چکیده:
نفوذ روز افزون انرژی های تجدید پذیر با توجه به عدم قطعیت های ناشی از آن ها، سبب بروز تغییراتی در ابزار های مرسوم برنامه ریزی و بهره برداری سیستم های قدرت شده است. تغییرات احتمالاتی توان هنگام نفوذ انرژی های تجدید پذیر به وسیله پخش توان قطعی نمی توانند تحلیل شوند، زیرا انرژی های تجدید پذیر همواره دارای عدم قطعیت هایی می باشند. پخش توان بهینه احتمالاتی یکی از ابزار های مفید برای تجزیه و تحلیل سیستم های قدرت در شرایط حضور عدم قطعیت ها می باشد. هدف از این مقاله بررسی اثرات عدم قطعیت های انرژی بادی و نیروگاه خورشیدی روی یک شبکه نمونه استاندارد با استفاده از روش پخش توان بهینه احتمالاتی می باشد. در این مقاله، سیستم استاندارد 89 شینه PEGASE اروپا می باشد. از جمله نوآوری های این مقاله مقایسه روش های شبیه سازی مونت کارلو و تحلیلی مشتمل بر روش های تخمین نقطه ای می باشد. تحلیل و مقایسه نتایج نشان می دهد که در روش های تحلیلی به دلیل این که از نقاط کمتری برای بهینه سازی استفاده می شود پخش توان بهینه سریع تر محاسبه می شود. که این موضوع سبب افزایش بهره وری محاسبه خواهد شد. نتایج مقایسه اجرای روش های فوق الذکر روی سیستم نمونه 89 شینه نشان دهنده کاهش تقریبی زمان محاسبه به میزان تقریبی 92 و 93 درصد به ترتیب در مورد روش های تخمین دو و سه نقطه ای نسبت به روش مونت کارلو می باشد. این در حالی است که نتیجه حاصل از انجام پخش توان بهینه با روش های فوق تفاوت های تقریباً قابل اغمازی را به ترتیب به میزان 5/2 درصد کاهشی و افزایشی تجربه می کند.
The increasing penetration of renewable energy results in the change of the traditional power system planning and operation tools. As the generated power by the renewable energy resources are probabilistically changed, the certain power system analysis toll cannot be applied in this case. The probabilistic optimal power flow is one of the most useful tools regarding the power system analysis in the presence of uncertainties. In this paper, Monte Carlo simulation and point estimation methods are used to solve the POPF in the presence of wind and solar sources uncertainties. These methods are simulated on the PEGASE 89–bus European system. The most important novelty of this paper is arising from the comparison of detailed studies of point estimation methods with the Monte Carlo simulation method. As the obtained results confirm, the point estimation methods lead to an increase in the computing time efficiency in comparison to the Monte Carlo simulation method. Also, an increase in the number of sampling points in PEMs will result in an increase in the accuracy of the obtained results, while the computing time is still lower than the Monte Carlo simulation method.