برنامه‌ریزی خطی آمیخته با اعداد صحیح برای برنامه‌ریزی مشارکت واحدهای حرارتی با در نظر گرفتن عدم قطعیت بار، منابع تجدیدپذیر و خودروهای الکتریکی

هزینه بسیار پایین استفاده از منابع انرژی تولید انرژی تجدیدپذیر بادی و خورشیدی از یک‌سو و افزایش انتشار گازهای گلخانه‌ای و قیمت سوخت از سوی دیگر، موجب رشد هم‌زمان استفاده از منابع تجدیدپذیر و خودروهای الکتریکی شده است. در این مقاله یک مدل ریاضی خطی آمیخته با عدد صحیح به‌منظور برنامه‌ریزی احتمالاتی مشارکت واحدهای حرارتی با هدف حداقل کردن هم‌زمان هزینه بهره‌برداری و انتشار آلاینده‌ها در حضور منابع تجدیدپذیر و خودروهای الکتریکی دارای قابلیت شارژ و دشارژ پیشنهاد شده است. خودروهای الکتریکی دارای قابلیت خودرو به شبکه می‌توانند به‌عنوان واحد ذخیره‌ انرژی در یک شبکه هوشمند عمل کرده و در صورت نیاز به‌عنوان منبع تولید انرژی به شبکه متصل شوند. لذا در این مقاله از یک تجمیع کننده برای هماهنگی شارژ و دشارژ خودروهای الکتریکی استفاده شده است. از سوی دیگر، عدم قطعیت در پیش‌بینی توان تولیدی منابع تجدیدپذیر، برنامه‌ریزی شارژ و دشارژ خودروهای الکتریکی و مشارکت واحدهای حرارتی را پیچیده می‌کند بنابراین در این مقاله از روش شبیه‌سازی مونت‌کارلو برای مدل‌سازی عدم قطعیت در پیش‌بینی توان تولیدی منابع تجدیدپذیر بادی و خورشیدی و بار مصرفی شبکه استفاده شده است. نتایج به دست آمده از شبیه‌سازی‌ها نشان می‌دهند که مدل خطی پیشنهادی و به‌کارگیری روش فاصله احتمالاتی جهت کاهش تعداد سناریوها، علاوه بر به حداقل رساندن هم‌زمان هزینه‌های بهره‌برداری واحدهای حرارتی و انتشار آلاینده‌ها، زمان رسیدن به جواب بهینه را به طرز چشمگیری کاهش داده است.

Mixed integer Linear Programming for Thermal Units unit commitment considering Load Uncertainty, Renewable resources and Electric Vehicles

The very low cost of renewable energy resources and the increase of the greenhouse gas emissions and fuel cost have led to a simultaneous increase in utilizing the renewable energy resources (RESs) and electric vehicles (EVs). In this paper, a mixedinteger linear programming (MILP) model is proposed for the stochastic unit commitment problem with the aim of minimizing the operation cost and the emission in the presence of EVs and RESs. EVs with the capability of vehicletogrid (V2G) can operate as energy storage units in the smart grid and, if necessary, be connected to the network as generation resources. In this paper, an aggregator is responsible for coordinating the charging and discharging of EVs. The RESs uncertainties has complicated the management of electric vehicles and the unit commitment problem. Therefore, in this paper, Monte Carlo simulation method is used for modeling the uncertainties of the wind and solar power and the load demand. The simulation results show that the simultaneous utilization of the proposed MILP model and the probability distance method for reducing the number of scenarios, can minimize the operation cost of thermal units and pollutant emissions while reduces the solution time, significantly