مدلسازي ديناميك سرمايه گذاري در توسعه توليد با در نظر گرفتن پاسخگويي بار

Dynamic Modeling of Investment on Generation Expansion Planning Considering Demand Response

چكيده: در سالهاي اخير استفاده از برنامه هاي پاسخگويي بار براي بهبود بهره برداري از سيستم قدرت، مورد توجه فراوان واقع شده است. پاسخگو بودن تقاضا و تاثير آن بر قيمت تسويه بازار كه مشوق اصلي سرمايه گذاري مي باشد، موجب تغييرات جدي در روند توسعه توليد مي شود. تا به حال در مدلهاي سرمايه گذاري توليد، معمولاً بار بدون كشش قيمتي فرض مي شده است. با گسترش روز افزون شبكه هاي هوشمند، اين فرض خدشه دار مي شود. در اين مقاله مسيله سرمايه گذاري در توسعه توليد شامل منابع انرژي نو، در يك سيستم شامل بارهاي پاسخگو، با استفاده از برنامه ريزي پوياي تصادفي مدلسازي شده است. در اين مدل، عدم قطعيت در توليد و عدم قطعيت در عملكرد بار پاسخگو لحاظ گرديده است. در اين راستا با مدلسازي فعل و انفعال بين قيمت و بار پاسخگو، قيمت تسويه بازار تعيين مي گردد. براي آناليز نتايج شبيه سازي، چند شاخص بلند مدت پيشنهاد و مورد ارزيابي قرار گرفته است. نتايج بدست آمده، اثرات قابل توجه پاسخگويي بار را بر كاهش قيمت، كاهش خاموشيها و افزايش قابليت اطمينان بصورت كمي نشان مي دهد.

Abstract: Attention has been paid to the Demand Response (DR) programs in recent years to improve the power system operation. Demand Response affects market clearing price, which is the main motivation for investment, and thus the trend of investment on generation expansion will be affected. So far, the demand has been considered inelastic for modeling the investment on generation expansion. However, increasing the deployment of smart grid has waived this assumption. In this paper, we have used stochastic dynamic programming for modeling the generation expansion problem. We have considered both the renewable resources and demand response in modeling. In the proposed model, the uncertainty in generation and the accuracy of the price responsive demand performance are considered. In this regard, the market clearing price is determined by interaction between price and the price responsive demand. Some long-term indices are proposed and using the simulation results, they are evaluated. The achieved results, quantitatively confirm that the demand response results in decreasing the price and the outages and therefore improving the reliability