انرژی های تجدید پذیر, مقالات
مدل‌های پیش‌بینی در سیستم انرژی تجدیدپذیر
تیر
در این مقاله قصد داریم، به مرور کاربردهای منتخب مدل‌های پیش‌بینی در سیستم‌های انرژی تجدیدپذیربپردازیم. مدل‌های پیش‌بینی در سیستم انرژی تجدیدپذیر
فهرست مطالب
- 1- چکیده
- 2- مقدمه
- 3- مروری بر مدل‌های‌پیش‌بینی
- 4- پیش‌بینی توزیع توان منابع تجدیدپذیر
- 5- پیش‌بینی اندازه سیستم ذخیره انرژی در سیستم‌قدرت
- 6- پیش‌بینی و بازارهای‌انرژی
- 7- پیش‌بینی جهت ارزیابی قابلیت اطمینان
- 8- پیش‌بینی جهت تخمین اندازه ذخیره چرخان
- 9- نتیجه گیری
————————————————–
1- چکیده
در این مقاله، به بررسی کاربردهای منتخب مدل‌های پیش‌بینی منابع تجدیدپذیر و توان، جهت تسهیل ادغام بهینه منابع انرژی تجدیدپذیر (RE) در سیستم‌های‌قدرت‌پرداخته‌ایم.
مطالب ارائه‌شده بر اساس انتشارات پژوهشی با کیفیت بالا، در دهه گذشته تهیه‌شده‌است.
اگرچه توسعه مدل‌های پیش‌بینی جهت تولید انرژی‌تجدیدپذیر، به عنوان مثال، انرژی بادو خورشید، موضوعی‌است که به خوبی مورد تحقیق و پژوهش قرارگرفته‌است.
اما، عملکرد این مدل‌ها معمولاً بااستفاده از معیارهای خطای آماری ارزیابی‌می‌شود.
با توجه به کاربرد و اهمیت پیش‌بینی، موضوع تعیین بهینه بودن پیش‌بینی‌های دقیق از نظر اقتصاد سیستم و جنبه‌های برنامه‌ریزی، پدیده‌ای نوظهوراست که هدف اصلی این بررسی را نشان‌می‌دهد.
به طور خاص، کاربردهای پیش‌بینی در حوزه برق عبارتنداز:
1) توزیع بهینه سیستم قدرت (مشارکت واحدها، برنامه ریزی تولید، پخش بار اقتصادی)،
2) اندازه بهینه سیستم ذخیره انرژی،
3) سیاستهای بازار انرژی و به حداکثررساندن سود شرکت‌کنندگان در بازار،
4) ارزیابی قابلیت اطمینان،
5) تعیین اندازه بهینه ذخیره چرخان در سیستم‌های قدرت.
بررسی‌کاربردی این موضوعات توسط مهندسان برق می‌تواند برای آشنایی با روندهای‌اخیر،تجزیه و تحلیل تاثیر بهبود پیش‌بینی بر طراحی و بهره برداری بهینه سیستم قدرت مورداستفاده‌قرارگیرد.
————————————————–
2- مقدمه
انرژی‌های تجدیدپذیر به دلیل مزایای زیست‌محیطی بی‌شمار، رهایی از سوخت‌های فسیلی متعارف و افزایش رفاه اجتماعی در سطح جهان، بسیار مورد توجه‌قرار‌گرفته‌اند.
اگرچه، ماهیت متناوب فناوری‌های انرژی تجدیدپذیر از دیدگاه برنامه ریزان سیستم قدرت، موجب نگرانی‌بسیارشده‌است.
البته در صورتیکه توان خروجی این منابع به طور دقیق پیش‌بینی‌شود، چالش‌های فنی ناشی از نفوذ آنها می‌تواند تا حد زیادی برطرف‌شود.
به طور طبیعی
پیش‌بینی انرژی بادی و خورشیدی یک زمینه تحقیقاتی فعال به ویژه برای کوتاه مدت (یعنی تا چند ساعت آینده)است.
در دسترس بودن پیش‌بینی‌های کوتاه‌مدت قابل اعتماد، می تواند اپراتورهای سیستم قدرت را در برنامه‌ریزی یک استراتژی توزیع توان سودآور، تخمین اندازه بهینه سیستم، و ارزیابی قابلیت اطمینان سیستم و روندهای بازار کمک‌کند.
در این مقاله چندین رویکرد مختلف برای پرداختن به مشکل پیش‌بینی انرژی‌های تجدیدپذیر استفاده‌شده‌است که شامل، مدل‌های فیزیکی مبتنی بر پیش‌بینی‌های آب و هوای عددی (NWPs)، مدل‌های آماری و احتمالی، و مدل‌های هوشمند مبتنی بریادگیری ماشین یا ترکیبی از این رویکردهاهستند.
بررسی‌های‌متعددی در مورد مدل‌های پیش‌بینی در سال‌های گذشته انجام‌شده‌است، که در مورد مزایا و معایب، نتایج و روندهای آینده آنها بحث‌شده‌است.
روند کلی نشان می‌دهد که روش‌های هوشمند در مقایسه با سایر مدل‌های سری زمانی برای پیش‌بینی‌های کوتاه مدت دقیق ترهستند.
اگرچه مقالات مذکور در حوزه خود بسیار عالی نوشته‌شده‌اند، اما تمرکز آنها بر روی توصیف خطاهای پیش‌بینی از نظر شاخص‌های خطا یا معیارهای عملکرد آماری‌بوده‌است.
بسیاری از آنها نمی‌توانند به پیامدهایی که این عدم قطعیت‌های پیش‌بینی بر طراحی و بهره برداری از سیستم‌های قدرت دارد،بپردازند.
این مقاله در تلاش‌است تا با بررسی پیوندهای بین مشخصه خطای پیش‌بینی و کاربرد آن و همچنین تجزیه و تحلیل تأثیر آن بر جنبه‌های مختلف برنامه‌ریزی سیستم قدرت، این شکاف راپرکند.
در واقع، بسیاری از متغیرهای شبکه در معرض خطاهای پیش‌بینی هستند که باید در فرآیند ارزیابی و برنامه‌ریزی انجام‌شده توسط اپراتورهای سیستم قدرت در نظر گرفته‌شوند.
این مقاله به مهمترین جنبه‌های برنامه‌ریزی که خطای پیش‌بینی برآن‌ها تاثیرگذاراست،می‌پردازد.
2-1- پیش زمینه سیستم قدرت
2-1-1- توزیع انرژی تجدیدپذیر
مهمترین عنصرکلیدی برنامه‌ریزی سیستم قدرت، یک استراتژی بهینه برای توزیع و برنامه‌ریزی توان، با هدف زمان‌بندی واحدهای‌تولید (به‌گونه‌ای‌که تقاضا برآورده‌شود) و برآورده‌شدن تمام محدودیت‌های سیستم با حداقل هزینه‌های عملیاتی،است.
از این رو، تخمین رویدادهای آینده و مقادیر پارامترها به یکی از ویژگی‌های مهم تصمیم‌گیری‌های توزیع و استراتژی‌های برنامه ریزی مدرن در ریزشبکه‌ها (MGs) تبدیل‌شده‌است.
الگوریتم‌های پیش‌بینی به طور موثر اطلاعات خطای پیش‌بینی منابع تجدیدپذیر، بارها و حتی قیمت بازار را برای مشکلات پخش بار اقتصادی در نظرمیگیرند.
در ابتدا، این مقاله کاربرد مدل‌های پیش‌بینی را در طرح‌های پیش‌بینی‌کننده مانند کنترل پیش‌بینی و غیره مورد بحث قرارمی‌دهد.
سپس، در مورد این که چگونه می‌توان عدم قطعیت در تولید بادو خورشید را در این چارچوب از دیدگاه تولید گنجاند، صحبت‌می‌شود.
2-1-2- اندازه سیستم ذخیره انرژی
پیش‌بینی خروجی تولید، نقش مهمی در مدیریت و اندازه سیستم ذخیره انرژی (ESS) همراه با سایر اجزای سیستم ایفامی‌کند.
یک سیستم ذخیره انرژی‌می‌تواند به عنوان منبع تغذیه پشتیبان در یک ریز شبکه در زمان کمبود تولید،عمل‌کند و از این رو می‌تواند خطاهای پیش‌بینی و عدم قطعیت‌های ذاتی در منابع تجدیدپذیر راجبران‌کند.
با این حال، یافتن‌اندازه بهینه سیستم ذخیره انرژی در یک سیستم قدرت، یک کار چالش برانگیز برای صاحبان نیروگاه و محققین‌است و کارهای زیادی در این زمینه انجام‌شده‌است.
تحقیقات نشان می‌دهد که مشکلات اندازه‌گیری بهینه، زمانی که با گنجاندن ویژگی‌های خطای پیش‌بینی تولید فرموله می‌شوند، نتایج بهتری به دست‌می‌دهند.
اگرچه سیستم ذخیره ساز پرهزینه ترین عنصر یک ریزشبکه‌است، اما دانستن اندازه بهینه واحدهای تولید همراه با سیستم ذخیره انرژی نیز برای طراحی بهینه ریزشبکه ضروری‌است.
گردآوری و بحث در مورد چنین مطالعاتی ( اندازه سیستم) نیز در این مقاله انجام‌شده‌است.
2-1-3- عملکرد بازار انرژی
اثرات عدم قطعیت در پیش‌بینی انرژی تجدیدپذیر می‌تواند تأثیر زیادی بر عملکرد قیمت‌ها و سیاستهای بازار انرژی داشته‌باشد.
در واقع، اکنون محققان از اطلاعات خطای پیش‌بینی توان به عنوان مبنایی برای تهیه استراتژی‌های بهینه و پیشنهاد مدل‌های پیش‌بینی استفاده‌می‌کنند که برای به حداکثر رساندن رفاه اجتماعی (افزایش سود و کاهش زیان) شرکت‌کنندگان در بازار، بسیار مفیداست.
علاوه بر این، تجزیه و تحلیل عمیق عدم قطعیت ها از نظر عوامل بازار، جهت گیری‌های جدیدی را برای بهبود شیوه‌های معاملاتی و توسعه سیاستهای بهتر و سودآور بازار انرژی ارائه‌می‌دهد.
در این مقاله سعی شده‌است به تأثیر پیش‌بینی‌های توان بر بازارهای انرژی، و نقش پیش‌بینی برای منافع اقتصادی شرکت‌کنندگان در بازار و بهبود شیوه‌های تجاری، پرداخته‌شود.
2-1-4- ارزیابی قابلیت اطمینان و تعیین ذخیره چرخان
دو حوزه کاربردی باقی‌مانده که بهبود خطاهای پیش‌بینی می‌تواند مزایای قابل‌توجهی به همراه داشته‌باشد، ارزیابی قابلیت اطمینان و تعیین ذخیره چرخان بهینه‌است.
مقالات ارائه‌شده یا کاهش عدم قطعیت پیش‌بینی را به عنوان ابزاری برای افزایش قابلیت اطمینان سیستم تعیین‌می‌کنند یا یک تحلیل حساسیت بین دو متغیر ترسیم‌می‌کنند.
به طور مشابه، ظرفیت کافی ذخیره چرخان مورد نیاز برای عملیات قابلیت اطمینان یک ریزشبکه می تواند تحت تأثیر تناوب منابع تجدیدپذیر در زمانی که میزان نفوذ این منابع بالااست،قرارگیرد.
از این رو، می بایست در آینده به توسعه مدل‌های دقیق پیش‌بینی توان برای کاهش ذخیره چرخان، بیشتر توجه‌کرد.
2-2- خلاصه و بخش بندی مقاله
به طور خلاصه، این مقاله به بررسی نقش پیش‌بینی منابع تجدیدپذیر و توان، در تسهیل برنامه‌ریزی و بهره‌برداری بهینه یک ریزشبکه با منابع تجدیدپذیرمی‌پردازد.
بدین ترتیب، ابتدا روندهای اخیر در توسعه مدل‌های پیش‌بینی بادو خورشید به طور خلاصه بررسی‌میشود.
سپس، مروری از چندین جنبه برنامه ریزی سیستم قدرت ارائه می‌شود که می تواند به طور قابل توجهی تحت تأثیر اطلاعات عدم قطعیت پیش‌بینی انرژی تجدیدپذیر قرارگیرد.
بررسی کارهای تحقیقاتی شامل تحلیل مدل‌های پیش‌بینی از نظر معیارهای هزینه سیستم،اندازه بهینه سیستم ذخیره انرژی، مزایای بازار، افزایش قابلیت اطمینان و تخمین اندازه ذخیره چرخان مهمترین و جدیدترین سهم این بررسی‌است.
ادامه این مقاله به شرح زیر بخش بندی‌شده‌است.
بخش 3 شامل مروری بر مدرن ترین مدل‌های پیش‌بینی بادو خورشید با تاکید ویژه بر مدل‌های هوشمند جدیداست.
بخش 4 به برنامه ریزی دیسپاچینگ سیستم قدرت اختصاص داده‌شده‌است.
در بخش 5، پیامدهای خطای پیش‌بینی بر اندازه ذخیره‌ساز انرژی بررسی‌میشود.
اثرات و مزایای پیش‌بینی دقیق در بازارهای انرژی در بخش 6 توضیح داده‌شده‌است.
در بخش 7، مطالعات قابلیت اطمینان مورد بحث قرارداده‌شده‌است و بخش 6 مشکلات اندازه گیری ذخیره را در زمینه عدم قطعیت‌های پیش‌بینی بررسی‌می‌کند.
در نهایت، بخش 9 نتایج مهم مقاله را مورد بحث قرارمی‌دهد.
————————————————–
3- مروری بر مدل‌های پیش‌بینی
این بخش به بحث در مورد طرح‌های اخیر برای پیش‌بینی انرژی‌های تجدیدپذیر، با تمرکز بر انرژی بادو انرژی خورشید اختصاص داده‌شده‌است.
3-1- تکنیک‌های پیش‌بینی انرژی‌های تجدیدپذیر
انرژی بادو خورشید مفیدترین، کم‌هزینه‌ترین و سازگارترین منابع انرژی تجدیدپذیر هستند.
در عین حال، چالش مقابله با عدم قطعیت در این منابع، موجب ایجاد وقفه در تولید توان شده‌است.
پیش‌بینی توان انرژی تجدیدپذیر یک حوزه تحقیقاتی بسیار مهم‌است؛ زیرا کاربرد گسترده‌ای در بازارهای رقابتی انرژی متغیر با زمان دارد، جایی که دقت پیش‌بینی ،نقش عمده‌ای با توجه به اقتصاد و قابلیت اطمینان یک نیروگاه تجدیدپذیر،دارد.
با توجه به افق زمانی پیش‌بینی، پیش‌بینی توان را می‌توان به طور کلی به چهار دسته تقسیم کرد که معمولاً با عنوان پیش‌بینی فوق‌کوتاه‌مدت، کوتاه‌مدت، میان‌مدت و بلندمدت شناخته‌می‌شوند.
در ادامه، این مسئله از ابعاد مختلف مورد بررسی قرارگرفته‌است.
3-1-1- روش‌های فیزیکی
مدل‌های پیش‌بینی فیزیکی مبتنی بر پیش‌بینی اتمسفر و پیش‌بینی‌های عددی آب و هوا (NWPs)هستند.
این مدل ها پارامترهای فیزیکی بادیا خورشید مانند دما، فشار، تابش و غیره را در نظر می‌گیرند، و پارامترهای مورد نظر آینده را بااستفاده از مدل‌های پیچیده هواشناسی پیش‌بینی می‌کنند.
این رویکرد نیازی به آموزش از طریق داده‌های تاریخی ندارد و نتایج آن به ویژه برای پیش‌بینی کوتاه مدت کاملاً کافی‌است.
چالش این روش در کسب و پردازش داده‌های فیزیکی‌است که به تجهیزات تخصصی و همچنین قدرت محاسباتی گسترده نیازدارد و موجب‌شده‌است که‌استفاده از این روش در بسیاری از موارد غیرممکن‌شود.
با این حال، با در نظر گرفتن مزایای پیش‌بینی‌های عددی آب و هوا برای پیش‌بینی‌های دقیق، چنین پروژه‌هایی هنوز در مقیاس بزرگ‌استفاده‌می‌شوند تا به صورت تجاری در صنعت برای کاربردهای بادی و خورشیدی استفاده‌شوند.
3-1-2- تکنیک‌های آماری
برخلاف مدل‌های فیزیکی، مدل‌های آماری صرفاً ریاضی هستند و یک ایده اساسی برای تشخیص یک رابطه یا الگو از داده‌های تاریخی به دست آمده، دارند.
آنها عمدتاً از مدل‌های سری زمانی مانند برازش منحنی، میانگین متحرک (MA) و مدل‌های اتورگرسیون (AR)استفاده‌می‌کنند.
ترکیبی از هر دو اصل AR و MA به نام مدل ARMA برای پیش‌بینی کوتاه‌مدت بسیار محبوب‌است و در چندین مورد، عملکرد آن به صورت موفقیت‌آمیز به اثبات رسیده‌است.
در برخی مقالات ادغام روش تبدیل موجک برای بهبود دقت پیش‌بینی مدل ARMA گزارش‌شده‌است.
ازطرفی مدل تعمیم یافته ARMA که به عنوان میانگین متحرک یکپارچه رگرسیون خودکار (ARIMA) شناخته‌می‌شود، نتایج امیدوارکننده ای را برای پیش‌بینی در افق کوتاه مدت نشان داده‌است.
گاهی اوقات یک مدل آماری با روش‌های دیگر ترکیب می‌شود تا یک مدل ترکیبی شکل بگیرد که در مقایسه با یک مدل آماری استاندارد دقت بهتری‌دارد.
برخی از نمونه‌های این کارها عبارتند از هیبریداسیون مدل ARIMA با تجزیه موجک، میانگین‌گیری مدل بیزی و روش‌های پیش‌بینی خاکستری.
به طور کلی، پیاده سازی همه این تکنیک‌های آماری نه تنها آسان تر و مقرون به صرفه تر از سایر روش هااست، بلکه این تکنیک ها نسبت به سایر روش‌های پیش‌بینی به توان محاسباتی کمتری نیازدارند.
بااستفاده از این روش‌ها، محققان توانسته‌اند نتایج قابل قبولی را برای افق های زمانی کوتاه مدت تا 48 ساعت بدست‌آورند، اما پیش‌بینی برای دوره‌های زمانی طولانی تر بسیار نامنظم می‌شود.
ت
یکی از اشکالات این مدل ها این‌است که برای تبدیل داده ها به فرم استاندارد، نیاز به پیش پردازش داده های سری زمانی دارند.
در چنین کاربردهایی، از پیش پردازنده هایی مانند تجزیه و تحلیل مؤلفه‌های مستقل (ICA) و تبدیل موجک‌استفاده می‌شود.
گاهی اوقات مدل سری زمانی با یک مدل استنتاج فیزیکی ترکیب می‌شود که الگوهای فیزیکی داده ها را تشخیص دهد.
همچنین از ترکیب مدل‌های آماری با روش‌های هوشمند نیز برای غلبه بر این مسائل‌استفاده‌می‌شود.
3-1-3- مدل‌های همبستگی فضایی
این روش به گونه ای منحصر به فرد‌است که از طریق پیش‌بینی منبع (مثلا سرعت‌باد) در یک سایت بر اساس اندازه گیری‌های سایت دیگر از طریق همبستگی متقابل بین آنها، رابطه بین منابع واقع در مکان‌های مختلف را به دست می آورد.
این روش برای پیش‌بینی سرعت بادیا تابش خورشید، در مکان‌های خاصی که داده‌ها در دسترس نیستند یا اندازه‌گیری آن ها امکان‌پذیر نیست، مفیداست.
البته، لازم به ذکراست که این همبستگی به عوامل مختلفی مانند فاصله بین سایت ها، ارتفاع و روند تولید داده بستگی دارد.
سودمندی این تکنیک در کارهای تحقیقاتی متعدد تایید شده‌است.
3-1-4- روش‌های احتمالی
در این روش‌ها، سرعت‌باد یا تابش خورشید باید به صورت تابع چگالی احتمال تعمیم یافته (PDF) بیان شود.
به عنوان مثال، تابع چگالی احتمال تعمیم یافته ای که تناسب خوبی با پروفایل‌های سرعت بادمی‌دهد، تابع توزیع ویبول‌است.
تابع توزیع ویبول می تواند به روش‌های مختلفی بسته به مشخصات سایت و سرعت بادمورد‌استفاده قرارگیرد.
روش‌های مختلفی را می توان برای تخمین پارامترهای ویبول برای بهبود دقت پیش‌بینی یافت.
رایج ترین آنها عبارتند از: تابع توزیع تجربی، ضریب الگوی انرژی، برآورد درست نمایی بیشینه و روش گرافیکی و غیره.
تکنیک‌های احتمالی دیگری نیز وجود دارد که نه تنها برای پیش‌بینی مشخصات بادو خورشید، بلکه عدم قطعیت مورد انتظار آن ها نیز به کار می‌روند که شامل رویکردهای پارامتری و رویکردهای ناپارامتریک مانند رگرسیون چندکی، تخمین چگالی کرنل و روش‌های جمعی هستند.
3-2- مدل‌های پیش‌بینی هوشمند
مدل‌های پیش‌بینی هوشمند عموماً به دلیل توانایی شان در یافتن روابط پیچیده بین متغیرها، بدون‌استفاده از ریاضیات پیچیده، نسبت به سایر مدل‌های فوق ترجیح داده می‌شوند.
رایج ترین تکنیک‌های هوش مصنوعی، شبکه عصبی مصنوعی (ANN)است که از رفتار و عملکرد مغز انسان تقلیدمی‌کند.
متداول ترین شبکه عصبی انتشار رو به عقب (BP) را می توان از طریق الگوریتم‌های مختلفی مانند روش لونبرگ-مارکوارت (LM)، تابع پایه شعاعی (RBF) و عنصر خطی تطبیقی (ALE) آموزش داد، اما هیچ یک از آنها را نمی توان بر دیگری ارجح دانست.
علاوه بر شبکه عصبی مصنوعی، ماشین بردار پشتیبان (SVM) یک تکنیک رگرسیون پیشرفته‌است که می تواند بر برخی از معایب شبکه عصبی، مانند نقطه حداقل محلی، پیچیدگی محاسباتی به دلیل برازش بیش از حد و غیره، غلبه کند.
در سال‌های اخیر، برخی از محققان از SVM برای پیش‌بینی‌های کوتاه مدت منابع بادی و خورشیدی‌استفاده کرده اند.
به عنوان مثال، اجرای SVM و بهینه سازی پارامترهای آن از طریق الگوریتم‌های تکاملی مختلف از جمله GA، PSO و الگوریتم جستجوی فاخته (CSA)، برای نشان دادن برتری الگوریتم جستجوی فاخته (CSA) نسبت به الگوریتم‌های قبلی نیز انجام شده‌است.
علاوه بر ANN و SVM،
یک مدل ترکیبی هوشمند محبوب دیگر به نام سیستم استنتاج عصبی فازی تطبیقی (ANFIS) نیز برای پیش‌بینی استفاده‌می‌شود.
در برخی مقالات، رویکردهای ترکیبی جدیدی مانند پالایش داده‌ها، ابتدا بااستفاده از تبدیل موجک، سپس تحویل داده ها به ANFIS که وزن‌های آن از طریق PSO تنظیم می‌شوند، پیشنهاد شده‌است.
استفاده از شبکه‌های عصبی مصنوعی (ANN) نیز همچنان برای پیش‌بینی باد و خورشید استفاده می‌شود.
این تکنیک معمولاً با سایر تکنیک‌های پیشرفته مانند تجزیه موجک یا پایه قوانین فازی ترکیب می‌شود تا کمبودهای آن را جبران کنند و دقت پیش‌بینی را بهبود بخشند.
اگرچه، همه این تکنیک ها دقت پیش‌بینی را بهبود می‌بخشند، اما زمان محاسبات را کمی افزایش می دهند.
برخی از تکنیک‌های پیشرفته‌تر، اما پیچیده‌تر که به‌طور پراکنده در مقالات استفاده می‌شوند، درختان رگرسیون و رویکرد جنگل تصادفی هستند.
در یک کار تحقیقاتی نشان داده‌شده‌است که رویکرد درخت تصمیم رگرسیون بهتر از ابزارهای تحلیل رگرسیون کلاسیک و حتی شبکه‌های عصبی مصنوعی عمل می‌کند و تعداد عوامل مهم مؤثر بر مصرف انرژی را کاهش می‌دهد.
گاهی اوقات ترکیب مزایای دو یا چند تکنیک، نتیجه بهتری نسبت به یک روش واحد دارد.
یکی دیگر از مدل‌های پیش‌بینی ترکیبی پیشنهادی، استفاده از الگوریتم ژنتیک (GA) برای بهینه‌سازی انتخاب مدل هوش مصنوعی‌است و گزارش شده‌است که از چندین مدل پیشرفته هوش مصنوعی بهتر عمل می‌کند.
علاوه بر این، تکنیک‌های ترکیبی شامل منطق فازی و شبکه عصبی نیز نتایج خوبی برای پیش‌بینی ارائه می‌کنند.
از بررسی مقالات مدل‌های پیش‌بینی هوشمند، می‌توان دریافت که پیشرفت های آینده در این زمینه، در توسعه و آزمایش رویکردهای جدید هوش مصنوعی نهفته‌است.
مدل‌های پیش‌بینی مبتنی بر شبکه عصبی مصنوعی دارای اشکالات خاصی مانند نقطه حداقل محلی، مشکلات برازش و غیره هستند؛که البته می توان با استفاده از مدل های پیشرفته هیبریدی هوشمند مانند SVM، ELM و ANFIS بر آن ها غلبه کرد.
براساس مقالات مختلف، عملکرد این مدل ها تا آنجا که به دقت پیش‌بینی مربوط می‌شود، بسیار خوب‌است.
با این حال، بیشتر این مدل‌ها به محاسبات بسیار طولانی و خسته‌کننده نیاز دارند، به‌ویژه اگر از طریق تکنیک بهینه‌سازی آموزش ببیند؛که این موضوع، یک اشکال برای کاربردهای واقعی مانند بازارهای رقابتی انرژی‌است، چراکه در آن ها فرآیند مناقصه در کنار تعداد زیادی از رقبا، بسیار سریع‌‌است.
————————————————–
4- پیش‌بینی توزیع توان منابع تجدیدپذیر
در بخش قبل، به بررسی تکنیک های مختلف پیش‌بینی پرداخته شد.
در بیشتر مقالات، دقت پیش‌بینی‌های انرژی تجدیدپذیر و منابع، تنها بر اساس شاخص‌های خطا ارزیابی‌می‌شود.
با این حال، در این بخش و بخش های بعدی، به بررسی اینکه آیا دقیق ترین پیش‌بینی به نفع اقتصاد سیستم و بهینه سازی سایر ویژگی‌های برنامه ریزی و عملیاتی‌است یا خیر، می پردازیم.
برنامه ریزی هر سیستم قدرت تا حد زیادی به توزیع اقتصادی بهینه (ED) بستگی دارد.
هدف اصلی ED، برنامه ریزی واحدهای تولید، آن هم به گونه ای‌است که تقاضا تامین شود و تمام محدودیت های سیستم با حداقل هزینه های عملیاتی برآورده‌شوند.
ماهیت چالش برانگیز مسئله توزیع توان در سال های گذشته، موجب جلب توجه بسیاری از محققان و ابداع روش های برنامه نویسی پیشرفته‌شده‌است.
روش ارتدکس برای چنین مسائل بهینه سازی غیرخطی پیچیده، براساس استفاده از طرح های مبتنی بر برنامه ریزی ریاضی مانند برنامه نویسی پویا (DP) و برنامه ریزی اعداد صحیح مختلط‌است.
یک روش برنامه نویسی پویا توزیع شده که بر روی اصول ارتباط ناهمزمان کار می‌کند نیز ممکن‌است برای ابداع یک استراتژی غیرمتمرکز برای عملیات بهینه شبکه هوشمند مناسب‌باشد.
یکی دیگر از تکنیک های برنامه نویسی پیشرفته، برنامه نویسی اعداد صحیح مختلط درجه دوم (MIQP) است که در برخی مقالات برای حل یک مسئله ED پویا استفاده‌شده‌است.
با این حال، در سال‌های اخیر، الگوریتم‌های بهینه‌سازی تکاملی/ اکتشافی به دلیل محبوبیتشان، به طور گسترده برای حل مسائل ED مورد استفاده قرارگرفته‌اند.
در تکنیک‌های بهینه‌سازی
اکتشافی از فرآیندهای بیولوژیکی مختلف الهام گرفته‌شده‌است که در چند سال گذشته به‌طور گسترده برای الگوریتم‌های توزیع اقتصادی استفاده‌شده‌اند.
برخی از تکنیک‌های بهینه‌سازی تکاملی قابل‌توجه که در برنامه‌های توزیع توان مورد استفاده قرارگرفته‌اند، عبارتنداز:
الگوریتم ژنتیک، تکاملی تفاضلی، جستجوی باکتری، کلونی زنبورعسل مصنوعی، جستجوی ممنوعه، یا ترکیبی از این الگوریتم‌ها.
از اشکالات اصلی رویکردهای اکتشافی، افزایش تصاعدی پیچیدگی محاسباتی به ازای افزایش اندازه مسئله مانند تعداد تولید و واحدهای مشتری درگیر در توزیع اقتصادی‌است.
از این رو کنترل پیش‌بینی و چارچوب توزیع، یک مفهوم نوظهوراست که می‌تواند اطلاعات خطاهای پیش‌بینی را در خود جای دهد، و در نتیجه مزایای عملی را برای فرمول‌بندی مشکل به ارمغان‌آورد.
4-1- استراتژی های توزیع توان مبتنی بر پیش‌بینی
اطلاعات عدم قطعیت پیش‌بینی به یکی از ویژگی‌های مهم استراتژی‌های توزیع و زمان‌بندی توان در ریزشبکه‌ها، تبدیل‌شده‌است.
این نوع طرح‌ها معمولاً با استفاده از الگوریتم‌های پیش‌بینی تهیه می‌شوند که در آن تصمیمات توزیع، بر اساس تخمین رویدادهای آینده و مقادیر پارامترها اتخاذمی‌شوند.
بنابراین به طور موثر منبع تجدیدپذیر، بار و حتی اطلاعات خطای پیش‌بینی قیمت بازار را، برای مشکلات توزیع اقتصادی در نظر گرفته می شوند.
برای استراتژی‌های مدیریت توان پیش‌بینی‌کننده، اهمیت پیش‌بینی انرژی تجدیدپذیر در یک مقاله توضیح داده‌شده و در پایان خاطرنشان شده‌است که توزیع اقتصادی را می‌توان با پیش‌بینی دقیق منابع تجدیدپذیر بسیار کارآمدکرد.
در میان مکانیسم‌های توزیع پیش‌بینی، چارچوب کنترل پیش‌بینانه مدل (MPC)، پذیرفته‌شده‌ترین روش در میان مقالات است.
MPC یک روش کنترل بهینه بر اساس اصول فلسفه افق عقب نشینی است.
مزایای اصلی MPC، توانایی آن برای مقابله با مسائل بهینه سازی پیچیده و بزرگ، مدیریت سیستماتیک محدودیت ها، و استفاده موثر از اطلاعات پیش‌بینی شده در آینده است که از لحاظ نظری آن را به یک الگوی کنترل بهینه زمان واقعی تبدیل می‌کند.
زمان‌بندی و برنامه ریزی مشترک تولیدات متعدد، ذخیره‌سازی و رزرو توان نیز یک حوزه در حال ظهور در استراتژی‌های توزیع است.
خلاصه کوتاهی از مقالات منتخب در زمینه پیش‌بینی با ذکر نوع تولید، مدل پیش‌بینی و تکنیک بهینه‌سازی/تحلیل برای ارائه یک نمای کلی در جدول زیر آورده شده‌است.
همه این مقالات نشان می دهند که استراتژی‌های توزیع مبتنی بر پیش‌بینی در کاهش هزینه‌های جاری یک ریزشبکه و بهینه‌سازی جنبه‌های مختلف عملیاتی و اقتصادی بسیار مؤثرهستند.
4-2- تاثیر پیش‌بینی در توزیع توان
یک حوزه مهم اما کمتر بررسی شده درمقالات اخیر، تجزیه و تحلیل خطای پیش‌بینی در هنگام توزیع، از نظر تحلیل هزینه و فایده‌است.
در این بخش به چنین مقالات پژوهشی پرداخته‌شده‌است. در یک مقاله، استراتژی مبتنی بر پیش‌بینی به منظور به حداقل رساندن هزینه های عملیاتی برای ریزشبکه های خارج از شبکه بررسی‌شده‌است.
این مقاله نشان می‌دهد که چگونه کیفیت پیش‌بینی بار و انرژی تجدیدپذیر می تواند باعث صرفه جویی در هزینه شود و استراتژی مبتنی بر پیش‌بینی می‌تواند سهم تولید منابع تجدیدپذیر را با اندازه‌گیری اجزای ریزشبکه بهبودبخشد.
آزمایشگاه ملی انرژی های تجدیدپذیر (NREL) ایالات متحده، مطالعات دقیقی را در مورد بررسی ارزش بهبود پیش‌بینی انرژی خورشیدی و بادی در توزیع اقتصادی و مشارکت واحدها برای مطالعات موردی مختلف انجام‌داده‌است.
در این مطالعات، دقت پیش‌بینی عددی آب و هوا در افق‌های چند مرحله‌ای بررسی‌شده‌است و همچنین نشان می‌دهد که بدون پیش‌بینی توان، سیستم قدرت با تعهد بیش از حد تولید و همچنین کاهش بسیار بیشتر مواجه‌می‌شود که منجر به افزایش هزینه‌های خالص تولید می‌گردد.
با این حال گنجاندن پیش‌بینی‌های توان، هزینه‌های خالص تولید را تا حدی کاهش‌می‌دهد.
————————————————–
5- پیش‌بینی اندازه سیستم ذخیره انرژی در سیستم قدرت
سیستم ذخیره انرژی (ESS) بخشی حیاتی از ریزشبکه های مدرن مبتنی بر تولید انرژی تجدیدپذیراست.
با این حال، تعیین اندازه بهینه سیستم ذخیره انرژی در یک سیستم قدرت یک کار چالش برانگیز برای صاحبان نیروگاه و محققین است و کارهای زیادی در این زمینه انجام‌شده‌است.
در این بخش، مقالاتی که با استفاده از اطلاعات خطای پیش‌بینی به این مشکل پرداخته‌اند، هدف قرارمی‌گیرند.
همچنین می‌توان مشاهده کرد که در برخی مقالات ارزش استفاده از پیش‌بینی دقیق تخمین زده‌شده‌است و تحلیل‌می‌شود که
چگونه این اطلاعات می تواند به اندازه گیری سیستم ذخیره انرژی و همچنین واحدهای تولید کمک کند تا هزینه سرمایه کلی سیستم قدرت را به حداقل برساند.
5-1- پیش‌بینی بهینه اندازه سیستم ذخیره انرژی
اندازه بهینه یک سیستم ذخیره انرژی در یک سیستم قدرت را می توان با در نظر گرفتن عدم قطعیت ایجاد شده توسط خطاهای پیش‌بینی توان تعیین‌کرد.
در تأیید این ادعا، یک مقاله یک مسئله بهینه‌سازی تصادفی ایجاد می‌کند که می‌تواند طیف گسترده‌ای از خطاهای پیش‌بینی را مدیریت کند و مستقیماً برای اندازه‌گیری سیستم ذخیره انرژی باد استفاده‌شود.
بدین ترتیب که، خطاهای پیش‌بینی باد با استفاده از توزیع نرمال مشخص می‌شوند و عدم قطعیت نیز با استفاده از محدودیت‌های شانس با سطح احتمال از پیش تعریف‌شده مدل‌سازی‌می‌شود.
یک سیستم ذخیره انرژی برای سیستم خورشیدی نیز حیاتی است، از این رو تکنیک‌هایی برای پیش‌بینی انرژی تجدیدپذیر توسعه یافته‌اند که برای سیستم‌های ذخیره‌سازی خورشیدی، از نظر بهینه‌سازی اندازه ذخیره‌سازی و/یا افزایش طول عمر آنها، مناسب‌هستند.
ایده کلی به این شکل است که اگر مقادیر پیش‌بینی‌شده بسیار نزدیک به متغیرهای واقعی هواشناسی برای 24 ساعت آینده باشند،
سیستم تولید خورشیدی می‌تواند یک برنامه دقیق انرژی برای روز آینده را پیشنهادکند.
سپس بر اساس این زمان بندی، اندازه سیستم ذخیره‌ساز ارزیابی‌شده و یک استراتژی مدیریتی مناسب ابداع‌می‌شود.
تعیین اندازه بهینه سیستم ذخیره ساز در یک ریز شبکه با تولید مختلط، اغلب با استفاده از مدل‌های خطای پیش‌بینی برای منابع تجدیدپذیر انجام‌می‌شود.
در مقاله دیگری، از روش جدید مبتنی بر تجزیه و تحلیل هزینه – فایده برای حل مشکل مشارکت واحدها با تخمین ذخیره چرخان استفاده‌شده‌است.
در این روش، سرعت باد از طریق یک مدل سری زمانی، و تابش خورشید از طریق تکنیک شبکه عصبی پیش‌خور پیش‌بینی‌می‌شوند.
اطلاعات به دست‌آمده از این مدل‌های پیش‌بینی برای بهینه سازی اندازه سیستم ذخیره‌ساز در نظرگرفته‌می‌شود.
اگرچه ذخیره ساز پرهزینه ترین عنصر یک ریزشبکه است، اما دانستن اندازه بهینه واحدهای تولید همراه با سیستم ذخیره ساز برای طراحی بهینه ریزشبکه ضروری‌است.
در جدول زیر، مروری بر استراتژی های اندازه گیری با استفاده از اطلاعات پیش‌بینی به همراه نوع تولید و ذخیره سازی منابع تجدیدپذیر انجام‌شده‌است.
5-2- تاثیر خطای پیش‌بینی بر اندازه سیستم ذخیره ساز
ویژگی‌های آماری خطاهای پیش‌بینی، تأثیر عمده ای بر اندازه و عملکرد سیستم ذخیره سازدارند.
یک ویژگی آماری قابل توجه، همبستگی خطاها در طول چند ساعت‌است.
این همبستگی از طریق یک مدل اتورگرسیون برازش‌داده به دست‌می‌آید و تحلیل حساسیت پارامتریک آن با رویکرد مونت کارلو نشان‌می‌دهد که
در صورت نادیده‌گرفتن همبستگی خطا، امکان در نظرگرفتن ظرفیت ذخیره‌ساز، کمتر از مقدار نیاز وجوددارد.
نتیجه‌گیری مشابهی در مورد همبستگی زمانی خطای پیش‌بینی باد در مقاله تحقیقاتی دیگری بر اساس مدل‌سازی خطا از طریق نظریه کوپولا به دست‌آمده‌است.
در مقاله دیگری، یک مدل توزیع ترکیبی (لاپلاس و نرمال) برای شرکت‌کنندگان در بازار انرژی پیشنهادشده‌است
که می‌تواند دستورالعمل‌هایی را برای تعیین اندازه بهینه سیستم ذخیره ساز با تحلیل اقتصادی ارائه‌دهد.
هزینه‌ها و اندازه‌های مختلف سیستم، تحت تأثیر ویژگی‌های خطاهای پیش‌بینی قرارمی‌گیرند.
بنابراین، استراتژی مبتنی بر پیش‌بینی به عنوان جایگزینی برای به حداقل‌رساندن هزینه‌های عملیاتی برای ریزشبکه‌های خارج از شبکه ارائه‌می‌شود.
در زمینه بازارهای رقابتی، اندازه ذخیره‌ساز برای به حداقل‌رساندن هزینه‌های عدم تعادل نیز با تغییرات خطای پیش‌بینی برای هر دوره متفاوت‌است.
بنابراین، یک روش اندازه‌گیری پویا سیستم ذخیره‌ساز، می‌تواند در چنین سناریوهایی که‌می‌تواند هزینه‌های مقررات و سطوح ریسک پذیرفته‌شده مرتبط را در بر‌بگیرد، بسیار مؤثراست.
————————————————–
6- پیش‌بینی و بازارهای انرژی
اثرات عدم قطعیت در پیش‌بینی انرژی تجدیدپذیر تأثیر زیادی بر عملکرد قیمت‌ها و سیاستهای بازار انرژی دارد و این بررسی مستلزم مطالعات متعددی است که این اثر را تحلیل‌کنند.
در واقع، اکنون محققان از اطلاعات خطای پیش‌بینی توان به عنوان مبنایی برای طراحی استراتژی‌های پیشنهادی بهینه و پیشنهاد مدل‌های پیش‌بینی جدید استفاده‌می‌کنند .
که برای به حداکثر رساندن رفاه اجتماعی (افزایش‌سود و کاهش‌زیان) شرکت‌کنندگان در بازار کمیت‌سازی‌می‌شوند.
علاوه براین، تجزیه و تحلیل عمیق عدم قطعیت ها از نظر عوامل بازار، جهت گیری‌های جدیدی را برای بهبود شیوه‌های معاملاتی و سیاستهای سودآورتر بازار انرژی ارائه‌می‌دهد.
6-1- تأثیر عدم قطعیت پیش‌بینی بر عملکرد بازار منطقه‌ای انرژی
مطالعه بر روی تأثیر پیش‌بینی‌های آب و هوا و توان می‌تواند در اصلاح مدل‌های قیمت‌گذاری بازار منطقه‌ای مفیدباشد.
و علاوه براین، بر قیمت‌گذاری بازار انرژی و ذخیره، سود تولیدکنندگان برق و رفاه اجتماعی تأثیرگذارد.
از این رو مطالعات متعددی برای بازارهای برق منطقه ای خاص با توجه به نیاز آنها انجام‌شده‌است.
یک مطالعه انجام شده برای بازار بریتانیا نشان می‌دهد که پیش‌بینی دقیق می تواند قیمت برق را بهبود بخشد، اما بستگی به شرایط زیردارد:
- 1) شیوه‌های تجارت برق،
- 2) دقت پیش‌بینی،
- و 3) مقدار نفوذ انرژی تجدیدپذیر در شبکه
در یک مطالعه موردی برای بازار انرژی ایالات متحده، سناریوهای متعددی برای تجزیه و تحلیل تأثیر نفوذ باد، پیش‌بینی‌ها و کاهش قیمت‌های برق مدل‌سازی‌شده‌است.
نتایج مطالعه نشان‌می‌دهد که قیمت برق با افزایش سطوح نفوذ باد به‌ویژه در کوتاه‌مدت نوسانی‌ترمی‌شود.
6-2- ارزش پیش‌بینی برای فعالان بازار
مهمترین نکته برای همه تولیدکنندگان برق که در بازار انرژی فعالیت می‌کنند، برنامه ریزی بهینه برای مناقصه سودآور انرژی موجوداست.
در بخش‌های قبل بررسی شد که یک مدل پیشنهادی تصادفی، برای رسیدگی به اطلاعات پیش‌بینی که در آن پیش‌بینی‌های دقیق عدم تعادل قیمت، نقش کلیدی برای بهبود بیشتر درآمد دارند، مناسب‌تراست.
با توجه به تاثیر اشتباهات پیش‌بینی بر قیمت‌های بازار و رفاه اجتماعی، سعی‌شده‌است مدل‌های پیش‌بینی بهبودیافته و سپس عملکرد آنها بر روی این شاخص‌ها ارزیابی‌شود.
به طور معمول، پیش‌بینی‌های هواشناسی بااستفاده از مدل‌های هواشناسی انجام‌می‌‌گرفت، اما با توجه به هزینه‌های بالای آنها، مدل‌های ریاضی و هوشمند دیگری نیز مورد استفاده‌قرار‌می‌گیرند.
به عنوان مثال، در مدل توزیع آمیخته آماری، عدم قطعیت پیش‌بینی نیروی باد به دلیل تشخیص بخش گسسته‌و‌پیوسته خطای پیش‌بینی،کاهش‌می‌یابد.
مدل‌های پیشرفته‌تر بااستفاده از شبکه عصبی و تبدیل موجک توسعه می‌یابند در حالی که عدم قطعیت‌ها با استفاده از روش رگرسیون کوانتیل نامتقارن محاسبه‌می‌شوند.
این مدل‌ها بر روی داده‌های دنیای واقعی از مزارع بادی آزمایش می‌شوند و نتایج از نظر معیارهای هزینه بازار، کمی‌سازی‌می‌شوند.
برای پیش‌بینی تابش خورشید نیز نشان داده‌شده‌است که، پیش‌بینی‌های خورشیدی دقیق نه تنها باعث کاهش قابل توجه جریمه‌ها می‌شوند، بلکه مزایای آنها به حوزه‌های دیگری مانند زمان‌بندی تعمیر و نگهداری نیز گسترش‌می‌یابد.
بررسی‌های فوق نشان می‌دهد که عدم قطعیت در پیش‌بینی توان خروجی یک منبع تجدیدپذیر تأثیر قابل‌توجهی بر قیمت‌های بازاردار و همچنین می‌توان از آن برای به حداکثررساندن سود شرکت‌کنندگان، کاهش ضرر و زیان آنها و افزایش رفاه اجتماعی استفاده‌کرد.
6-3- پیش‌بینی جهت بهبود سیاست معاملاتی بازار
در زمینه تجارت انرژی، حساسیت سود مورد انتظار بهینه به عدم قطعیت در فرآیند نفوذ منابع تجدیدپذیرمی‌تواند ایده‌های جدیدی را برای تجارت سودمند ایجادکند.
مقاله ای، این رابطه را به روشی تحلیلی برای محاسبه بازده سرمایه گذاری بسته به پیش‌بینی بهبود یافته و تولید کمکی محلی، در یک محیط بازار رقابتی، کمی‌سازی‌کرده‌است.
بخش ذاتی عدم قطعیت در پیش‌بینی‌های توان باید در فرآیند تصمیم گیری در نظر گرفته شود، تا ارزش بازار آنها افزایش‌یابد.
درآمد نیروگاه‌های شرکت‌کننده در بازار رقابتی انرژی تا حد زیادی به جریمه‌های عدم تعادل بستگی دارد، زیرا درآمد، پس از کسر این جریمه‌ها از قیمت‌های واقعی فروش انرژی، محاسبه‌می‌شود.
این جریمه‌های نامتعادل، نتیجه مستقیم تامین انرژی کمتر از میزان تعهد شده به دلیل عدم قطعیت‌های پیش‌بینی‌نشده‌هستند.
آثار متعددی وجود دارد که نشان‌می‌دهد پیش‌بینی دقیق توان به بهبود درآمد فعالان بازار در صورت وجود این جریمه‌های نامتعادل کمک‌می‌کند.
پیش‌بینی دقیق توان تولیدی و بازارها، راه دیگری را برای شکل دادن به سیاستهای جدید بازار بر اساس این اطلاعات بازمی‌کند.
مقاله‌ای با استفاده از یک سیستم عامل محور برای تجزیه و تحلیل تأثیر بالقوه تولید متغیر پیش‌بینی‌شده از طریق روش k-نزدیک ترین همسایه (k-NN) بر بازارهای عمده فروشی برق، تأثیر عدم قطعیت پیش‌بینی را بر قیمت‌های تسویه بازار نشان‌می‌دهد.
علاوه بر این، ایده‌هایی مانند به اشتراک گذاری اطلاعات پیش‌بینی‌شده برای کمک به همه فعالان بازار در ایجاد برنامه‌های روزانه آگاهانه تر پیشنهادشده‌است.
از یک سو، چنین سیاست‌هایی احساس رقابت منصفانه را ایجادمی‌کنند، در حالی که از سوی دیگر، می‌توانند هزینه متعادل کردن منابع را در عملیات بلادرنگ کاهش‌دهند.
————————————————–
7- پیش‌بینی جهت ارزیابی قابلیت اطمینان
محققان تمایل بیشتری به ارزیابی بهبودهای پیش‌بینی از طریق معیارهای آماری و اقتصادی‌دارند، و تنها مقالات کمی وجود دارد که عملاً مزایای قابلیت اطمینان این پیشرفت‌های پیش‌بینی را ارزیابی‌می‌کند.
در این بخش برخی از این مقالات گردآوری‌شده‌اند.
در یک مطالعه اثرات تغییرپذیری تولید متغیر و عدم قطعیت در مقیاس‌های زمانی عملیاتی متعدد بااستفاده از معیارهای قابلیت اطمینان بر اساس نگرش‌های ریسک مانند خطای کنترل منطقه (ACE)، نقض استاندارد و غیره توصیف شده‌است که در نهایت مقایسه بهتری از مبادله بین قابلیت اطمینان و هزینه‌های استراتژی‌های زمان‌بندی مختلف حاصل‌شده‌است.
تلاش برای بهبود قابلیت اطمینان شبکه سیستم قدرت با توسعه یک روش اکتشافی برای پیش‌بینی دامنه‌ها و زاویه‌های ولتاژ در موقعیت‌های غیرعادی در مقاله دیگری انجام‌شده‌است.
این رویکرد، یادگیری چند مرحله‌ای شبکه‌های عصبی با ارزش پیچیده‌را ترکیب‌می‌کند، که دقت پیش‌بینی را تضمین‌می‌کند و باعث‌می‌شود شبکه به‌طور قابل اعتمادی با شرایط احتمالی مقابله‌کند.
نه تنها دقت پیش‌بینی‌های آب‌وهوا، بلکه محدودیت‌های زمان‌بندی فرآیند تصمیم‌گیری، و عدم قطعیت در بارها از عوامل مهم در برنامه‌ریزی عملیاتی مبتنی بر ریسک‌هستند.
برای‌پرداختن به این مسائل، یک تکنیک دیجیتال ترکیبی در برخی مقالات توسعه‌یافته‌است.
این تکنیک مقادیر بار و توان را گسسته‌می‌کند و نمونه‌برداری را با استفاده‌از رویکرد مونت کارلو برای کاهش ریسک و در نتیجه افزایش قابلیت اطمینان یک سیستم قدرت انجام‌می‌دهد.
قابلیت اطمینان سیستم نیز در سناریوهای متعدد با بهبود پیش‌بینی مورد بررسی‌قرارمی‌گیرد.
مدل‌های پیش‌بینی آماده‌مبتنی بر NWP نیز برای پیش‌بینی استفاده‌می‌شوند.
مزایای قابلیت اطمینان پیش‌بینی‌های بهبودیافته انرژی‌خورشیدی در عملیات سیستم قدرت چندمقیاسی نیز در مقالات اخیر کمی سازی‌شده‌است.
علاوه بر پیش‌بینی‌های توان، خطاهای پیش‌بینی بار نیز می‌توانند به عنوان ورودی جهت برآورد قابلیت اطمینان‌داده‌شوند.
در یک مطالعه نشان داده‌شده‌است که چگونه خطاهای پیش‌بینی بر هزینه و قابلیت اطمینان سیستم از طریق یک معیار مفید معروف به انرژی مورد انتظار (EENS)تأثیرمی‌گذارد.
————————————————–
8- پیش‌بینی جهت تخمین اندازه ذخیره چرخان
پیش‌بینی دقیق توان تولیدی منابع تجدیدپذیر نیز نقش مهمی در تعیین اندازه بهینه ذخیره چرخان مورد نیاز برای عملکرد قابل اعتماد یک ریزشبکه با نفوذ بالا منابع تجدیدپذیردارد.
در یک مطالعه دقیق، یک چارچوب کلی برای طبقه‌بندی ذخایر سیستم‌های انرژی تجدیدپذیر بر اساس مقیاس‌های زمانی و در نظرگرفتن عدم قطعیت منابع تجدیدپذیر/بار ارائه‌شده‌است.
نتایج نشان می‌دهد که اطلاعات خطای پیش‌بینی به تخمین اندازه ذخیره چرخان و مقیاس‌های زمانی فعال‌سازی ذخیره،کمک‌می‌کند.
در مقاله دیگری نشان‌داده‌شده‌است که اگر شرکت برق بتواند پیش‌بینی‌های بلندمدت دقیقی تولید کند، می‌تواند نیازهای ذخیره چرخان خود راکاهش‌دهد.
علاوه بر پیش‌بینی‌های انرژی بادی و خورشیدی، اطلاعات مهم دیگری مانند قطعی‌های تولید متعارف و عدم قطعیت پیش‌بینی بار نیز می‌تواند برای اندازه‌گیری بهینه ذخیره چرخان مفیدباشد.
در مقاله ای پیشنهادشده‌است که از خطاهای پیش‌بینی بار و اطلاعات مربوط به موارد احتمالی به همراه پیش‌بینی‌های تولید انرژی تجدیدپذیر در کنار توزیع نرمال آماری استفاده‌شود و از شبیه‌سازی‌های مونت کارلو برای تعیین نیاز بهینه ذخیره چرخان که هزینه‌های عملیاتی کلی را به حداقل‌می‌رساند،استفاده‌گردد.
توسعه مدل‌های پیش‌بینی دقیق‌تر، ذخیره بهینه مورد نیاز و در نتیجه هزینه‌های سرمایه سیستم را کاهش‌می‌دهند.
پیاده‌سازی، ارزیابی و نتایج حاصل از نمایش عملیاتی یک ابزار تنظیم ذخیره قوی که پیش‌بینی‌های باد را به عنوان ورودی‌می‌گیرد، نشان‌می‌دهد که پیش‌بینی‌های احتمالی توان باد با کیفیت خوب ممکن است منجر به کاهش نیاز ذخیره و همچنین تصمیم‌گیری بهتر‌شود.
همچنین در کارهای مورد بحث به عنوان یک روند کلی مشاهده‌شده‌است که هزینه کل و ذخیره چرخان مورد نیاز با افزایش خطاهای پیش‌بینی‌افزایش‌می‌یابد.
از این رو توسعه مدل‌های دقیق تر پیش‌بینی توان برای کاهش ذخایر چرخان مورد نیاز، باید در آینده بیشتر موردتوجه‌قرارگیرد.
————————————————–
9- نتیجه گیری
در این مقاله مروری، مفاهیم عدم قطعیت‌های پیش‌بینی منابع تجدیدپذیر و توان و مزایای بهبود دقت پیش‌بینی با توجه به حوزه‌های مختلف برنامه‌ریزی و بهره‌برداری سیستم قدرت مورد بررسی‌قرارگرفت.
این حوزه‌ها عبارتنداز:
- توزیع بهینه سیستم قدرت (مشارکت واحدها، برنامه ریزی تولید و غیره).
- اندازه بهینه سیستم ذخیره انرژی.
- سیاستهای بازار انرژی و حداکثر سازی‌سود.
- افزایش قابلیت اطمینان.
- تعیین اندازه بهینه ذخیره چرخان.
مهمترین استنتاج‌های هر حوزه به شرح زیر آورده‌شده‌است:
9-1- مدل‌های پیش‌بینی
در میان تکنیک‌های مختلف مورداستفاده برای توسعه مدل‌های پیش‌بینی، پیش‌بینی‌های آب و هوای عددی (NWP)، روش‌های آماری پیشرفته و هوشمند عموماً بهتر از سایر مدل‌های سری زمانی برای پیش‌بینی‌های کوتاه‌مدت عمل‌می‌کنند.
مدل‌های NWP به هزینه بالایی نیازدارند و فقط در امکانات بزرگ در دسترس‌هستند، که باعث محبوبیت مدل‌های پیش‌بینی هوشمند و ترکیبی‌می‌شود.
این مدل‌ها این توانایی را دارند‌که از داده‌های تاریخی برای یادگیری الگوها و آموزش الگوریتم‌ها بایافتن روابط پیچیده‌بین متغیرها بدون استفاده‌از ریاضیات پیچیده‌استفاده‌کنند.
9-2- پیش‌بینی توزیع توان تجدیدپذیر
– طرح‌های توزیع مبتنی بر پیش‌بینی معمولاً بااستفاده از الگوریتم‌های پیش‌بینی تهیه‌می‌شوند که در آن تصمیمات توزیع بر اساس برآورد رویدادهای آینده و مقادیر پارامترها اتخاذمی‌شوند.
– استراتژی‌های توزیع مبتنی بر پیش‌بینی در کاهش هزینه‌های جاری یک ریزشبکه با واحدهای تولید‌پراکنده متعدد، احتمالاً بسیار مؤثراست.
– این طرح‌ها همچنین می‌توانند به طور مشترک در جنبه‌های مختلف عملیاتی و اقتصادی یک سیستم قدرت مورد استفاده‌قرارگیرند.
– مدل‌های مشارکت واحد قطعی (UC) قادر به برآورده‌کردن پیش‌بینی‌های انرژی تجدیدپذیرنیستند.
از این رو تأکید زیادی بر توسعه مدل‌های UC تصادفی وجود دارد که می‌توانند عدم قطعیت‌های پیش‌بینی را تطبیق‌دهند.
– بدون پیش‌بینی توان، سیستم قدرت با تعهد بیش از حد تولید و همچنین کاهش بسیار زیاد مواجه‌می‌شود
که منجر به افزایش هزینه‌های خالص تولید‌می‌گردد. با این حال، گنجاندن پیش‌بینی‌های لازم، هزینه‌های‌خالص تولید را تا حدی کاهش‌می‌دهد.
– ویژگی‌های خطا نقش مهمی را ایفامی‌کنند،
به طوریکه واریانس بیشترین تاثیر رادارد اما نتایج همچنین نشان می‌دهد که چولگی و کشیدگی نیز باید در فرآیند بررسی لحاظ شود تا هزینه‌های سیستم به طور موثر کاهش‌یابد.
– برای یک سیستم خورشیدی، بهبود پیش‌بینی‌ها دارای ارزش اقتصادی سالانه‌است، زیرا هزینه‌های عملیاتی تولید برق را کاهش‌می‌دهد.
– برای یک سیستم قدرت بادی، بهبود دقت پیش‌بینی می‌تواند صرفه‌جویی در هزینه سیستم را به همراه داشته‌باشد.
– پیش‌بینی‌های بهبودیافته، اگر به اندازه کافی در الگوریتم کنترل توزیع گنجانده‌شوند، می‌توانند عملکرد و طول عمر سیستم ذخیره‌ساز باتری را افزایش‌دهند.
از استنباط‌های فوق می توان نتیجه گرفت که مطالعه عمیقی از عدم قطعیت پیش‌بینی نیروی‌تجدیدپذیر (بادی/خورشیدی) و خواص آن بااستفاده از الگوریتم‌های توزیع پیش‌بینی و مدل‌های‌تصادفی انجام‌شده‌است.
گنجاندن این اطلاعات می‌تواند فرآیند برنامه‌ریزی کلی تولید و عملکرد سیستم قدرت را بهبودبخشد و می‌تواند هزینه‌های عملیاتی یک ریزشبکه را به میزان قابل توجهی کاهش‌دهد.
9-3- پیش‌بینی مشکلات اندازه گیری
– با آگاهی از شرایط پیش‌بینی‌شده (افق، کیفیت)، بهینه‌سازی اندازه سیستم ذخیره‌ساز را می‌توان با عدم قطعیت تعریف‌شده، انجام‌داد و ظرفیت انرژی و توان را به طور همزمان کاهش‌داد.
– همبستگی بین خطاهای‌پیش‌بینی عامل مهمی‌است و بی‌توجهی به همبستگی می‌تواند منجر به برآورد نادرست توان نامی و ظرفیت توان سیستم ذخیره‌سازانرژی‌شود.
– استراتژی‌های مبتنی بر پیش‌بینی می توانند سهم تولید منابع تجدیدپذیر را با اندازه کافی اجزای ریزشبکه بهبودبخشند.
– پیش‌بینی دقیق نه تنها به اندازه بهینه ذخیره‌ساز کمک‌می‌کند، بلکه به تخمین اندازه بهینه واحدهای تولیدی مانند توربین بادی و آرایه خورشیدی کمک‌می‌کند.
در نتیجه، اطلاعات دقیق در مورد خطاهای پیش‌بینی و همبستگی‌های آن‌ها‌می‌تواند
به تخمین اندازه سیستم ذخیره‌ساز انرژی ، همراه با ظرفیت تولید کمک‌کند، که می‌تواند هزینه‌های سرمایه یک سیستم قدرت شامل منابع تجدیدپذیر را کاهش‌دهد.
9-4- پیش‌بینی و بازارهای انرژی
– اطلاعات خطای پیش‌بینی توان می‌تواند به عنوان مبنایی برای ابداع مدل‌های پیشنهادی تصادفی بهینه در نظرگرفته‌شود
که با کمک به تولیدکنندگان برق در پیشنهاد بهینه در بازار برق، رقابت‌پذیری تولید برق تجدیدپذیر را بهبود‌می‌بخشد.
– پیش‌بینی قیمت نامتعادل، نقش کلیدی در مدل مشارکت واحد تصادفی دارد و از این رو، پیش‌بینی دقیق آنها برای بهبود بیشتر درآمد فعالان بازار مورد نیاز‌است.
– پیش‌بینی دقیق می‌تواند قیمت برق را بهبود بخشد، اما به شرایط زیر بستگی‌دارد: 1) شیوه‌های تجارت برق، 2) دقت پیش‌بینی، و 3) میزان نفوذ انرژی‌های تجدیدپذیر.
– در بازارهای لحظه ای برق، پیش‌بینی‌های انرژی تجدیدپذیر نه تنها بر سطح قیمت‌های لحظه ای تأثیر می گذارد، بلکه تأثیر قابل توجهی بر ویژگی‌های توزیع آنهادارد.
– پیش‌بینی‌های دقیق نه تنها باعث کاهش قابل توجه جریمه‌هامی‌شود، بلکه مزایای آنها به حوزه‌های دیگری مانند زمان‌بندی تعمیر و نگهداری نیز گسترش‌می‌یابد.
– اگر اطلاعات عدم قطعیت ذاتی در پیش‌بینی‌های توان را بتوان به عنوان ورودی فرآیند تصمیم‌گیری مدل‌سازی‌کرد، ارزش بازار مدل پیش‌بینی توان می‌تواند به میزان قابل توجهی افزایش‌یابد.
– تحلیل عمیق عدم قطعیت‌ها بر حسب عوامل بازار، جهت گیری‌های‌جدیدی را برای بهبود شیوه‌های معاملاتی و حتی برای ابداع سیاستهای بهتر و سودآور بازار انرژی ارائه‌می‌دهد.
با توجه به مباحث فوق، می‌توان دریافت که عدم قطعیت در پیش‌بینی توان خروجی یک منبع انرژی تجدیدپذیر، تأثیر قابل توجهی بر قیمت‌های بازاردارد، تا جایی که می‌توان از اطلاعات دقیق پیش‌بینی
برای شکل‌دادن به سیاستهای بهتر و سودآورتر بازار انرژی استفاده‌کرد.
شرکت‌کنندگانی که سیستم‌های پیش‌بینی دقیق‌تری دارند مطمئناً سود خود را به حداکثرمی‌رسانند و زیان خود را کاهش‌می‌دهند که در نهایت به نفع جامعه‌است.
9-5- پیش‌بینی جهت قابلیت اطمینان و اندازه ذخیره چرخان
– پیش‌بینی باد با دقت پیش‌بینی بالاتر، قابلیت اطمینان سیستم قدرت باد را بهبود می‌بخشد.
در مورد پیش‌بینی تابش خورشیدی برای سیستم خورشیدی و همچنین سیستم‌های تولید حرارتی خورشیدی نیز همینطور‌است.
– خطاهای پیش‌بینی، هزینه و قابلیت اطمینان سیستم را از طریق معیار مفیدی که به نام انرژی مورد انتظار (EENS) شناخته می‌شود، تحت تاثیرقرارمی‌دهد.
– پیش‌بینی دقیق خروجی توان تجدیدپذیر نیز نقش مهمی در تعیین اندازه بهینه ذخیره چرخان مورد نیاز برای عملکرد قابل اعتماد یک ریزشبکه با نفوذ بالای منابع تجدیدپذیردارد.
– اپراتورهای سیستم بااستفاده از اطلاعات پیش‌بینی‌های توان خروجی، قطعی‌های تولید متعارف و عدم قطعیت پیش‌بینی بار، می‌توانند شاخص‌های ریسک راتعریف‌کنند
که به تعیین نیازهای ذخیره عملیاتی برای بازارهای رقابتی کمک‌می‌کند.
نتایج اصلی حاصل از این مقالات ایده‌ای در مورد کاربرد و تأثیر عدم قطعیت‌های پیش‌بینی در زمینه‌های مهم برنامه ریزی و بهره برداری ریزشبکه ارائه‌می‌دهد.
با این حال، یک تحلیل انتقادی را می‌توان از طریق مقایسه متقابل مدل‌های پیش‌بینی، روش‌های بهینه‌سازی،
استراتژی‌های زمان‌بندی و ابزارهای اقتصادسنجی مورداستفاده در این مقالات از منظر حوزه خاصی از برنامه‌ریزی سیستم قدرت در آینده انجام‌داد.
————————————————–
مرجع
A review on the selected applications of forecasting models in renewable power systems