برنامه‌ریزی احتمالی سیستم قدرت در حضور خودروهای برقی با در نظرگرفتن عدم‌‌قطعیت منابع انرژی تجدیدپذیر

با پیشرفت روزافزون علوم و جوامع بشری و نیز افزایش آلایندگی‌های هوا و دمای کره‌‌ زمین، نیاز به انرژی‌های تجدیدپذیر و خودرو‌‌های برقی بیش از پیش افزایش یافته ‌است. در این میان بهره‌برداری از مزارع بادی و سلول‌های خورشیدی، به‌دلیل توانایی تولید بیشتر، مقبولیت عام‌تر و مقرون به صرفه‌تر بودنشان از جایگاه ویژه‌ای برخوردارند. تنها چالش موجود پیش روی استفاده از انرژی‌های نو، عدم ‌قطعیت در تولیدشان به‌دلیل نبود تابش خورشید و وزش باد به‌طور پیوسته در ساعات مختلف از شبانه‌روز است. در این مقاله، مسئله برنامه‌ریزی احتمالی سیستم قدرت در حضور خودروهای برقی (v2g) و منابع انرژی تجدیدپذیر با استفاده از یک مدل خطی ترکیبی عدد صحیح (milp) حل شده است. در مدل پیشنهادی با استفاده از روش خودهمبسته میانگین متحرک (arma)، سناریو‌های مختلف برای سرعت باد و ضریب تابش خورشید ایجاد شده است. همچنین، از روش ماتریس فاصله کانتروویچ برای کاهش سناریوهای تولیدشده استفاده می‌شود. در مدل پیشنهادی روش ارزش در معرض خطر مشروط (cvar) برای ارزیابی و مدیریت ریسک ناشی از عدم‌ قطعیت‌های مسئله پیشنهادی استفاده شده است. علاوه بر این، استفاده از ظرفیت توان ذخیره‌شده در باتری خودروهای برقی در پوشش عدم ‌قطعیت تولید منابع انرژی بادی و خورشیدی ارزیابی شده است. همچنین، در مدل پیشنهادی تمامی منابع انرژی تجدیدپذیر و ایستگاه‌های v2g در شبکه جایابی شده‌اند. شبکه اصلاح‌شده 24 باسه ieee شامل دو مزرعه بادی، سه مزرعه خورشیدی و سه ایستگاه v2g به‌عنوان شبکه نمونه بررسی شده‌‌ است. نتایج حاصل از شبیه‌سازی در محیط نرم‌افزار گمز نشان می‌دهند ظرفیت توان ذخیره‌شده در ایستگاه‌های v2g در پوشش عدم ‌قطعیت مزارع بادی و خورشیدی نقش بسزایی را ایفا می‌کند.

Power system probabilistic scheduling with electric vehicles considering renewable energy sources uncertainties

With the increasing development of human science and societies as well as increased air pollution and global temperature, the need for renewable energy and electric vehicles has increased more than ever. Wind farms, as well as solar cells have a special place because of their greater production capacity, more general acceptability and costeffectiveness. The main challenge in RESs development is uncertainty in their generation due to lack of continuous availability of adequate wind speed and solar radiation during 24 hours of day. In this paper, a mixed integer linear programming (MILP) model is proposed for power system probabilistic scheduling considering electric vehicles and RESs. In the proposed model, autoregressive moving average (ARMA) approach is employed to generate scenarios for wind speed and solar radiation. Besides, a technique based on Kantorovich distance matrix is employed to reduce the generated scenarios. Conditional value at risk (CVaR) method is used for management and analysis of risks due to the system uncertainties. Moreover, the efficiency of electric vehicles batteries to cover the uncertainties of RESs is evaluated. Furthermore, the optimal placement of Vehicle to grid (V2g) stations and RESs (wind and solar farms) are determined. Modified IEEE 24bus test system including two wind farms, three solar farms and three V2g stations is studied to verify the effectiveness of the proposed model. Results of simulation in Gams software environment demonstrate that the power stored in V2g stations play an effective role in covering the uncertainties of wind and solar farms power generation.