مدلی ترکیبی از بهینه‌سازی مقاوم برای مدیریت روز پیشرو شبکه‌های توزیع فعال

در این مقاله، مدلی ترکیبی از بهینه‌سازی مقاوم روز پیشرو برای شبکه‌های توزیع فعال با لحاظ شرایط زمان حقیقی ارائه‌شده است. حفظ ساختار محدب مسئله با لحاظ محدودیت‌های شبکه و تلفات توان، از مهم‌ترین هدف این مقاله در چگونگی مدل‌سازی مقاوم عدم قطعیت‌ها است. برای این‌منظور از ترکیب بهینه‌سازی مقاوم با تحقق بدترین حالت از وقوع و رویکرد ریسک‌گریز تئوری تصمیم‌گیری شکاف اطلاعاتی برای مدلسازی عدم قطعیت‌های 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 مدل‌سازی شده‌اند. علاوه بر آن، برای داشتن یک مدل دقیق از برنامه‌ریزی روز پیشرو در حضور شرایط نامطمئن زمان حقیقی، یک فرمول‌بندی جدید مبتنی بر بهینه‌سازی دوسطحی تجزیه بندرز پیشنهاد‌شده است. در سطح اول این مدل، مسئله روز پیشرو قرار دارد که یک مدل خطی و قطعی آمیخته با اعداد صحیح است. برنامه‌ریزی اولیه واحدها و میزان تبادل توان با بازار روز پیشرو در مقادیر پیش‌بینی‌شده پارامتر‌های نامطمئن در این سطح تعیین می‌شود. مسئله زمان حقیقی با لحاظ عدم قطعیت‌ها در سطح دوم قرار داده‌شده است. این مساله یک مدل محدب مقاوم است که هدف آن، بهینه‌سازی هزینه‌ تغییر در تولید منابع قابل‌برنامه‌ریزی و تعیین میزان تبادل توان با بازار زمان حقیقی جهت پوشش عدم قطعیت‌ها و محدودیت‌های شبکه است.

A Hybrid Robust Optimization Model for Day-Ahead Management of Active Distribution Networks

In this paper, a hybrid dayahead robust optimization model is presented for the optimal operation of active distribution networks subject to realtime operation. Maintaining the convex structure of the problem with load flow equations is the most important goal in how to robust modeling of uncertainties. For this purpose, the combination of the robust optimization with the worst case realization and riskaverse model of informationgap decision theory has been applied for realtime uncertainties modeling. The first approach is used for the uncertainty modeling of the realtime market price and the latter is used for modeling of the loads and renewable generations uncertainties. A new and more accurate formulation is presented for modeling of the dayahead planning in the presence of uncertain realtime operation based on twostage optimization of the benders decomposition. The dayahead optimization is formulated in the first stage as a deterministic mixed integer linear programming. Initial dispatch of the generators and power exchange with the dayahead market are determined in the first stage. At the second stage, the realtime optimization has been placed with the aim of redispatch of the generators and power exchange with the realtime market in the presence of the uncertainties and network constraints.