برنامه زمان‌بندی بهینه سیستم‌های ذخیره‌سازی انرژی با مالک خصوصی مبتنی بر بهینه سازی ترکیبی تصادفی- مقاوم در بازارهای انرژی و خدمات جانبی

در این مقاله، مساله مشارکت یک ذخیره‌ساز باتری (bes) ، در بازار روز آتی (dam) و زمان واقعی (rtm) در سه حالت بازار همزمان انرژی و توان‌ راکتیو (jerpm) ، بازار انرژی (em) و بازار انرژی- رزرو (erm) )، با رویکرد ترکیبی بهینه‌سازی تصادفی- مقاوم (sro) مدل‌سازی شده و سعی بر حداکثرسازی سود ذخیره‌ساز در مواجه با عدم‌قطعیت قیمت‌ها دارد. در مدل پیشنهادی، در مرحله اول تصمیم‌گیرنده یا مالک bes، قیمت‌های انرژی، رزرو و توان‌ راکتیو در هر بازار را با توجه به اطلاعات شبکه پیش‌بینی می‌کند. در مرحله دوم، با تعیین بازه عدم‌‌قطعیت قیمت‌ها برای dam و rtm، بهینه‌سازی مقاوم با هدف بیشینه‌سازی سود مالک bes با استفاده از روش تشکیل همتای مقاوم تابع هدف و تئوری دوگان اجرا می‌شود. در مرحله بعد، با تعریف سناریوهای مختلف برای بودجه مقاوم، برنامه‌ریزی تصادفی (sp) به هریک از این سناریوها، احتمالی را تخصیص می‌دهد. سپس، سود نهایی هر بازار از طریق وزن‌دهی احتمالاتی محاسبه شده و در نهایت بازار با سود بیشتر بعنوان بازار مشارکت، انتخاب می‌گردد. فرمول‌بندی پیشنهادی بر اساس مدل برنامه‌ریزی غیرخطی آمیخته با عدد صحیح (minlp) در محیط نرم‌افزار gams پیاده‌سازی شده و نتایج نشان‌دهنده حداکثر سودآوری bes درem بوده (%21 بیشتر) و همچنین نشان می‌دهد مشارکت در تامین خدمات جانبی مانند رزرو جهت تامین امنیت در پیشامدهای شبکه و توان راکتیو جهت حفظ پایداری و کاهش هزینه و تلفات، علیرغم کاهش سود، منجر به خنثی‌سازی تاثیر منفی عدم‌قطعیت‌ها در سود bes می‌شود.

optimal scheduling of energy storage systems with private ownership based on a stochastic-robust hybrid optimization model in energy and ancillary services markets

in this paper, the problem of participation of a battery energy storage (bes) in the day-ahead market (dam) and real-time market (rtm) in three cases including joint energy and reactive power market (jerpm), energy market (em) and energy and reserve market (erm) is modeled based on a hybrid stochastic robust optimization (sro) model and it tries to maximize the profit of the bes owner in the face of uncertainty pertaining to the market prices. in the proposed model, in the first step, the decision maker or bes owner predicts energy, reserve and reactive power prices in each market according to historical network information. in the second step, by determining the uncertainty interval of prices for dam and rtm, robust optimization is implemented aiming at maximizing the profit of the bes owner using a model of forming a robust counterpart of the objective function and dual theory. in the next step, by defining some different scenarios for the robust budget, stochastic programming (sp) assigns a probability to each scenario. then, the final profit of each market is calculated through probabilistic weighting, and finally the market with more profit is opted as considered participation market. the proposed formulation based on the mixed integer nonlinear programming (minlp) model is implemented in the gams software environment and the results demonstrate the maximum profitability of bes in em (21% more) and also show participation in providing ancillary services, such as reserve to provide security in incidents and reactive power to maintain stability and reduce cost and losses, despite the decrease in profit, leads to neutralizing the negative impact of uncertainties in the bes profit..