برنامه ریزی بهینه واحد تعهد با توجه به عدم قطعیت باد با استفاده از الگوریتم جستجو فاخته

Subject Areas : Stochastics Problems

Saniya Maghsudlu ¹ (Department of Electrical Engineering, Bandar Abbas Branch, Islamic Azad University, Bandar Abbas, Iran)
sirus mohammadi ² (Department Of Electrical Engineering, Gachsaran Branch, Islamic Azad University, Gachsaran, Iran)

Received: 2016-01-02 Accepted : 2016-04-10 Published : 2016-06-01

Keywords: انرژی تجدید پذیر, نیروی باد, الگوریتم جستجو فاخته, شبیه سازی مونت کارلو,

Abstract :

در این مقاله، یک روش جدید برای بررسی نقش واحدهای باد به عنوان یک تولید کننده  انرژی در برنامه ریزی مشکل تعهد واحد ارائه شده است. امروزه، منابع انرژی تجدید پذیر به علت عدم آلودگی محیط زیست، و در نتیجه هزینه های حاشیه ای بسیار کم، در سیستم قدرت خیلی مورد توجه قرار گرفتند. اما این منابع با عدم اطمینان همراه هستند، حل مشکل تعهد واحد به عنوان یک بهینه سازی سیستم برنامه قدرت سنتی مطرح شده است که تلاش میکند با تعیین واحد های ورود و خروج مطلوب و تولید بهینه در هر واحد کل هزینه تولید  را به حداقل رساند. سپس، در این مطالعه با استفاده از یک الگوریتم تکرار شونده به طور تصادفی با تخصیص توابع چگالی متناسب  با سرعت باد، عدم اطمینان از واحد باد تولید شده است در برنامه تعهد واحد . تجزیه و تحلیل UC با نیروی باد به منظور به حداقل رساندن هزینه کل سیستم انجام می شود. در این مقاله برای رسیدن به راه حل بهینه، یک الگوریتم جستجوکاکو فرا ابتکاری (CS) با سرعت همگرایی بالا استفاده می شود تا مشکل تعهد واحد با توجه IEEE  سیستم تست 10 واحد استاندارد را حل کند. نتایج شبیه سازی   کارآمدی روش پیشنهادی  را برای کاهش هزینه های تولید و بهبود سودها نشان میدهد.

References:

Aoife, M., Foley, G., Leahy, A., & Eamon, J. (2012)."Current methods and advances in forecasting of wind power generation." Renewable Energy, 37, 1-8.

Beurskens, L.W.M., & Hekkenberg, M.  (2010). "Renewable Energy  Projections as Published in the National Renewable Energy Action  Plans of the European Member St ates. ECN Policy Studies", ECN-E,10-069.

Carrion, M., & Arroyo, J.M. (2006)."A Computationally efficient mixed-integer linear formulation for the thermal unit commitment problem". IEEE Trans. Power Syst ,21(3),1371-1378.

Chandrasekaran, K., Hemamalini, S., Sishaj, P., & Simon, N. (2012)."Thermal unit commitment using binary/real coded artificial bee colony algorithm". Electric Power Systems,84,109– 119.                                                                                                 

Chen, C.L. (2008)." Optimal wind–thermal generating unit commitment". IEEE Trans Energy Convers, 23,273–80.

Ebrahimi, J., Hosseinian, S. H., & Gharehpetian, G.B. (2011)."Unit commitment problem solution using shuffled frog leaping algorithm". IEEE Trans. Power Syst, 26(2), 573-581.

 Enayati, M., & Mohammadi, S. (2015). Reducing Total Harmonic Content of 7-Level Inverter by Use of Cuckoo Algorithm. International Journal of Electronics Communication and Computer Engineering, 6(1), 2278–4209        

Ernst, B., Oakleaf, B., Ahlstrom, M., Lange, M., Moehrlen, M., Lange, B., Focken, U., & Rohrig, K. (2007). "Predicting the wind" .IEEE Power Energy Mag., 5(6), 78–89.

Govardhan, M., & Roy, R. (2015). Economic analysis of unit commitment with distributed energy resources". Eiecterical Power and Energy Systems,71,1-14.

Jager, D., & Andreas, A. (1996). NREL National Wind Technology Center (NWTC): M2 Tower; Boulder, Colorado (Data); NREL Report No. DA-5500-56489. http://dx.doi.org/10.5439/1052222.

Jeong, Y.W., Park, J.B., Jang S. H., & Lee K.Y. (2010). "A new quantum-inspired binary PSO: application to unit commitment problems for power system" .IEEE Trans. power syst,25(3) 1486-1495.

Jiang, R., Wang, J., & Guan, Y. (2012). "Robust unit commitment with wind power and pumped storage hydro".IEEE Trans. Power Syst,27(2), 800–810.

José, F., Restrepo, F., & Galiana, D. (2011). "Assessing the Yearly Impact of Wind Power Through a New Hybrid Deterministic/Stochastic Unit Commitment" .IEEE Transactions On Power Systems,26(1), 401-410.

Kerr, R.H., Scheidt, J.L., Fontana, A.J., &Wiley, J.k. (1966)."Unit commitment". IEEE Trans. Power App, 85(5), 417-421.

Kiviluoma, J., O’Malley, M., Tuohy, A., Meibom, P., Milligan, M., Lange, M., Holttinen, M., & Gibescu, M. (2011)."Impact of Wind Power on the Unit Commitment, Operating Reserves, and Market Design". IEEE International Conference Power & Energy society General Meeting.

Li, T., & Shahidehpour, M. (2005)."Price-based unit commitment: a case of Langrangian relaxation versus mixed integer programming". IEEE Trans. Power Syst,20(4),2015-2025.

Liu,Z., et al. (2011)." Optimal Siting and Sizing of Distributed Generators in Distribution Systems Considering Uncertainties". IEEE Transactions on Power Delivery, 26, 2541-2551.

Moghimi Hadji, M., & Vahidi,B.( 2012)."Solution to the Unit Commitment Problem Using Imperialistic Competition Algorithm". IEEE Transactions on Power Systems,27(1), 117-124.

Mohammadi, S., Mozafari, B., Solymani, S., & Niknam, T. (2014)." Stochastic scenario-based model and investigating size of energy storages for PEM-fuel cell unit commitment of micro-grid considering profitable strategies". IET Gene, Transm & Distrib, 8(7),1228–1243.

Pozo, D., & Contreras, J. (2013)."A Chance-Constrained Unit Commitment With an  n-k Security Criterion and Significant Wind Generation". IEEE Transactions on Power Systems, 28(3), 2842 – 2851.

Rajabioun, R. (2011)." Cuckoo Optimization Algorithm". Applied Soft Computing ,11 ,5508–5518. 

Rathore, CH., & Roy, R. (2016)."Impact of wind uncertainty, plug-in-electric vehicles and demand response program on transmission network expansion planning". Electrical Power and Energy Systems ,75 ,59–73. 

Sideratos, G., & Hatziargyriou, N. (2007). "An advanced statistical method for wind power forecasting". IEEE Trans. Power Syst, 22(1),258–26.

Taylor, J., McSharry, P., & Buizza, R. (2009). "Wind power density forecasting using ensemble predictions and time series models" .IEEE Trans. Energy Convers,24(3), 775–782.

Soleymani, S., Mosayebian, M., & Mohammadi, S.(2015). "A combination method for modeling wind power plants in power systems reliability evaluation".Computers and Electrical Engineering, 41, 28-39.

Swarup, K. S., & Yamashiro, S. (2002)."Unit commitment solution methodology using genetic algorithm". IEEE Trans power syst,17(1), 87-91.

Talebizadeh, E., Rashidinejad, M., & Abdollahi, A. (2014). "Evaluation of plug-in electric vehicles impact on cost-based unit Commitment".Journal of Power Sources,248 ,545-552.

Hetzer ,J., Yu, D., & Bhattarai ,K. (2008). "An economic dispatch model incorporating wind power". IEEE Trans Energy Convers,23,603–11. 

 Wang, Q., Guan, Y., & Wan, J. (2012). "A chance-constrained two-stage stochastic program for unit commitment with uncertain wind power output" .IEEE Trans. Power Syst, 27(1), 206–215.

wood, A. J., & Wollenberg, B. F. (1996). Power Generation Operation and Control. 2^nd Ed, New York, John Wiley and Sons.

Yousefi, A., Iu,H.H.C., Fernado, T., &Trinh ,H .( 2013). "An approach for wind power integration using demand side resources". IEEE Trans Sustain Energy,4,917–24.

Zhang, Y., Yao, F. C., Fernando, T., & Trinh, H. (2015). "Wind–thermal systems operation optimization considering emission problem". Electr Power Energy Syst,65,238–45.

Zhang,H., & Li, P . (2010)."Probabilistic analysis for optimal power flow under uncertainty", IET Gener. Transm. Distrib,4(5), 553–561.

Zhao, C., Wang, J., Watson, J.P., & Guan, Y. (2013). "Multi-stage robust unit commitment considering wind and demand response uncertainties". IEEE Trans Power Syst,28(3), 2708–2717.