مقایسۀ روش‌های تخمین نقطه‌ای و شبیه‌سازی مونت کارلو در حل پخش توان بهینۀ احتمالاتی با لحاظ عدم قطعیت‌های منابع تجدیدپذیر

نفوذ روزافزون انرژی‌های تجدیدپذیر با توجه به عدم قطعیت‌های ناشی از آن‌ها، سبب بروز تغییراتی در ابزار‌های مرسوم برنامه‌ریزی و بهره‌برداری سیستم‌های قدرت شده است. تغییرات احتمالاتی توان هنگام نفوذ انرژی‌های تجدیدپذیر به‌وسیلۀ پخش توان قطعی نمی‌توانند تحلیل شوند، زیرا انرژی‌های تجدیدپذیر همواره دارای عدم قطعیت‌هایی می‌باشند. پخش توان بهینۀ احتمالاتی یکی از ابزار‌های مفید برای تجزیه و تحلیل سیستم‌های قدرت در شرایط حضور عدم قطعیت‌هاست. هدف از این مقاله بررسی اثرات عدم قطعیت‌های انرژی بادی و نیروگاه خورشیدی روی یک شبکۀ نمونۀ استاندارد با استفاده از روش پخش توان بهینۀ احتمالاتی است. در این مقاله، سیستم استاندارد 89 شینه pegase اروپاست. از جمله نوآوری‌های این مقاله مقایسۀ روش‌های شبیه‌سازی مونت کارلو و تحلیلی مشتمل بر روش‌های تخمین نقطه‌ای است. تحلیل و مقایسه نتایج نشان می‌دهد که در روش‌های تحلیلی به‌دلیل اینکه از نقاط کمتری برای بهینه‌سازی استفاده می‌شود، پخش توان بهینه سریع‌تر محاسبه می‌شود؛ که این موضوع سبب افزایش بهره‌وری محاسبه خواهد شد. نتایج مقایسۀ اجرای روش‌های مذکور روی سیستم نمونه 89 شینه نشان‌دهندۀ کاهش تقریبی زمان محاسبه به میزان تقریبی 92 و 93 درصد به‌ترتیب در مورد روش‌های تخمین دو و سه‌نقطه‌ای نسبت به روش مونت کارلو می‌باشد. این در حالی است که نتیجۀ حاصل از انجام پخش توان بهینه با روش‌های فوق تفاوت‌های تقریباً قابل اغماضی را به‌ترتیب به میزان 5/2 درصد کاهشی و افزایشی تجربه می‌کند.

Applying Point Estimation and Monte Carlo Simulation Methods in Solving Probabilistic Optimal Power Flow Considering Renewable Energy Uncertainties

The increasing penetration of renewable energy results in the change of the traditional power system planning and operation tools. As the generated power by the renewable energy resources are probabilistically changed, the certain power system analysis toll cannot be applied in this case. The probabilistic optimal power flow is one of the most useful tools regarding the power system analysis in the presence of uncertainties. In this paper, Monte Carlo simulation and point estimation methods are used to solve the POPF in the presence of wind and solar sources uncertainties. These methods are simulated on the PEGASE 89 ndash;bus European system. The most important novelty of this paper is arising from the comparison of detailed studies of point estimation methods with the Monte Carlo simulation method. As the obtained results confirm, the point estimation methods lead to an increase in the computing time efficiency in comparison to the Monte Carlo simulation method. Also, an increase in the number of sampling points in PEMs will result in an increase in the accuracy of the obtained results, while the computing time is still lower than the Monte Carlo simulation method.