استراتژی بهینۀ پیشنهاددهی تولیدکننده شامل ذخیره‌ساز‌ انرژی هوای فشرده در بازارهای انرژی و ذخیره با استفاده از برنامه‌ریزی تصادفی

با تجدید ساختار صنعت برق و همچنین گسترش روزافزون منابع انرژی تجدیدپذیر، عدم قطعیت‌های موجود در سیستم افزایش یافته‌اند. این امر سبب افزایش توجه به روش‌های برنامه‌ریزی توسط تولیدکنندگان شده است. در این مقاله، روشی جدید برای برنامه‌ریزی مبتنی بر سود یک شرکت تولیدکننده (genco) متشکل از ذخیره‌ساز انرژی هوای فشرده (caes) به‌همراه نیروگاه‌های بادی و حرارتی ارائه شده است. در الگوریتم پیشنهادی با توجه به عدم قطعیت قیمت‌های انرژی و ذخیرۀ چرخان، مقدار ذخیرۀ فراخوانی‌شده، هزینۀ عدم توازن و توان تولیدی واحد بادی، از بهینه‌سازی تصادفی استفاده شده است. این برنامه‌ریزی برای شرکت تولیدکننده در بازارهای روزپیش انرژی و ذخیرۀ چرخان ارائه شده است. روش پیشنهادی ابتدا روی یک سیستم نمونه از مقالۀ دیگری اعمال شده که مقایسۀ نتایج آن با نتایج روش قبلی، بیانگر قابلیت روش پیشنهادی در برنامه‌ریزی واحدهای caes است. در نهایت از اطلاعات یک سیستم قدرت واقعی برای ارائۀ نتایج تکمیلی الگوریتم پیشنهادی استفاده شده است.

Optimal Bidding Strategy of a GenCo Owning CAES in Energy and Reserve Markets using Stochastic Programming

With the electricity industry restructuring along with the increasing expansion of renewable energy sources, the uncertainties in the system have increased. This has led to increased attention to electricity producers rsquo; bidding methods. A new method has been proposed in this paper for the profitbased selfscheduling of a generation company (Gen Co.) comprising a compressed air energy storage (CAES) along with wind and thermal power plants. stochastic optimization has been used in the proposed algorithm due to the uncertainties of parameters like energy and spinning reserve prices, the amount of calledon reserve, the imbalance cost and wind power generation,. The Gen Co rsquo;s optimal bids for energy and spinning reserve markets are obtained. The proposed method is initially applied to a test system from another paper; comparing its results with the results of the previous method demonstrates the capability of the proposed method in the scheduling of CAES units. Finally, the data of a real power system are used to present the complementary results of the proposed algorithm.