است. همچنين، عدم‌قطعيت بار شبكه در هر ساعت با استفاده از اعداد Z_number مدل گرديده است. سپس بار شبكه از مدل Z_number به مدل فازي تبديل شده است. به‌منظور كاهش بار شبكه در ساعات پيك از برنامه پاسخ‌گويي بازفروش تقاضا (DB) استفاده شده و هزينه پرداختي به اين منابع به‌صورت تابع درجه دوم از توان كاهشي اين برنامه‌ها مدل شده است. براي حل مسئله SCUC در حضور اين عدم‌قطعيت‌ها، دو روش برش آلفا و شبيه‌سازي مونت‌كارلو با يكديگر تركيب شده‌اند. به‌منظور ارزيابي روش پيشنهادي، شبكه استاندارد 24 باسه IEEE اصلاح‌شده مورداستفاده قرار گرفته است.

Security constrained unit commitment (SCUC) is a difficult optimization problem by which the generators optimal output are scheduled over the whole dispatch period. Here, different constraints such as demand and generation equality, generators limits and transmission flow limit should be considered. This paper presents a new structure for SCUC in the presence of wind and load uncertainties. Here, demand responsive loads are called for alleviating the aforementioned uncertainties as well as minimizing the operation cost. Wind speed uncertainty is modeled by Wiebull probability distribution function as a probabilistic variable. Moreover Z_number is applied to model the demand uncertainty as a possibilistic variable. Then, demand is converted form Z_number model to fuzzy one. Demand bidding programs are also implemented to reduce demand at peak hours. Load reduction payment is modeled by a quadratic function of the reduced power. In this paper, α-cut and monte carlo methods are mixed together to solve the SCUC problem considering the abovementioned uncertainties. In order to evaluate the proposed framework, numerical simulations has been conducted over the modified IEEE-24 bus system.