چنانچه بیان شد، نیروگاه مجازی از واحدهای تولید پراکنده (DG) تشکیل شده است. در این فصل به معرفی دو شبکه و شبیه سازی و تحلیل نتایج مربوط به هر یک از آنها پرداخته شد. علت انتخاب واحدهای CHP به عنوان واحدهای تولید پراکنده در این پژوهش، تولید انرژی این واحدها با هزینه ای نزدیک به هزینه ی نیروگاه های سنتی می باشد.
همچنین عدم قطعیت قیمت و تقاضا به منظور تاثیر بر پارامترهای مختلف مساله به همراه سناریو های مختلف اعمال گردید. جهت مدل سازی این عدم قطعیت ها از توابع نرمال لگاریتمی و نرمال استفاده شد. از نتایج شبیه سازی می توان به تاثیر مقادیر مختلف انحراف معیار بر واحدهای تولیدی اشاره نمود، به نحوی که با افزایش میزان انحراف معیار، پراکندگی افزایش یافته و در طبع آن تولیدات دستخوش تغییرات کاهشی شده است. همچنین می توان بیان نمود سود نیروگاه با دلایل متفاوتی مانند:ورود نیروگاه مجازی به بازار رزرو به علت بالا بودن قیمت رزرو در مقایسه با دیگر نرخ های بازار انرژی و اضافه شدن واحدهای CHP به سبب بیشتر شدن فرصت تولیدات، افزایش می یابد.
از مطالعه ی سناریوهای مختلف می توان این نکته را استنباط نمود که استفاده از روش مونت کارلو، ابزار مناسبی جهت متوقف سازی روند شبیه سازی می باشد. به دلیل آنکه با افزایش تعداد تکرارها در این روش، همگرایی حاصل شده و نتایج ایده آل پدیدار می گردد.
فصل پنجم
نتیجه گیری و پیشنهادات
نتیجه گیری
در این تحقیق، مدلی غیرتعادلی مبتنی بر PBUC برای طراحی استراتژی پیشنهاد تولید VPP به بازار انرژی در شرایط عدم قطعیت در پیش بینی قیمت بازار و بار ارائه شده است. شبکه ها ی مورد مطالعه در این تحقیق شامل شبکه ی اول: نیروگاه مجازی با ترکیبی از واحدهای تولید پراکنده، ذخیره ساز الکتروشیمیایی و مصرف کنندگان نهایی و در نوع دوم مشتمل بر شبکه اول به همراه دو واحد تولید همزمان، یک واحد تولید کننده ی حرارت و یک واحد تولید کننده انرژی (به صورت سنتی) بودند. نیروگاه مجازی یک شرکت کننده ی بازار برق با نقش دوگانه از جمله تولیدکننده و مصرف کننده در جهت تبادل با شبکه ی بالادست می باشد. برای مدلسازی عدم قطعیت در قیمت اانرژی ز توزیع نرمال لگاریتمی و عدم قطعیت در پیش بینی بار VPP از توزیع نرمال استفاده شده است.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

شبیه سازی های انجام شده در غیاب عدم قطعیت قیمت انرژی و تقاضا نشان می دهد که مدل استفاده شده در این پژوهش، ابزار مناسبی جهت تدوین استراتژی پیشنهاد تولید VPP بازار(انرژی و رزرو) و تعامل آن با مصرف کنندگان دارای قابلیت قطع بار می باشد. همچنین شبیه سازیهای انجام شده در حضور عدم قطعیت های قیمت بازار و بار پیش بینی شده VPP نشان می دهد که سود نیروگاه مجازی متأثر از عدم قطعیت های بازار می باشد. بطوریکه با افزایش میزان بی ثباتی در قیمت و تقاضا، استراتژی VPP بیشتر تحت تأثیر قرار می گیرد، به نحوی که موجب زیان VPP در بازه هایی از زمان می شود.
تعداد تکرار شبیه سازی در شبیه سازی مونت کارلو در این روش محدود بوده است که علت آن استفاده از الگوریتم ژنتیک در حل مسئله بهینه سازی و کند بودن آن در هریک از تکرارهای شبیه سازی بوده است. چنانچه از الگوریتم های ریاضی برای حل مسئله بهینه سازی استفاده گردد، آنگاه با افزایش تعداد تکرار در شبیه سازی مونت کارلو می توان به نتایج دقیق تری دست یافت.
پیشنهادات:
با توجه به استفاده از الگوریتم ژنتیک در جهت شبیه سازی این تحقیق، می توان به کند بودن و زمان بر بودن آن از جمله نکات ضعیف اشاره نمود، لیکن با بهره گرفتن از الگوریتم های ریاضی و دیگر الگوریتم های فرا اکتشافی مانند جهش قورباغه، اجتماع مورچگان می توان تعداد تکرارهای شبیه سازی مونت کارلو را افزایش داد.
عدم قطعیت را می توان به دیگر داده های مساله بسط داد و تاثیرات آن بر شاخص های مساله را مورد بررسی قرار داد.
با نگاهی به روند رو به توسعه ی جهان، نیاز روز افزون به انرژی و محدودیت منابع فسیلی و نیاز به منابع تجدید پذیر امری غیر قابل انکار می باشد. لذا در تحقیقات آینده ضمن بررسی انواع منابع تجدیدپذیر و نیازسنجی با موقعیت جغرافیایی شبکه های مورد بررسی را می توان از دیگر منابع تجدید پذیر مانند انرژی بادی، سلول خورشیدی انتخاب نمود.
از داده های مورد استفاده در این مساله به عنوان اطلاعات ورودی، میزان انرژی خرده فروشی در بازه ی زمانی ۲۴ ساعت بوده است. با توجه به تابع هدف و قیود موجود در مساله، می توان این داده را در مدت زمان طولانی (به عنوان مثال در طی یک سال) به عنوان متغیر مجهول فرض نمود و مقادیر آنرا بدست آورد. زیرا این پارامتر می بایست به صورت روزانه در دسترس باشد، اما با بسط این مدت زمان به زمان طولانی تر می توان این پارامتر را نیز به دست آورد .
همچنین تدوین بهینه با در نظر گرفتن استراتژی تقاضا می تواند در ادامه ی این تحقیق مورد بررسی قرار گیرد.
پیوست
پیوست۱) فهرست شکلهای مربوط به شبیه سازی شبکه های موجود در فصل چهارم:
شکل (پیوست۱-۱): نسبت انحراف معیار به میانگین با در نظر گرفتن عدم قطعیت قیمت و (S=0.10) با در نظر گرفتن بازار انرژی . الف) نسبت انحراف معیار به میانگین سود در ساعت ۱۷ با در نظر گرفتن عدم قطعیت قیمت به ازای انحراف معیار ۱۰/۰ ب) نسبت انحراف معیار به میانگین خرید و فروش انرژی با اعمال عدم قطعیت قیمت به ازای انحراف معیار ۱۰/۰ در دوره ی زمانی ۲۴ساعته
شکل(پیوست۱-۲): نسبت انحراف معیار به میانگین با در نظر گرفتن عدم قطعیت قیمت و (S=0.15) با در نظر گرفتن بازار انرژی. الف) نسبت انحراف معیار به میانگین سود در ساعت ۱۷ با در نظر گرفتن عدم قطعیت قیمت به ازای انحراف معیار ۱۵/۰ ب) نسبت انحراف معیار به میانگین خرید و فروش انرژی با اعمال عدم قطعیت قیمت به ازای انحراف معیار ۱۵/۰ در دوره ی زمانی ۲۴ساعته
شکل (پیوست۱-۳): نسبت انحراف معیار به میانگین با در نظر گرفتن عدم قطعیت قیمت و تقاضا و (S=0.02) با در نظر گرفتن بازار انرژی. الف) نسبت انحراف معیار به میانگین سود در ساعت ۱۷ با در نظر گرفتن عدم قطعیت تقاضا به ازای انحراف معیار ۰۲/۰ ب) نسبت انحراف معیار به میانگین خرید و فروش انرژی با اعمال عدم قطعیت تقاضا به ازای انحراف معیار ۰۲/۰ در دوره ی زمانی ۲۴ساعته
شکل (پیوست۱-۴): نسبت انحراف معیار به میانگین با در نظر گرفتن عدم قطعیت قیمت و تقاضا و (S=0.05) با در نظر گرفتن بازار انرژی. الف) نسبت انحراف معیار به میانگین سود در ساعت ۱۷ با در نظر گرفتن عدم قطعیت تقاضا به ازای انحراف معیار ۰۵/۰ ب) نسبت انحراف معیار به میانگین خرید و فروش انرژی با اعمال عدم قطعیت تقاضا به ازای انحراف معیار ۰۵/۰ در دوره ی زمانی ۲۴ساعته
شکل (پیوست۱-۵): نسبت انحراف معیار به میانگین با در نظر گرفتن عدم قطعیت قیمت و تقاضا و (S=0.10) با در نظر گرفتن بازار انرژی. الف) نسبت انحراف معیار به میانگین سود در ساعت ۱۷ با در نظر گرفتن عدم قطعیت تقاضا به ازای انحراف معیار ۱۰/۰ ب) نسبت انحراف معیار به میانگین خرید و فروش انرژی با اعمال عدم قطعیت تقاضا به ازای انحراف معیار ۱۰/۰ در دوره ی زمانی ۲۴ساعته
شکل (پیوست۱-۶): نسبت انحراف معیار به میانگین با در نظر گرفتن عدم قطعیت قیمت و تقاضا و (S=0.15) با در نظر گرفتن بازار انرژی. الف) نسبت انحراف معیار به میانگین سود در ساعت ۱۷ با در نظر گرفتن عدم قطعیت تقاضا به ازای انحراف معیار ۱۵/۰ ب) نسبت انحراف معیار به میانگین خرید و فروش انرژی با اعمال عدم قطعیت تقاضا به ازای انحراف معیار ۱۵/۰ در دوره ی زمانی ۲۴ساعته

شکل(پیوست۱-۷): نتایج شبیه سازی حالت مبنا (در حضور عدم قطعیت قیمت وS=0.05) با در نظر گرفتن بازار رزرو. الف) میانگین تولید DG برای بازار ب) میانگین وضعیت شارژ و دشارژ دستگاه ذخیره ساز الکتروشیمیایی ج)میانگین وضعیت بار قطع شده زمان های مختلف د)میانگین پیشنهاد برای بازار انرژی ه) میانگین پیشنهاد برای بازار رزرو و)میانگین مقدار سود در هر ساعت ز)میانگین مقدار ظرفیت باقیمانده ذخیره ساز

شکل(پیوست۱-۸): نتایج شبیه سازی حالت مبنا (در حضور عدم قطعیت قیمت و S=0.10) با در نظر گرفتن بازار رزرو. الف) میانگین تولید DG برای بازار ب) میانگین وضعیت شارژ و دشارژ دستگاه ذخیره ساز الکتروشیمیایی ج) میانگین وضعیت بار قطع شده در زمان های مختلف د) میانگین پیشنهاد برای بازار انرژی ه) میانگین پیشنهاد برای بازار رزرو و) میانگین مقدار سود در هر ساعت ز) میانگین مقدار ظرفیت باقیمانده ذخیره ساز

شکل (پیوست۱-۹): نتایج شبیه سازی حالت مبنا (در حضور عدم قطعیت قیمت و S=0.15) با در نظر گرفتن بازار رزرو. الف) میانگین تولید DG برای بازار ب) میانگین وضعیت شارژ و دشارژ دستگاه ذخیره ساز الکتروشیمیایی ج) میانگین وضعیت بار قطع شده در زمان های مختلف د) میانگین پیشنهاد برای بازار انرژی ه) میانگین پیشنهاد برای بازار رزرو و) میانگین مقدار سود در هر ساعت ز) میانگین مقدار ظرفیت باقیمانده ذخیره ساز

شکل(پیوست۱-۱۰): نتایج شبیه سازی حالت مبنا (در حضور عدم قطعیت قیمت و تقاضا و S=0.05) با در نظر گرفتن بازار رزرو. الف) میانگین تولید DG برای بازار ب) میانگین وضعیت شارژ و دشارژ دستگاه ذخیره ساز الکتروشیمیایی ج) میانگین وضعیت بار قطع شده در زمان های مختلف د) میانگین پیشنهاد برای بازار انرژی ه) میانگین پیشنهاد برای بازار رزرو و) میانگین مقدار سود در هر ساعت ز) میانگین مقدار ظرفیت باقیمانده ذخیره ساز

شکل (پیوست۱-۱۱): نتایج شبیه سازی حالت مبنا (در حضور عدم قطعیت قیمت و تقاضا و S=0.10) با در نظر گرفتن بازار رزرو.الف) میانگین تولید DG برای بازار ب) میانگین وضعیت شارژ و دشارژ دستگاه ذخیره ساز الکتروشیمیایی ج) میانگین وضعیت بار قطع شده در زمان های مختلف د) میانگین پیشنهاد برای بازار انرژی ه) میانگین پیشنهاد برای بازار رزرو و) میانگین مقدار سود در هر ساعت ز) میانگین مقدار ظرفیت باقیمانده ذخیره ساز

شکل (پیوست۱-۱۲): نتایج شبیه سازی حالت مبنا (در حضور عدم قطعیت قیمت و تقاضا وS=0.15) با در نظر گرفتن بازار رزرو .الف) میانگین تولید DG برای بازار ب) میانگین وضعیت شارژ و دشارژ دستگاه ذخیره ساز الکتروشیمیایی ج) میانگین وضعیت بار قطع شده در زمان های مختلف د) میانگین پیشنهاد برای بازار انرژی ه) میانگین پیشنهاد برای بازار رزرو و) میانگین مقدار سود در هر ساعت ز) میانگین مقدار ظرفیت باقیمانده ذخیره ساز
شکل (پیوست۱-۱۳): نسبت انحراف معیار به میانگین با در نظر گرفتن عدم قطعیت قیمت و (S=0.05) با در نظر گرفتن بازار رزرو. الف) نسبت انحراف معیار به میانگین سود در ساعت ۱۷ با در نظر گرفتن عدم قطعیت قیمت به ازای انحراف معیار ۰۵/۰ ب) نسبت انحراف معیار به میانگین خرید و فروش انرژی با اعمال عدم قطعیت قیمت به ازای انحراف معیار ۰۵/۰ در دوره ی زمانی ۲۴ساعته
شکل (پیوست۱-۱۴): نسبت انحراف معیار به میانگین با در نظر گرفتن عدم قطعیت قیمت و (S=0.10) با در نظر گرفتن بازار رزرو. الف) نسبت انحراف معیار به میانگین سود در ساعت ۱۷ با در نظر گرفتن عدم قطعیت قیمت به ازای انحراف معیار ۱۰/۰ ب) نسبت انحراف معیار به میانگین خرید و فروش انرژی با اعمال عدم قطعیت قیمت به ازای انحراف معیار ۱۰/۰ در دوره ی زمانی ۲۴ساعته