آنالیز حساسیت در سیستم‌های انرژی چند حاملی با رویکرد کاهش هزینه بهره‌برداری

سیستم‌های انرژی چند حاملی نقش بزرگی را در بهره‌برداری از شبکه‌های قدرت تجدید ساختار یافته ایفا می‌کنند. با توجه به اینکه معمولاً در پژوهش‌های گذشته، تنها به مدل‌سازی حامل‌های انرژی ورودی و بهینه‌سازی هزینه بهره‌برداری نهایی سیستم پرداخته‌شده است، در این مقاله آنالیز حساسیت کمیت‌های خروجی نسبت به پارامترهای ورودی به همراه تاثیر ریسک قیمت بر عملکرد اپراتور بازار برق، مورد مطالعه قرار می‌گیرد. آنالیز حساسیت حامل‌های انرژی که نوآوری اصلی این مقاله می‌باشد، نقش مهمی را در تصمیم‌گیری‌های اپراتور شبکه بازی می‌کند. به بیان دیگر iso و سیستم کنترل حاکم بر مدیریت انرژی و بهره‌برداری از هاب مد نظر، باید قادر باشند تا سهم هر یک از حامل‌های انرژی را به نحوی تعیین کنند که در شرایط اضطراری یا همان پدافند غیر عامل، کمترین انرژی مصرف شود و بیشترین بازدهی نیز پدید آید. این موضوع از طریق تغییر در میزان سهم انرژی در حامل‌های ورودی برای جبران کمبود حامل‌های غایب و همچنین تاثیر آن‌ها در تامین میزان بار الکتریکی و حرارتی خروجی، با رویکرد کاهش هزینه بهره‌برداری و میزان انرژی تامین نشده، بررسی می‌شود. شایان ذکر است که ریسک تصمیم‌گیری در این مقاله با مدل cvar شبیه‌سازی شده و افق زمانی تحت مطالعه نیز چهار هفته می‌باشد.

sensitivity analysis in multi-carrier energy systems considering operation costs minimization

multi-carrier energy systems play an important role in reconfigured power networks. according to the recent researches, only the energy carriers modeling and system optimization are taken into account, however the sensitivity analysis of output parameters due to input variables variations considering price risk, are being studied in this paper. the sensitivity analysis make the independent system operator (iso) very precisionist to the carriers-based decisions. in other word, the iso and the whole control system have to be able to determine each share of all energy carriers considering emergency conditions or passive defense, low consumption and high efficiency. this goal will be achieved through energy carriers sharing variations to compensate the lack of the other resources. all of thermal and electrical demand are procured and the energy not supplies will be calculated in each scenario. the risk modeling used in this study is formulated based on conditional value at risk (cvar) in four weeks time horizon.