| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 1.93 MB | Adobe PDF |
Authors
Abstract(s)
Current technology in the smart monitoring including Internet of Things (IoT) enables the
electricity network at both transmission and distribution levels to apply demand response (DR)
programs in order to ensure the secure and economic operation of power systems.
Liberalization and restructuring in the power systems industry also empowers demand-side
management in an optimum way.
The impacts of DR scheduling on the electricity market can be revealed through the concept of
DR aggregators (DRAs), being the interface between supply side and demand side. Various
markets such as day-ahead and real-time markets are studied for supply-side management and
demand-side management from the Independent System Operator (ISO) viewpoint or
Distribution System Operator (DSO) viewpoint.
To achieve the research goals, single or bi-level optimization models can be developed.
The behavior of weather-dependent renewable energy sources, such as wind and photovoltaic
power generation as uncertainty sources, is modeled by the Monte-Carlo Simulation method to
cope with their negative impact on the scheduling process. Moreover, two-stage stochastic
programming is applied in order to minimize the operation cost.
The results of this study demonstrate the importance of considering all effective players in the
market, such as DRAs and customers, on the operation cost. Moreover, modeling the
uncertainty helps network operators to reduce the expenses, enabling a resilient and reliable
network.
A tecnologia atual na monitorização inteligente, incluindo a Internet of Things (IoT), permite que a rede elétrica ao nível da transporte e distribuição faça uso de programas de demand response (DR) para garantir a operação segura e económica dos sistemas de energia. A liberalização e a reestruturação da indústria dos sistemas de energia elétrica também promovem a gestão do lado da procura de forma otimizada. Os impactes da implementação de DR no mercado elétrico podem ser expressos pelo conceito de agregadores de DR (DRAs), sendo a interface entre o lado da oferta e o lado da procura de energia elétrica. Vários mercados, como os mercados diário e em tempo real, são estudados visando a gestão otimizada do ponto de vista do Independent System Operator (ISO) ou do Distribution System Operator (DSO). Para atingir os objetivos propostos, modelos de otimização em um ou dois níveis podem ser desenvolvidos. O comportamento das fontes de energia renováveis dependentes do clima, como a produção de energia eólica e fotovoltaica que acarretam incerteza, é modelado pelo método de simulação de Monte Carlo. Ainda, two-stage stochastic programming é aplicada para minimizar o custo de operação. Os resultados deste estudo demonstram a importância de considerar todos os participantes efetivos no mercado, como DRAs e clientes finais, no custo de operação. Ainda, considerando a incerteza no modelo beneficia os operadores da rede na redução de custos, capacitando a resiliência e fiabilidade da rede.
A tecnologia atual na monitorização inteligente, incluindo a Internet of Things (IoT), permite que a rede elétrica ao nível da transporte e distribuição faça uso de programas de demand response (DR) para garantir a operação segura e económica dos sistemas de energia. A liberalização e a reestruturação da indústria dos sistemas de energia elétrica também promovem a gestão do lado da procura de forma otimizada. Os impactes da implementação de DR no mercado elétrico podem ser expressos pelo conceito de agregadores de DR (DRAs), sendo a interface entre o lado da oferta e o lado da procura de energia elétrica. Vários mercados, como os mercados diário e em tempo real, são estudados visando a gestão otimizada do ponto de vista do Independent System Operator (ISO) ou do Distribution System Operator (DSO). Para atingir os objetivos propostos, modelos de otimização em um ou dois níveis podem ser desenvolvidos. O comportamento das fontes de energia renováveis dependentes do clima, como a produção de energia eólica e fotovoltaica que acarretam incerteza, é modelado pelo método de simulação de Monte Carlo. Ainda, two-stage stochastic programming é aplicada para minimizar o custo de operação. Os resultados deste estudo demonstram a importância de considerar todos os participantes efetivos no mercado, como DRAs e clientes finais, no custo de operação. Ainda, considerando a incerteza no modelo beneficia os operadores da rede na redução de custos, capacitando a resiliência e fiabilidade da rede.
Description
Keywords
Redes de distribuição de energia - Optimização - Modelos matemáticos Redes de distribuição de energia - Fontes de energia renováveis - Optimização Redes de distribuição de energia - Optimização - Programas pergunta-resposta Produção de energia - Optimização - Fontes de energia renováveis