مقايسه روش‌هاي تخمين نقطه‌اي و شبيه‌سازي مونت كارلو در حل پخش توان بهينه احتمالاتي با لحاظ عدم قطعيت‌هاي منابع تجديدپذير

Applying Point Estimation and Monte Carlo Simulation Methods in Solving Probabilistic Optimal Power Flow Considering Renewable Energy Uncertainties

نفوذ روزافزون انرژي‌هاي تجديدپذير با توجه به عدم قطعيت‌هاي ناشي از آن‌ها، سبب بروز تغييراتي در ابزار‌هاي مرسوم برنامه‌ريزي و بهره‌برداري سيستم‌هاي قدرت شده است. تغييرات احتمالاتي توان هنگام نفوذ انرژي‌هاي تجديدپذير به‌وسيلۀ پخش توان قطعي نمي‌توانند تحليل شوند، زيرا انرژي‌هاي تجديدپذير همواره داراي عدم قطعيت‌هايي مي‌باشند. پخش توان بهينۀ احتمالاتي يكي از ابزار‌هاي مفيد براي تجزيه و تحليل سيستم‌هاي قدرت در شرايط حضور عدم قطعيت‌هاست. هدف از اين مقاله بررسي اثرات عدم قطعيت‌هاي انرژي بادي و نيروگاه خورشيدي روي يك شبكۀ نمونۀ استاندارد با استفاده از روش پخش توان بهينۀ احتمالاتي است. در اين مقاله، سيستم استاندارد 89 شينه PEGASE اروپاست. از جمله نوآوري‌هاي اين مقاله مقايسۀ روش‌هاي شبيه‌سازي مونت كارلو و تحليلي مشتمل بر روش‌هاي تخمين نقطه‌اي است. تحليل و مقايسه نتايج نشان مي‌دهد كه در روش‌هاي تحليلي به‌دليل اينكه از نقاط كمتري براي بهينه‌سازي استفاده مي‌شود، پخش توان بهينه سريع‌تر محاسبه مي‌شود؛ كه اين موضوع سبب افزايش بهره‌وري محاسبه خواهد شد. نتايج مقايسۀ اجراي روش‌هاي مذكور روي سيستم نمونه 89 شينه نشان‌دهندۀ كاهش تقريبي زمان محاسبه به ميزان تقريبي 92 و 93 درصد به‌ترتيب در مورد روش‌هاي تخمين دو و سه‌نقطه‌اي نسبت به روش مونت كارلو مي‌باشد. اين در حالي است كه نتيجۀ حاصل از انجام پخش توان بهينه با روش‌هاي فوق تفاوت‌هاي تقريباً قابل اغماضي را به‌ترتيب به ميزان 2/5 درصد كاهشي و افزايشي تجربه مي‌كند.

The increasing penetration of renewable energy results in the change of the traditional power system planning and operation tools. As the generated power by the renewable energy resources are probabilistically changed, the certain power system analysis toll cannot be applied in this case. The probabilistic optimal power flow is one of the most useful tools regarding the power system analysis in the presence of uncertainties. In this paper, Monte Carlo simulation and point estimation methods are used to solve the POPF in the presence of wind and solar sources uncertainties. These methods are simulated on the PEGASE 89–bus European system. The most important novelty of this paper is arising from the comparison of detailed studies of point estimation methods with the Monte Carlo simulation method. As the obtained results confirm, the point estimation methods lead to an increase in the computing time efficiency in comparison to the Monte Carlo simulation method. Also, an increase in the number of sampling points in PEMs will result in an increase in the accuracy of the obtained results, while the computing time is still lower than the Monte Carlo simulation method.