Lập kế hoạch vận hành của hệ thống pin tích trữ năng lượng trong thị trường điện ngày tới

ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ Lập kế hoạch vận hành hệ thống pin tích trữ lượng thị trường điện ngày tới ĐẶNG VŨ KIÊN Kien.DV202899M@sis.hust.edu.vn Ngành Kỹ thuật điện Giảng viên hướng dẫn: TS LÊ THỊ MINH CHÂU Khoa: Điện Trường: Điện – Điện tử HÀ NỘI, 2023 Luận văn thạc sĩ ĐỀ TÀI LUẬN VĂN Đặt vấn đề Gần đây, ngành công nghiệp lượng bước vào kỷ nguyên phát triển mạnh nguồn lượng tái tạo công nghệ lưới thông minh Việc đề phương án quy hoạch hướng đến lưới điện đại tiên tiến nhiệm vụ đơn vị vận hành hệ thống độc lập (Independent System Operator-ISO) hay đơn vị điều độ hệ thống Phần lớn thách thức đến từ chất bất định lượng gió tính phức tạp vận hành nguồn điện gió vận hành thị trường điện Việc sử dụng hệ thống tích trữ lượng (Energy storage system – ESS) để tăng độ linh hoạt vận hành xem bổ sung hợp lý cho hệ thống với số lượng lớn nguồn điện gió Vì vậy, ảnh hưởng lợi ích ESS tích hợp vào lưới nghiên cứu đưa vào thử nghiệm cho công ty bán lẻ điện (Load Serving Entities-LSEs) thị trường bán buôn Khi việc sử dụng ESS LSEs trở nên cần thiết với quy mô ngày lớn tương lai gần, tồn hội cho LSEs hiểu tốt làm để vận hành tối ưu ESS với mục đích thu hồi vốn giảm thuế Trong tương lai gần, công ty bán lẻ điện (LSE) đóng vai trò quan trọng việc sử dụng ESS để tối ưu hóa cơng suất sử dụng tối đa lợi nhuận họ Một mối quan ngại khác việc lập kế hoạch cho ESS dựa dự báo giá nghiên cứu ảnh hưởng công suất nạp/xả ESS lên giá hệ thống khơng thể mơ hình hóa cách tiếp cận Với gia tăng dung lượng số lượng ESS hệ thống, ảnh hưởng nên xét đến vận hành thị trường điện có ESS Mục tiêu đề tài Xuất phát từ vấn đề đặt trên, nghiên cứu xem xét vấn đề xung quanh việc tối đa lợi nhuận công ty bán lẻ điện Mục tiêu đề tài sau: - - Đề xuất toán tối ưu lớp với mục tiêu tối đa lợi nhuận LSE, đó: tốn lớp tối đa lợi nhuận LSE; toán lớp toán cân thị trường Hai toán liên hệ chặt chẽ với kết sau giải lợi nhuận kì vọng LSE với lượng cơng suất nạp/xả ESS Tích hợp mơ hình tốn học phức tạp ESS vào toán tối ưu lớp nhằm thu kết xác thể xác trình nạp/xả ESS i Luận văn thạc sĩ Nội dung nghiên cứu Để tích hợp mơ hình tốn học ESS vào toán, nghiên cứu đề xuất phương pháp tuyến tính hóa đoạn đường đặc tính nạp/xả ESS, đưa tốn từ phi tuyến trở dạng tuyến tính nguyên thực hỗn hợp Bên cạnh đó, phương pháp xây dựng mơ hình tốn lớp với mục tiêu tối đa lợi nhuận LSE sau: tốn lớp tính lợi nhuận LSE cách lấy doanh thu từ việc bán điện trừ chi phí mua điện từ thị trường bán bn; tốn lớp toán cân thị trường dựa toán tối ưu hóa trào lưu cơng suất sử dụng phương pháp dòng điện chiều Nghiên cứu đề xuất phương pháp giải đồng thời toán tối lớp kết xác Phương pháp nghiên cứu - Nghiên cứu lý thuyết: thu thập, phân tích tổng hợp tài liệu, báo khoa học liên quan đến ESS, phương pháp giải toán tối ưu lớp - Nghiên cứu thực nghiệm mơ hình tốn:  Xây dựng mơ hình tốn học ESS  Xây dựng mơ hình tốn lớp  Lập trình để giải tốn tối ưu lớp sử dụng phần mềm GAMS tích hợp giải tối ưu CPLEX Ý nghĩa khoa học thực tiễn đề tài Với mức độ thâm nhập ngày lớn nguồn lượng tái tạo điện gió điện mặt trời, việc sử dụng ESS hệ thống điện kì vọng cơng cụ hiệu có tính kinh tế để giảm thiểu tính bất định nguồn lượng tái tạo Trong bối cảnh này, việc lập kế hoạch vận hành cho ESS sở hữu LSE để tối đa hóa lợi nhuận nghiên cứu ngày nhiều Do đó, đề tài nghiên cứu “Lập kế hoạch vận hành cho hệ thống tích trữ lượng thị trường điện ngày tới” đóng góp chiến lược khác việc vận hành ESS LSE để tối đa lợi nhuận Giảng viên hướng dẫn Ký ghi rõ họ tên ii Luận văn thạc sĩ LỜI CAM ĐOAN Tên là: Đặng Vũ Kiên Sinh ngày 14 tháng năm 1997 Học viên lớp đào tạo sau đại học Hệ thống điện – Khóa 2020B – Đại học Bách Khoa Hà Nội Xin cam đoan Đề tài “Lập kế hoạch vận hành hệ thống pin tích trữ lượng thị trường điện ngày tới” giảng viên TS Lê Thị Minh Châu hướng dẫn nghiên cứu riêng Tất tài liệu tham khảo có nguồn gốc, xuất xứ rõ ràng Hà Nội, ngày 18 tháng năm 2023 Học viên iii Lời cảm ơn Luận văn hồn thành nhờ bảo, góp ý tận tình Thầy, Cơ giáo Tuy nỗ lực nhiều thiếu kinh nghiệm thực tế kiến thức cịn hạn chế nên khơng tránh khỏi thiếu sót Vì vậy, em mong nhận ý kiến đánh giá, bảo Thầy Cô giáo để em mở rộng, nâng cao kiến thức Em xin chân thành cảm Thầy Cô giáo môn Hệ Thống Điện, đặc biệt cô giáo Lê Thị Minh Châu tận tình giúp đỡ em thời gian vừa qua Em mong muốn tiếp tục nhận giúp đỡ Thầy, Cơ giáo q trình cơng tác sau iv Luận văn thạc sĩ Tóm tắt nội dung luận văn Đề tài nghiên cứu ảnh hưởng Battery, tính bất định phụ tải đến doanh thu đơn vị sở hữu Battery Trong đề tài, mơ hình Battery chế độ xác lập trình bày cách chi tiết, toán lập kế hoạch vận hành cho Battery theo phương pháp truyền thống đưa so sánh với toán lập kế hoạch vận hành cho Battery sử dụng tối ưu hai lớp Cả hai mơ hình: truyền thống tối ưu hai lớp đề xuất để xét ảnh hưởng tính bất định phụ tải kết so sánh với Ngồi mơ hình tối ưu hai lớp xét ảnh hưởng Battery lên giá biên nút LMP Mơ hình tốn tối ưu hai lớp chuyển lớp sử dụng định lý Karush-Kuhn-Tucker (KKT) trở thành mơ hình tốn tối ưu lớp có ràng buộc cân MPEC (Mathematical Program with Equilibrium Constraints) Sử dụng lý thuyết đối ngẫu mạnh (Strong duality theory), toán MPEC biến đổi thành mơ hình tốn tối ưu tuyến tính ngun thực hỗn hợp MILP (MixedInteger Linear Programming) để giải phần mềm thương mại Các kết tính tốn thực lưới điện mẫu nút PJM 24 nút IEEE Luận văn gồm nội dung sau: Chương 1: Giới thiệu đề tài Chương 2: Các mơ hình Battery chế độ xác lập Chương 3: Mơ hình cân thị trường Chương 4: Chiến lược vận hành Battery công ty bán lẻ điện Chương 5: Áp dụng tính tốn lưới điện mẫu Hà Nội, ngày 18 tháng 05 năm 2023 Học viên thực Đặng Vũ Kiên v Luận văn thạc sĩ CÁC ĐÓNG GÓP CỦA LUẬN VĂN     Trình bày mơ hình Battery chế độ xác lập Xây dựng kế hoạch vận hành cho Battery theo phương pháp truyền thống Xây dựng kế hoạch vận hành cho Battery dựa tối ưu hai lớp Phân tích ảnh hưởng Battery tới lợi nhuận đơn vị sở hữu giá biên nút LMP  Phân tích ảnh hưởng độ bất định phụ tải tới lợi nhuận đơn vị bán lẻ điện vi Luận văn thạc sĩ MỤC LỤC DANH MỤC HÌNH VẼ x DANH MỤC BẢNG BIỂU xii DANH MỤC TỪ VIẾT TẮT xiii CHƯƠNG GIỚI THIỆU ĐỀ TÀI 1.1 CÁC MƠ HÌNH PHÁT TRIỂN CỦA THỊ TRƯỜNG ĐIỆN 1.1.1 Mơ hình 1: Độc quyền 1.1.2 Mơ hình 2: Cơng ty mua bán điện – Phát điện cạnh tranh 1.1.3 Mơ hình 3: Thị trường bán bn cạnh tranh 1.1.4 Mô hình 4: Thị trường bán lẻ cạnh tranh 1.2 SỰ PHÁT TRIỂN CỦA THỊ TRƯỜNG ĐIỆN VIỆT NAM 1.2.1 Lộ trình thực phát triển thị trường điện Việt Nam 1.2.2 Thị trường phát điện cạnh tranh Việt Nam (VCGM) 1.2.3 Thị trường bán buôn điện cạnh tranh Việt Nam (VWEM) 10 1.3 SỰ CẦN THIẾT CỦA HỆ THỐNG TÍCH TRỮ NĂNG LƯỢNG (ESS) 12 1.4 CÁC LOẠI CƠNG NGHỆ TÍCH TRỮ NĂNG LƯỢNG 12 1.4.1 Thủy điện tích 12 1.4.2 Khí nén (Compressed Air Energy Storage – CAES) 13 1.4.3 Battery 15 1.5 CÁC NGHIÊN CỨU ĐÃ CÔNG BỐ VỀ ĐỀ TÀI 17 1.6 CÁC ĐÓNG GÓP CỦA ĐỀ TÀI NGHIÊN CỨU 18 1.7 CÁC NỘI DUNG CỦA ĐỀ TÀI NGHIÊN CỨU 18 CHƯƠNG MƠ HÌNH BATTERY TRONG CHẾ ĐỘ XÁC LẬP 20 2.1 MƠ HÌNH LÝ TƯỞNG 20 2.2 MƠ HÌNH PHI TUYẾN 21 2.3 MƠ HÌNH TUYẾN TÍNH HĨA 22 2.4 NHẬN XÉT 26 CHƯƠNG MÔ HÌNH CÂN BẰNG THỊ TRƯỜNG 27 3.1 PHƯƠNG PHÁP DÒNG ĐIỆN CHIỀU (DCPF) 27 3.2 HỆ SỐ PHÂN BỐ DỊCH CHUYỂN CÔNG SUẤT GSF (HAY PTDF) 28 vii Luận văn thạc sĩ 3.3 TRÀO LƯU CÔNG SUẤT TỐI ƯU NHIỀU GIAI ĐOẠN (MP-OPF) 35 3.3.1 Mơ hình toán học toán MP-OPF 35 3.3.2 Mơ hình trào lưu cơng suất tối ưu nhiều giai đoạn có xét tính bất định 36 3.3.3 Mơ hình trào lưu cơng suất tối ưu nhiều giai đoạn có xét Battery tính bất định 38 3.4 GIÁ BIÊN NÚT (LMP) VÀ CÁC THÀNH PHẦN 40 3.4.1 Khái niệm giá biên nút 40 3.4.2 LMP chưa xét ràng buộc giới hạn nhánh 42 3.4.3 LMP xét đến ràng buộc giới hạn nhánh 43 3.5 KẾT LUẬN 46 CHƯƠNG CHIẾN LƯỢC VẬN HÀNH BATTERY CỦA CÔNG TY BÁN LẺ ĐIỆN NĂNG 47 4.1 GIỚI THIỆU CHIẾN LƯỢC VẬN HÀNH CỦA BATTERY 47 4.2 KẾ HOẠCH VẬN HÀNH TRUYỀN THỐNG CỦA BATTERY 49 4.3 KẾ HOẠCH VẬN HÀNH BATTERY DỰA TRÊN TỐI ƯU HAI LỚP 50 4.3.1 Mô hình tổng qt tốn 50 4.3.2 Mơ hình tối ưu có ràng buộc cân (MPEC) 52 4.3.3 Mơ hình tối ưu tuyến tính ngun thực hỗn hợp (MILP) 54 4.4 KẾ HOẠCH VẬN HÀNH CỦA BATTERY DỰA TRÊN TỐI ƯU HAI LỚP CĨ XÉT TÍNH BẤT ĐỊNH 57 4.5 KẾT LUẬN 59 CHƯƠNG ÁP DỤNG TÍNH TỐN 60 5.1 LƯỚI NÚT PJM 60 5.1.1 Dữ liệu đầu vào 60 5.1.2 Số lượng biến nguyên, biến liên tục ràng buộc 62 5.1.3 So sánh, nhận xét kết tính tốn 62 5.2 LƯỚI ĐIỆN 24 NÚT IEEE 66 5.2.1 Dữ liệu đầu vào 66 5.2.2 Số lượng biến nguyên, biến liên tục ràng buộc 69 5.2.3 So sánh, nhận xét kết tính tốn 69 5.3 KẾT LUẬN 76 CHƯƠNG KẾT LUẬN 77 viii Luận văn thạc sĩ CHƯƠNG TÀI LIỆU THAM KHẢO 78 CHƯƠNG PHỤ LỤC PHẦN LẬP TRÌNH 80 8.1 LẬP TRÌNH LƯỚI NÚT 80 8.2 LẬP TRÌNH LƯỚI 24 NÚT 83 ix Luận văn thạc sĩ Gốc 25 LMP ($/MWh) 20 15 b4 b5 10 b6 b8 5 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Giờ (h) Hình 5-11 LMP tốn tối ưu thị trường điện gốc (khơng có Battery) Truyền thống 25 LMP ($/MWh) 20 15 b4 b5 10 b6 b8 5 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Giờ (h) Hình 5-12 LMP kế hoạch vận hành truyền thống Đặng Vũ Kiên 72 Luận văn thạc sĩ Tối ưu lớp 25 LMP ($/MWh) 20 15 b4 b5 10 b6 b8 5 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Giờ (h) Hình 5-13 LMP kế hoạch vận hành tối ưu lớp Từ đồ thị ta thấy kết tính tốn giá biên nút trường hợp gần giống Trong mơ hình truyền thống, hoạt động nạp Battery vào lúc 3h-6h nên thời điểm LMP tăng Ngược lại với mơ hình tối ưu lớp, thời điểm 3h, 6h 14h-16h, LMP giảm hoạt động xả Battery tất nút sử hữu LSE Battery có khả thay đổi phụ tải nút Vì kế hoạch vận hành dựa tối ưu lớp, Battery xả vài thời điểm để làm giảm LMP LSE lựa chọn mức lượng Battery phù hợp để thu nhiều lợi nhuận d) Ảnh hưởng độ bất định phụ tải đến lợi nhuận LSE Để xét độ bất định phụ tải đến lợi nhuận LSE, độ lệch chuẩn  thay đổi quan sát thay đổi lợi nhuận theo độ lệch chuẩn Theo đó, độ lệch chuẩn lấy giá trị sau: 0%; 2,5%; 5%; 7,5% 10% Với giá trị độ lệch chuẩn này, khối lượng tính tốn tăng lên nhiều, để giảm bớt khối lượng tính tốn, LSE giả thiết đặt Battery nút với dung lượng 50 MWh Thông số Battery cho sau: Đặng Vũ Kiên 73 Luận văn thạc sĩ Bảng 5-10 Thông số Battery – trường hợp thay đổi độ lệch chuẩn σ Nút Dung lượng E 50 E max E0 (MWh) (MWh) (MWh) (MWh) 45 10 c d 0,9 0,9 Pc(max) P d (max) (MW) (MW) 15 15 Kết lợi nhuận ứng với độ lệch chuẩn tổng hợp Bảng 5-11 Bảng 5-11 Lợi nhuận kì vọng tương ứng với giá trị độ lệch chuẩn σ 0% 2,5% Lợi nhuận kì vọng ($) 32935,5 33876 5% 7,5% 10% 37308,7 37055,2 37839,6 Có thể thấy rằng, lợi nhuận kì vọng tăng tỉ lệ với độ lệch chuẩn, trừ trường hợp σ = 7,5% Để hiểu rõ kết này, giá biên nút LMP lượng Battery phân tích, đồng thời lợi nhuận kịch giá trị độ lệch chuẩn đưa Các phân trình bày 21 18 LMP ($/MWh) 15 12 3 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Giờ (h) σ=0% σ=2.5% σ=5% σ=7.5% σ=10% Hình 5-14 LMP với giá trị độ lệch chuẩn khác Đặng Vũ Kiên 74 Luận văn thạc sĩ 45 40 Năng lượng (MWh) 35 30 25 20 15 10 5 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Giờ (h) σ=0% σ=2.5% σ=5% σ=7.5% σ=10% Hình 5-15 Mức lượng Battery với giá trị độ lệch chuẩn khác 80000 70000 Lợi nhuận ($) 60000 50000 40000 30000 20000 10000 s1 σ=0% s2 σ=2.5% s3 σ=5% s4 σ=7.5% s5 σ=10% Hình 5-16 Lợi nhuận kịch ứng với giá trị độ lệch chuẩn khác Trong Hình 5-14, thấy hầu hết LMP tỉ lệ nghịch với độ lệch chuẩn Hơn nữa, Hình 5-15, mức lượng Battery tuân theo quy luật tương tự Điều gợi ý hành vi nạp/xả Battery ảnh hưởng đến mối quan hệ độ lệch chuẩn σ lợi nhuận kì vọng Thay vào đó, thay đổi đồ thị phụ tải nhân tố tác động đến lợi nhuận kì vọng Thật vậy, σ lớn 0%, kịch s1 s2 kịch phụ tải cao kịch s4 s5 là kịch phụ tải thấp Khi σ tăng, lợi nhuận kịch s1 s2 giảm, lợi nhuận s4 s5 tăng đáng kể Trong kịch phụ tải cao, hầu hết Đặng Vũ Kiên 75 Luận văn thạc sĩ máy phát có chi phí cao phải phát tối đa để cấp điện cho tải, làm tăng giá biên nút LMP hệ giảm lợi nhuận LSE Vì vậy, Battery làm giảm LMP cách rõ rệt Điều thể Hình 5-16, σ = 10%, lợi nhuận s1 thấp nhất, đạt 12.000$ Ngược lại, kịch phụ tải thấp, LMP có giá trị nhỏ, tạo điều kiện cho Battery hoạt động hiệu Kết lợi nhuận kịch phụ tải thấp tăng vọt, lợi nhuận s5 đạt 75.000$ σ = 10% Bởi lợi nhuận kịch phụ tải thấp cao nhiều so với lợi nhuận kịch phụ tải cao, lợi nhuận kì vọng tăng độ lệch chuẩn tăng Tuy nhiên, giá trị công suất phụ tải tổng công suất phát nhỏ tất máy phát LMP đạt giá trị nhỏ nhất, dẫn đến Battery giảm LMP Điều giải thích việc lợi nhuận kịch phụ tải thấp tăng chậm phụ tải giảm dần Ngồi ra, theo Hình 5-16, dễ thấy giá trị hàm mục tiêu (tức lợi nhuận) theo kịch phụ tải khơng phải đường tuyến tính Vì vậy, có thêm kịch phụ tải với xác suất kịch phù hợp hơn, đồ thị hàm mục tiêu thể xác tốn có kết tốt 5.3 KẾT LUẬN Chương kiểm chứng hiệu kế hoạch vận hành Battery đề xuất Chương Mơ hình tốn học đề xuất áp dụng cho lưới mẫu lưới nút PJM lưới 24 nút IEEE Kết tính tốn cho thấy, toán tối ưu lớp đề xuất có lợi nhuận lớn nhiều so với tốn truyền thống Khơng vậy, kết tốn tối ưu lớp xác so với toán truyền thống nhờ xét đến tác động qua lại công suất nạp/xả Battery giá biên nút LMP Ngoài ra, ảnh hưởng độ bất định phụ tải đến lợi nhuận kỳ vọng LSE xét đến Theo đó, với kịch mà đồ thị phụ tải thấp, lợi nhuận lớn Ngược lại, với kịch mà đồ thị phụ tải cao, lợi nhuận không cao Đặng Vũ Kiên 76 Luận văn thạc sĩ CHƯƠNG KẾT LUẬN Với mức độ thâm nhập ngày lớn nguồn lượng tái tạo điện gió điện mặt trời, việc sử dụng Battery hệ thống điện kì vọng cơng cụ hiệu có tính kinh tế để giảm thiểu tính bất định nguồn lượng tái tạo Trong bối cảnh này, việc lập kế hoạch vận hành cho Battery sở hữu LSE để tối đa hóa lợi nhuận nghiên cứu ngày nhiều Trong đồ án này, phương pháp lập kế hoạch vận hành chiến lược Battery cho LSE đưa dạng mơ hình tối ưu lớp Sau đó, cách chuyển toán lớp thành ràng buộc điều kiện tối ưu KKT, toán lớp chuyển thành tốn tối ưu lớp có ràng buộc cân bằng, cuối biến đổi thành toán tối ưu tuyến tính ngun thực hỗn hợp để dễ dàng giải sử dụng phần mềm thương mại có LSE thu thêm lợi nhuận thị trường ngày tới với phương pháp lập kế hoạch chiến lược Ảnh hưởng việc nạp/xả Battery đến LMP xét đến mơ hình đề xuất Do đó, q trình nạp Battery khơng làm tăng LMP, q trình xả Battery thực vào LMP cao điểm định để làm giảm LMP Các hướng nghiên cứu tương lai gồm: sử dụng mơ hình phức tạp xác Battery để giải tốn; tích hợp nguồn lượng tái tạo tính bất định vào lưới điện; tối ưu hóa đồng thời thị trường lượng dịch vụ phụ trợ, Battery nguồn tin cậy cần thiết cho thị trường dự trữ điều chỉnh tần số Thêm vào đó, mơ hình hóa thị trường ngày tới thị trường thời gian thực hướng nghiên cứu cần thiết giá thị trường ảnh hưởng đến lợi nhuận đơn vị sở hữu Battery trình tốn Đặng Vũ Kiên 77 Luận văn thạc sĩ CHƯƠNG TÀI LIỆU THAM KHẢO [1] D S Kirschen and G Strbac, Fundamentals of Power System Economics 2004 [2] A Soroudi, Power System Optimization Modeling in GAMS 2017 [3] M Korpaas, A T Holen, and R Hildrum, “Operation and sizing of energy storage for wind power plants in a market system,” Int J Electr Power Energy Syst., vol 25, no 8, pp 599–606, 2003 [4] J García-gonzález, R Moraga, R De, and L M Santos, “Stochastic Joint Optimization of Wind Generation and Pumped-Storage Units in an Electricity Market,” IEEE Trans Power Syst., vol 23, no 2, pp 460–468, 2008 [5] A A Sánchez, D Nieta, J Contreras, S Member, and J I Muñoz, “Optimal Coordinated Wind-Hydro Bidding Strategies in Day-Ahead Markets,” IEEE Trans Power Syst., vol 28, no 2, pp 1–12, 2013 [6] F Garcia-torres and C Bordons, “Optimal Economical Schedule of Hydrogen-Based Microgrids with Hybrid Storage Using Model Predictive Control,” IEEE Trans Ind Electron., vol 62, no 8, pp 100–111, 2015 [7] J Xiao, L Bai, F Li, H Liang, and C Wang, “Sizing of Energy Storage and Diesel Generators in an Isolated Microgrid Using Discrete Fourier Transform ( DFT ),” IEEE Trans Sustain Energy, vol 5, no 3, pp 907–916, 2014 [8] W Kling, B Ummels, and E Pelgrum, “Integration of large-scale wind power and use of energy storage in the Netherlands ’ electricity supply,” IET Renew Power Gener., vol 2, no 1, pp 34–46, 2008 [9] R A Jabr, I Džafić, and B C Pal, “Robust Optimization of Storage Investment on Transmission Networks,” IEEE Trans Power Syst., vol 30, no 1, pp 531–539, 2015 [10] W Hu, C Su, Z Chen, and B Bak-jensen, “Optimal Operation of Plug-In Electric Vehicles in Power Systems With High Wind Power Penetrations,” IEEE Trans Sustain Energy, vol 4, no 3, pp 1–9, 2013 [11] W Su and M Chow, “Performance Evaluation of an EDA-Based Large-Scale Plug-In Hybrid Electric Vehicle,” IEEE Trans Smart Grid, vol 3, no 1, pp 308–315, 2012 [12] H Cui, F Li, and X Fang, “Distribution Network Reconfiguration with Aggregated Electric Vehicle Charging Strategy,” in IEEE PES General Meeting, Denver, CO, 2015 [13] A Gonzalez-castellanos, D Pozo, and A Bischi, “Non-ideal Linear Operation Model for Li-ion Batteries.” Đặng Vũ Kiên 78 Luận văn thạc sĩ [14] J Fortuny-Amat and B McCarl, “A Representation and Economic Interpretation of a Two-Level Programming Problem,” Oper Res Soc., vol 32, p 783 to 792, 1981 [15] M González and J Miguel, “An Updated Version of the IEEE RTS 24-Bus System for Electricity Market and Power System Operation Studies,” 2016 Đặng Vũ Kiên 79 Luận văn thạc sĩ CHƯƠNG PHỤ LỤC PHẦN LẬP TRÌNH 8.1 LẬP TRÌNH LƯỚI NÚT Sets S /s1*s5/, t /t1*t24/, bus /b1*b5/, A(bus) /b4/, SC(bus) /b4/, gen /g1*g5/,subta(t) /t1*t23/, slack(bus) /b5/, nonslack(bus) /b1*b4/, load /D1*D3/, k/k1/; scalar Sbase /100/; scalar eta /21/; scalar M /600/; alias (bus,node,shin,knot); alias (t,to); alias (nonslack,nonslackj); *khai bao thong so nguon parameter gendata(gen,*); $call gdxxrw.exe 5busdata.xlsx par=gendata rng=Sheet1!A20:F25 $gdxin 5busdata.gdx $load gendata $gdxin *khai bao thong so ES parameter ES(k,*); $call gdxxrw.exe 5busdata.xlsx par=ES rng=Sheet1!A34:H35 $gdxin 5busdata.gdx $load ES $gdxin *khai bao thong so tai parameter Loaddata(S,load,*); $call gdxxrw.exe 5busdata.xlsx par=Loaddata rng=Sheet1!A2:Z17 Rdim=2 Cdim=1 $gdxin 5busdata.gdx $load Loaddata $gdxin *khai bao thong so luoi parameter branch(bus,node,*); $call gdxxrw.exe 5busdata.xlsx par=branch rng=Sheet1!K28:O34 Rdim=2 Cdim=1 $gdxin 5busdata.gdx $load branch $gdxin display gendata, Loaddata, branch; * -*khai bao lien ket nguon,tai voi nut set GBconnect(bus,gen) /b1.g1 b1.g2 b3.g3 b4.g4 b5.g5/; set LBconnect(bus,load) /b2.D1 b3.D2 b4.D3/; set ESconnect(bus,k) /b4.k1/; *xac suat kich ban parameter p(S) /s1 0.023 s2 0.135 s3 0.684 s4 0.135 s5 0.023/; *tinh GSF set conex(bus,node) ; Đặng Vũ Kiên 80 Luận văn thạc sĩ conex(bus,node)$(branch(bus,node,'x'))=yes; conex(bus,node)$conex(node,bus)=yes ; branch(bus,node,'x')$branch(node,bus,'x')=branch(node,bus,'x'); branch(bus,node,'stat')$branch(node,bus,'stat')=branch(node,bus,'stat'); branch(bus,node,'Limit')$(branch(bus,node,'Limit')=0)=branch(node,bus,'Limit'); branch(bus,node,'bij')$conex(bus,node)=1/branch(bus,node,'x'); Parameter Bmatrix(bus,node),Binv(bus,node),Flow(bus,node);Alias(bus,knot); Bmatrix(bus,node)$(conex(node,bus))=-branch(bus,node,'bij'); Bmatrix(bus,bus)=sum(knot$conex(knot,bus),-Bmatrix(bus,knot)); parameter Breduced(nonslack,nonslackj),GSF(bus,node,knot); Breduced(nonslack,nonslackj)=Bmatrix(nonslack,nonslackj); parameter inva(nonslack,nonslackj); execute_unload 'e.gdx',nonslack,Breduced ; execute '=invert.exe e.gdx nonslack Breduced f.gdx inva'; execute_load 'f.gdx',inva; Binv(nonslack,nonslackj)=inva(nonslack,nonslackj); GSF(bus,node,knot)$conex(bus,node)=branch(bus,node,'bij')*(Binv(bus,knot)-Binv(node,knot)); display GSF; variables Revenue Pg(gen,t,S) PES(k,t,S) LMP(bus,t,S) lamda(t,S); positive variables muymax(bus,node,t,S) muymin(bus,node,t,S) omegamax(gen,t,S) omegamin(gen,t,S) epxmax(gen,t,S) epxmin(gen,t,S) PESdis(k,t,S) PESchar(k,t,S); binary variables vmuymin(bus,node,t,S) vmuymax(bus,node,t,S) vomegamin(gen,t,S) vomegamax(gen,t,S) vepxmin(gen,t,S) vepxmax(gen,t,S) alphadis(k,t,S) alphachar(k,t,S); equations eq1 'ham muc tieu' *phuong trinh ES eq3(k,t,S) 'cong suat dau ES' eq4a(k,t,S) 'gioi han NL ES max' eq4b(k,t,S) 'gioi han NL ES min' eq5char(k,t,S) 'gioi han CS nap ES' eq5dis(k,t,S) 'gioi han CS xa ES' eq6(k,t,S) 'rang buoc chi nap hoac xa cua ES' eq4c(k,t,S) 'NL gio cuoi' *phuong trinh MILP eq7a(gen,knot,t,S) 'ci,t1' eq7b(gen,knot,t,to,S) 'ci,subt' eq7c(gen,knot,t,to,S) 'ci,t24' eq2(t,S) 'can bang cs he thong' eq8(bus,node,t,S) 'can tren cua muymin' eq9a(bus,node,t,S) 'can tren cua limitmin' eq9b(bus,node,t,S) 'can duoi cua limitmin' eq10(bus,node,t,S) 'can tren cua muymax' eq11a(bus,node,t,S) 'can tren cua limitmax' eq11b(bus,node,t,S) 'can duoi cua limitmax' eq12(gen,t,S) 'can tren cua omegamin' eq13a(gen,t,S) 'can tren cua Pgmin' eq14(gen,t,S) 'can tren cua omegamax' eq15a(gen,t,S) 'can tren cua Pgmax' Đặng Vũ Kiên 81 Luận văn thạc sĩ eq16(gen,t,S) 'can tren cua epxmin' eq17a(gen,t,to,S) 'can tren cua Rampratemin' eq17b(gen,t,to,S) 'can duoi cua Rampratemin' eq18(gen,t,S) 'can tren cua epxmax' eq19a(gen,t,to,S) 'can tren cua rampratemax' eq19b(gen,t,to,S) 'can duoi cua rampratemax' eq20(knot,t,S) 'gia bien nut' ; *OF eq1 Revenue=e=sum(S,p(S)*( sum(t,lamda(t,S)*sum(load,Loaddata(S,load,t)) +sum((bus,node)$conex(bus,node),muymax(bus,node,t,S)*(-branch(bus,node,'Limit')sum(knot,GSF(bus,node,knot)*sum(load$LBconnect(knot,load),loaddata(S,load,t))))) +sum((bus,node)$conex(bus,node),muymin(bus,node,t,S)*(branch(bus,node,'Limit')+sum(knot,GSF(bus,node,knot)*sum(load$LBconnect(knot,load),loaddata(S,load,t))))) +sum(A,(eta-LMP(A,t,s))*sum(load$LBconnect(A,load),loaddata(S,load,t))) +sum(gen,omegamin(gen,t,S)*gendata(gen,'Min')-omegamax(gen,t,S)*gendata(gen,'Max')) -sum(gen,gendata(gen,'cost')*Pg(gen,t,S)*Sbase)) +sum(subta,sum(gen,epxmin(gen,subta,S)*gendata(gen,'RRmin')-epxmax(gen,subta,S)*gendata(gen,'RRmax'))) )); *phuong trinh ES* eq3(k,t,S) PES(k,t,S)=e=PESdis(k,t,S)-PESchar(k,t,S); eq4a(k,t,S) sum(to$(ord(to)