برنامهريزي توسعه منابع انرژي گسترده با بهرهگيري از شبيهسازي مونت كارلو در فضاي نظريه بازيها با اطلاعات ناقص

Distributed Energy Resource Expansion Planning Considering Monte Carlo Simulation and Incomplete Information Game Theory

اين مقاله روشي را بر مبناي نظريه بازي پويا با اطلاعات ناقص براي برنامهريزي توسعه توليد منابع انرژي گسترده از ديدگاه سرمايهگذار ارايه ميدهد. چارچوب ابتكاري ارايه شده در مقاله، جنبهها و ويژگيهاي مختلف برنامهريزي اين منابع را دربر ميگيرد. در اين مطالعه منابع بادي، گازي و منابع توليد همزمان برق و گرما به عنوان منابع انرژي گسترده در نظر گرفته شدهاند. براي كاهش ريسك سرمايهگذاري، حمايتهايي براي منابع بادي و توليد همزمان برق و گرما در نظر گرفته شده است. همچنين عدمقطعيت استراتژيك رفتار رقبا به عنوان يكي از مهمترين عدمقطعيتهاي موجود در بازار با استفاده از نظريه بازي با اطلاعات ناقص مدل شده است. با استفاده از مدل ارايه شده، رفتار پوياي سرمايهگذاران منابع انرژي گسترده و اثرات مداخلات سياستگذار بر توسعه آنها تجزيه و تحليل شده است. اين مدل از قابليت نشان دادن اثر متقابل سياستهاي حمايتي بر نرخ نفوذ ساير منابع به صورت مدل كردن حمايت از چند منبع بهطور همزمان برخوردار است .

This paper proposes a dynamic game approach to distributed energy resource (DER) expansion planning from investors’ viewpoint with incomplete information. An innovative framework is proposed here to encounter different aspects of DER planning. Wind turbines, gas engines and combined heat and power (CHP) are considered as DERs in this study. For reducing the risk of investment, some support schemes are proposed for wind and CHP. Furthermore, strategic uncertainty of rival behavior as one of the uncertainties has been modeled in electricity market using incomplete information game theory. By the proposed model, the dynamic behaviors of DERs investors and the effects of regulatory intervention on expansion planning are analyzed. The proposed model is capable of evaluating the mutual effects of supporting policies on penetration rate of multi-resources simultaneously. The effectiveness of the proposed model is illustrated through implementing on a test system.