تعیین قیمت بهینه برای برنامه های پاسخگویی بار با هدف بهبود همزمان سود مصرف کنندگان و ضریب بار شبکه

در این مقاله یک طرح قیمت گذاری زمان حقیقی و پویا برای برنامه های پاسخگویی بار پیشنهاد می گردد که بطور همزمان سود مصرف کنندگان و نهاد خدمت رسان بار (lse) را افزایش می دهد و علاوه بر آن ضریب بار شبکه بهبود می یابد. این امکان برای مصرف کنندگان وجود دارد که انرژی مورد نیاز خود را از بازار خرده فروشی خریداری نمایند یا در طرح ارائه شده توسط lse مشارکت نمایند و قیمتی که lse ارائه می دهد را برای مصرف انرژی خود پرداخت نمایند. از طرفی lse برای تشویق مصرف کنندگان به شرکت در طرح پیشنهادی و حداکثرسازی سود خود، به مصرف کنندگان تضمین می دهد که قیمت پویایی که توسط این نهاد تعیین می شود در هر ساعت کمتر یا برابر با قیمت بازار خرده فروشی خواهد بود. از طرفی lse تلاش می کند تا قیمت ارائه شده از ایجاد اوج بار جدید در زمان هایی با قیمت برق پایین جلوگیری نماید. مدل ارائه شده بصورت یک بهینه سازی چند هدفه و دوسطحی مدل شده است. سطح بالای بهینه سازی بصورت چند هدفه می باشد و به حداکثرسازی سود lse و بهبود ضریب بار شبکه می پردازد و در سطح پایین بهینه سازی سود مصرف کنندگان مدل شده است. مدل ارائه شده با استفاده از نرم افزار gamsحل شده است و نتایج ارائه شده، کارایی مدل پیشنهادی را نشان می دهد.

Optimal Pricing Design for Demand Response Programs with the aims of simultaneously improving the profits and load factor

In this paper, a Real Time Pricing (RTP) design is proposed for Demand Response Programs (DRP) that it increases the benefit of the consumers and Load Serving Entity (LSE), in addition, improves the load factor (LF) of the network. It is possible for consumers to buy their energy from the retail market or participate in the LSE scheme and they will be paid the LSE price. The LSE ensures consumers that the dynamic price determined is less or equal to the retail price to encourage consumers to participate in the proposed scheme and maximize its profits. On the other hand, The LSE is tried to design prices that prevent a new peak demand. The proposed model is modeled as a multiobjective and bilevel optimization. The upper level of optimization is multiobjective, and it maximizes the LSE benefit and improves the network load factor. The benefit of customers is modeled in the lower level of this problem. The proposed model is solved using GAMS software and the results show the efficiency of the proposed model.