مدل برنامه ریزی پویا تک مرحله‌ای توسعه شبکه انتقال در بازار برق رقابتی

محورهای موضوعی : مهندسی قدرت

حمید گرجی پور ¹ (گروه مهندسی برق، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران)
مجتبی نجفی ² (گروه مهندسی برق، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران)
نقی مودبی پیرکلاهچاهی ³ (گروه مهندسی برق، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران)

تاریخ دریافت : 1401/04/01 تاریخ پذیرش : 1401/07/16 تاریخ انتشار : 1403/05/23

کلید واژه: بازار برق رقابتی, قیمت‌گذاری حاشیه محلی, پرشدگی خطوط, برنامه‌ریزی توسعه انتقال,

چکیده مقاله :

برنامه¬ریزی توسعه انتقال با هدف تقویت و نوسازی تجهیزات شبکه انجام می¬شود. در این برنامه¬ریزی، رشد سالانه بار تأمین می‌شود تا امنیت شبکه برقرار شود. در بازار برق رقابتی، این برنامه¬ریزی با هدف کاهش پرشدگی خطوط انجام می¬شود. در مدل¬های پیشین، قیمت‌گذاری حاشیه محلی با استفاده از پخش بار محاسبه می¬شد و سپس بر اساس آن، برنامه¬ریزی توسعه انتقال اجرا می¬شد. مشکل این روش، عدم در نظرگیری ارتباط قیمت‌گذاری حاشیه محلی به تغییرات پیکربندی شبکه بود. به بیان بهتر، قیمت¬گذاری حاشیه محلی در زمان اجرای برنامه¬ریزی توسعه انتقال، ثابت نیست و باید به صورت دینامیکی در مدل در نظر گرفته شود. در این مقاله وابستگی دینامیکی قیمت¬گذاری حاشیه محلی به تغییر آرایش شبکه انتقال و پیشامدهای ناگهانی در شبکه مدل شده است. این مدل به صورت برنامه¬ریزی خطی عدد صحیح تک مرحله¬ای درآمده است و با ادغام نرم‌افزارهای یالمیپ (YALMIP) و موسک (Mosek) حل شده است. مدل پیشنهادی به واقعیت نزدیک¬تر است، هرچند زمان محاسبات بیشتری نیاز دارد. منظور از مدل تک‌مرحله‌ای، محاسبه هم‌زمان قیمت‌گذاری حاشیه محلی و برنامه¬ریزی توسعه است. شبکه 6 باس گارور و 24 باس IEEE بررسی شده است. اثرات مربوط به نرخ بهره، نسبت بار به ظرفیت تولید، نرخ رشد بار در مدلسازی بررسی شده است. مدل مبتنی بر پیشامدهای ناگهانی با در نظرگیری خرابی خطوط انتقال ارائه شده است و راه¬کاری مقاوم و قابل اعتماد ارائه شده است که امنیت شبکه را در دسته پیشامدهای احتمالی از پیش تعیین شده تضمین می¬کند. این مدل پرهزینه¬تر اما منعطف¬تر از مدل¬های پیشین است.

چکیده انگلیسی:

Transmission Expansion planning (TEP) recommends the most beneficial investment to construct/ reinforce the power system. In this short or middle time planning the annual load growth of the power system must be met considering the stability, security and reliability of the network. In the competitive market the planners can include market behavior in the TEP to manage the congestion. Before traditional TEP, the local marginal pricing (LMP) is calculated offline without considering the dependency of the LMP to the network topology. But, the LMP is not constant during the TEP and must be included in the model dynamically. Here, the dynamic dependency of LMP to the transmission system topology is modelled as a single stage mixed-integer linear programming and solved by YALMIP and MOSEK software. The proposed model is more realistic; however, it takes more computation time. The single stage means the simultaneous calculation of LMPs and expansion planning in the model. The model has been applied to Garver 6-bus and the IEEE 24-bus network. The effect of interest rate, the load to generation capacity factor and load growth on the TEP model are analysed. The model considers the contingency of line outages and presents a robust solution to guarantee the system security. It offers flexible solutions with higher cost.

highlight:

ارائه مدل ترکیبی خطی عدد صحیح برای برنامه­ریزی توسعه شبکه انتقال در بازار برق رقابتی

برنامه­ریزی پویا مبتنی بر قیمت گذاری حاشیه محلی بدون نیاز به محاسبه قیمت گذاری حاشیه محلی به صورت جداگانه

ترکیب دو نرم افزار حل مسائل بهینه سازی به نام های MOSEK و YALMIP جهت افزایش دقت و سرعت محاسبات

پیاده­سازی مدل برای شبکه 6 باس گارور و 24 باس IEEE

در نظرگیری پیشامدهای ناگهانی در مدل و مقاوم سازی مساله نسبت به آن

منابع و مأخذ:

[1] E. Naderi, M. Pourakbari-Kasmaei and M. Lehtonen, "Transmission expansion planning integrated with wind farms: A review, comparative study, and a novel profound search approach," International Journal of Electrical Power & Energy Systems, vol. 115, p. 105460, 2020, doi: 10.1016/j.ijepes.2019.105460.
[2] M. Esmaili, M. Ghamsari-Yazdel, N. Amjady, C. Y. Chung and A. J. Conejo, "Transmission Expansion Planning Including TCSCs and SFCLs: A MINLP Approach," in IEEE Transactions on Power Systems, vol. 35, no. 6, pp. 4396-4407, Nov. 2020, doi: 10.1109/TPWRS.2020.2987982.
[3] S. L. Gbadamosi and N. I. Nwulu, "Reliability assessment of composite generation and transmission expansion planning incorporating renewable energy sources," Journal of Renewable and Sustainable Energy, vol. 12, no. 2, p. 026301, 2020, doi: 10.1063/1.5119244.
[4] A. S. Zakeri, O. A. Gashteroodkhani, I. Niazazari and H. Askarian-Abyaneh, "The effect of different non-linear demand response models considering incentive and penalty on transmission expansion planning," European Journal of Electrical Engineering and Computer Science, vol. 3, no. 1, 2019, pp. 1-17, doi: 10.24018/ejece.2019.3.1.57.
[5] M. Mehrtash and A. Kargarian, "Risk-based dynamic generation and transmission expansion planning with propagating effects of contingencies," International Journal of Electrical Power & Energy Systems, vol. 118, p. 105762, 2020, doi: 10.1016/j.ijepes.2019.105762.
[6] M. Parham and S. Mortazavi, "Optimization of random scheduling combining wind farm and storage pumps in the electricity market," Journal of Southern Communication Engineering, vol. 9, no. 34, 2020.
[7] M. Khadem and M. Najafi, "Demand Planning and Transmission Network Development in the Capacity Market Using Microgrids," Journal of Southern Communication Engineering, vol. 11, no. 41, pp. 43-58, 2021.
[8] V. K. Yadav, K. Singh, and S. Gupta, "Market-oriented transmission expansion planning using non-linear programming and multi-criteria data envelopment analysis," Sustainable Energy, Grids and Networks, vol. 19, p. 100234, 2019, doi: 10.1016/j.segan.2019.100234.
[9] D. S. Stock, Y. Harms, D. Mende, and L. Hofmann, "Robust nonlinear mathematical transmission expansion planning based on German electricity market simulation," Electric Power Systems Research, vol. 189, p. 106685, 2020, doi: 10.1016/j.epsr.2020.106685.
[10] R. Hejeejo and J. Qiu, "Probabilistic transmission expansion planning considering distributed generation and demand response programs," IET Renewable Power Generation, vol. 11, no. 5, pp. 650-658, 2017, doi: 10.1049/iet-rpg.2016.0725.
[11] L. Baringo and A. Baringo, "A stochastic adaptive robust optimization approach for the generation and transmission expansion planning," IEEE Transactions on Power Systems, vol. 33, no. 1, pp. 792-802, 2017 , doi: 10.1109/TPWRS.2017.2713486.
[12] M. Khakpoor, M. Jafari‐Nokandi and A. A. Abdoos, "Dynamic generation and transmission expansion planning in the power market–based on a multiobjective framework," International Transactions on Electrical Energy Systems, vol. 27, no. 9, p. e2353, 2017, doi: 10.1002/etep.2353.
[13] M. Khadem and M. Esmaeilbeig, "Optimize the Number, Locating, and Sizing of D-STATCOM and DGs Using GA Algorithm," Journal of Southern Communication Engineering, vol. 11, no. 41, pp. 29-42, 2021.
[14] R. Hemmati, R. A. Hooshmand and A. Khodabakhshian, "Comprehensive review of generation and transmission expansion planning," IET Generation, Transmission & Distribution, vol. 7, no. 9, pp. 955-964, 2013, doi: 10.1049/iet-gtd.2013.0031.
[15] I. C. Gonzalez‐Romero, S. Wogrin and T. Gómez, "Review on generation and transmission expansion co‐planning models under a market environment," IET Generation, Transmission & Distribution, vol. 14, no. 6, pp. 931-944, 2020, doi: 10.1049/iet-gtd.2019.0123.
[16] S. M. Mousavi and T. Barforoushi, "Strategic wind power investment in competitive electricity markets considering the possibility of participation in intraday market," IET Generation, Transmission & Distribution, vol. 14, no. 14, pp. 2676-2686, 2020, doi: 10.1049/iet-gtd.2019.1237.
[17] M. Karimi, A. Pirayesh and M. Kheradmandi, "Participation of generating companies in transmission investment in electricity markets," IET Generation, Transmission & Distribution, vol. 12, no. 3, pp. 624-632, 2018, doi: 10.1049/iet-gtd.2017.0413.
[18] S. Majumder, R. Shereef and S. A. Khaparde, "Two‐stage algorithm for efficient transmission expansion planning with renewable energy resources," IET Renewable Power Generation, vol. 11, no. 3, pp. 320-329, 2017, doi.org/10.1049/iet-rpg.2016.0085.
[19] L. L. Garver, "Transmission Network Estimation Using Linear Programming," in IEEE Transactions on Power Apparatus and Systems, vol. PAS-89, no. 7, pp. 1688-1697, Sept. 1970, doi: 10.1109/TPAS.1970.292825.
[20] A. De Paola, D. Papadaskalopoulos, D. Angeli and G. Strbac, "Investigating the social efficiency of merchant transmission planning through a non-cooperative game-theoretic framework," IEEE Transactions on Power Systems, vol. 33, no. 5, pp. 4831-4841, 2018, doi: 10.1109/TPWRS.2018.2817360.
[21] R.-C. Leou, "A multi-year transmission planning under a deregulated market," International Journal of Electrical Power & Energy Systems, vol. 33, no. 3, pp. 708-714, 2011, doi: 10.1016/j.ijepes.2010.11.020.