مديريت تقاضاي انرژي الكتريكي توسط مصرف‌كنندگان بزرگ صنعتي با استفاده از دسته‌بندي و زير دسته‌بندي‌هاي ويژه: مطالعه موردي صنعت سيمان و شيشه

Demand Side Management of Large Industrial Electricity Consumers Using Categorical and Special Subcategory Pricing: Case of Cement and Glass Industries

استفاده از مفهوم پاسخگوي بار (تقاضا) يكي از روش‌هاي مؤثر براي بهينه سازي و تعديل مصرف انرژي الكتريكي است. پاسخ به تقاضاي مبتني بر زمان معمولاً براساس دسته بندي‌هاي كلي شامل صنعت، كشاورزي، تجاري، مسكوني طراحي مي‌شود. به‌دليل يكساني تعرفه‌هاي قيمت‌گذاري عمومي در هر دسته بندي، اين روش بعضاً با مشكلاتي مواجه مي‌گردد. يكي از مشكلات بارز پاسخ به تقاضاي مبتني برزمان غير فعال (پسيو)، انتقال بار بيش از حد مي‌باشد. دراين مقاله با انجام زير دسته بندي براي هر دسته و معرفي تعرفه‌هاي ويژه براي همان زير دسته‌ها، نوع جديدي از پاسخ به تقاضاي مبتني بر زمان را ارائه شده است. اين مدل جديد علاوه بر بهينه سازي الگوي مصرف زير دسته، سبب بهبود مصرف كلي ناحيه‌اي كه آن زير دسته نيز قرار دارد، مي­ گردد. جهت بررسي و تصديق روش كار با استفاده از داده‌هاي واقعي به مطالعه موردي در صنايع شيشه و سيمان پرداخته شده است. الگوريتم‌هاي ژنتيك و توده ذرات جهت بهينه سازي تابع هدف به‌كار برده شده است. با استفاده از اطلاعات حاصل از مميزي انرژي در اين دو صنعت و با توجه به تقسيم بندي بارها بر مبناي زمان استفاده ملاحظه شده است تعرفه گذاري بر مبناي پاسخ گويي بار موجب جابجايي بار و كاهش مصرف انرژي الكتريكي در صنعت شيشه و سيمان خواهد شد. بررسي‌ها حاكي از آن است كه روش پيشنهادي به ويژه در صنايع سه شيفته كاربرد خواهد داشت.

Demand Response (DR) is an effective method for electricity coservation. Time-based demand response is basically based on general categorization of consumers including industrial, agricultural, commercial, and residential subscribers. Due to identicalness of tariffs within each category, time-based (PTB) demand response generally leads toexcessive load transfer. In this paper, with the subcategorization of each category and introduction of different tariffs for each subcategory, a new type of time-based demand response is introduced. It is expected that this proposal will lead to better consumption pattern within subcategories as well as its encompassing category. To validate the proposed scheme we have used real data for the case of glass and cement industries. Genetic algorithms and particle swarm are used to optimize the objective function. Usind data garnered from energy audits in these industries and categorizing load data in accordance to their time of use, it has been concluded that demand response tariffs can result into load shifts and reduced electricity consumption.