Abstract
A major goal of smart grid technology (e.g., smart meters) is to provide consumers with demand response signals such as electricity tariff and CO2 footprint so that the consumers can consciously control their electricity consumption patterns. These demand response signals provide incentives for the consumers to help reduce peak energy demand by load balancing, as this is particularly relevant in a situation with high level of renewable energy penetration. However, the volume of information can be overwhelming for the consumers. Further, in some situation minimization of electricity bill and CO2 emission can be conflicting goals and a trade-off analysis is required. To enable the consumers to participate in smart grid effort this paper proposes a decision aiding framework for optimal household appliances scheduling and trade-off analysis through Pareto frontier exploration. To compute the optimal schedules associated with Pareto optimal points, linear optimization problems with SOS2 (special ordered set of type 2) constraints are solved using CPLEX, in the case where the demand response signals are assumed to be piecewise constant. For arbitrary demand response signals, a corresponding dynamic programming solution is proposed. A numerical study demonstrates that in a realistic test case the Pareto frontier analysis can provide valuable information leading to schedules with drastically different electricity and CO2 emission patterns. In addition, the case study verifies that the Pareto frontier can be computed in real-time in a realistic residential computing environment
چکیده
هدف مهم تکنولوژی شبکه هوشمند (مثلا مترهای هوشمند) فراهم کردن سیگنال های پاسخ تقاضا مانند ترافیک برق و اثر CO2 است به نحوی که مصرف کنندگان بتوانند به صورت آگاهانه الگوهای مصرف برق خود را کنترل کنند. این سیگنال های پاسخ تقاضا برای مصرف کننده انگیزه ای ایجاد می کنند تا در کاهش تقاضای انرژی اوج مصرفش با متعادل سازی بار، کمک کند، چرا که این موضوع به صورت خاص با موقعیتی مرتبط است که سطح بالایی از نفوذ انرژی تجدیدپذیر دارد. با این حال، حجم اطلاعات می تواند برای مصرف کننده بیش از حد زیاد باشد. به علاوه، در برخی موقعیت ها، کمینه کردن قبض برق و تولید CO2 می تواند اهدافی متداخل باشد و یک تحلیل بده بستانی مورد نیاز خواهد بود. برای آن که مصرف کننده را قادر سازیم تا در تلاش شبکه هوشمند مشارکت کند، این مقاله چارچوبی برای کمک به تصمیم گیری برای زمانبندی بهینه ی لوازم خانگی و تحلیل بده بستانی از طریق اکتشاف مرز پارتو پیشنهاد می دهد. برای محاسبه ی زمانبندی بهینه مرتبط با نقطه بهینه ی پارتو، مسائل بهینه سازی خطی با محدودیت ها (یا شرط های) SOSO2 (مجموعه ترتیبی خاص از نوع 2)در جایی که فرض می شود سیگنال های پاسخ تقاضا، ثابت چند ضابطه ای باشند، با استفاده از COMPLEX حل شده اند. برای سیگنال های پاسخ تقاضای دلخواه، یک راه حل برنامه سازی پویای مرتبط پیشنهاد شد. یک مطالعه ی عددی نشان می دهد که در یک مورد تستی واقع گرایانه، تحلیل مرز پارتو می تواند اطلاعات با ارزشی فراهم کند که منجر به زمانبندی هایی با الگوی انتشار CO2 و برق بسیار متفاوت گردد. به علاوه، مورد مطالعه، بررسی می کند که مرز پارتو می تواند در به صورت بلادرنگ در محیط محاسباتی محلی واقعی، محاسبه گردد.
1-مقدمه
مصرف برق طی ساعات مختلف روز، در روزهای مختلف هفته و فصل های سال متفاوت است. بیشترین تقاضای برق در کشورهای شمالی معمولا وقتی رخ می دهد که دمای فضای بیرون کاهش می یابد. در سال های اخیر، تقاضای برق به سطوح اوج جدیدی رسیده است و استرس زیادی برای متعادل کردن تقاضا و تولید ایجاد کرده است. دلایل زیست محیطی و اقتصادی در آینده نزدیک، شرکت های توزیع را وادار خواهد کرد تا بر اساس معرفی تولید برق تجدیدپذیر در مقیاس بزرگ، وسایل حمل و نقل برقی شارژی (PEVs) و تولید برق توزیع شده در مناطق خانگی، سناریوهای تعادل برق پیچیده تری را در نظر بگیرند. منابع انرژی تجدیدپذیر متناوب مانند باد، در تعریف پویا هستند و نیازمند نیروی برق متعادل سازی اضافی برای حفاظت از کیفیت برق تولیدی برای مصرف کننده می باشند. به علاوه، تعداد رو به افزایش PEVها به معنی مصرف زیاد برق است که همیشه قابل پیش بینی نیست. هم سهم پویای نیروی باد در تولید برق و هم نیاز تصادفی PEVها به برق، نیازمند یک نیروی متعادل ساز در شبکه ی برق است.متعادل سازی بار در بار الکتریکی مناطق شهری، مانند مصرف برق صنعتی/خانگی، می تواند با حداقل کردن استفاده از تولید تجدید ناپذیر و زمانبندی بارهای قابل کنترل به زمان هایی که انرژی تجدید پذیر زیاد است، قابل انجام است...