مدلی ترکیبی از بهینه سازی مقاوم برای مدیریت روز پیشرو شبکه های توزیع فعال
Publish place: Tabriz Journal of Electrical Engineering، Vol: 49، Issue: 3
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 140
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TJEE-49-3_001
تاریخ نمایه سازی: 27 تیر 1402
Abstract:
در این مقاله، مدلی ترکیبی از بهینه سازی مقاوم روز پیشرو برای شبکه های توزیع فعال با لحاظ شرایط زمان حقیقی ارائه شده است. حفظ ساختار محدب مسئله با لحاظ محدودیت های شبکه و تلفات توان، از مهم ترین هدف این مقاله در چگونگی مدل سازی مقاوم عدم قطعیت ها است. برای این منظور از ترکیب بهینه سازی مقاوم با تحقق بدترین حالت از وقوع و رویکرد ریسک گریز تئوری تصمیم گیری شکاف اطلاعاتی برای مدلسازی عدم قطعیت های شرایط زمان حقیقی استفاده شده است. در مدل پیشنهادی، عدم قطعیت قیمت بازار زمان حقیقی با روش اول و پارامترهای نامطمئن بار و تولید تجدیدپذیر با روش دوم مدل سازی شده اند. علاوه بر آن، برای داشتن یک مدل دقیق از برنامه ریزی روز پیشرو در حضور شرایط نامطمئن زمان حقیقی، یک فرمول بندی جدید مبتنی بر بهینه سازی دوسطحی تجزیه بندرز پیشنهاد شده است. در سطح اول این مدل، مسئله روز پیشرو قرار دارد که یک مدل خطی و قطعی آمیخته با اعداد صحیح است. برنامه ریزی اولیه واحدها و میزان تبادل توان با بازار روز پیشرو در مقادیر پیش بینی شده پارامتر های نامطمئن در این سطح تعیین می شود. مسئله زمان حقیقی با لحاظ عدم قطعیت ها در سطح دوم قرار داده شده است. این مساله یک مدل محدب مقاوم است که هدف آن، بهینه سازی هزینه تغییر در تولید منابع قابل برنامه ریزی و تعیین میزان تبادل توان با بازار زمان حقیقی جهت پوشش عدم قطعیت ها و محدودیت های شبکه است.
Keywords:
بهینه سازی مقاوم , تئوری تصمیم گیری شکاف اطلاعاتی , بازار روز پیشرو , بازار زمان حقیقی , بهینه سازی دوسطحی
Authors
رضا ابولی
دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند
مریم رمضانی
دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند
حمید فلقی
دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :