۱٫ معرفی
با شتاب مستمر شهرنشینی چین و بهبود استاندارد زندگی مردم، ساختمانهای جدید و ساختمانهای موجود در طول ساخت و ساز و بهرهبرداری از خود مقدار زیادی دی اکسید کربن منتشر میکنند. [
۱,
۲]. بر اساس گزارش تحقیقاتی مصرف انرژی و انتشار کربن ساختمان ها در چین (۲۰۲۳)، که توسط انجمن بهره وری انرژی ساختمان چین منتشر شده است، مصرف انرژی ساختمان های مسکونی در چین ۳۶٫۳ درصد از کل مصرف انرژی ملی در سال ۲۰۲۱ را تشکیل می دهد. و انتشار کربن آنها ۳۸٫۲ درصد از کل انتشار کربن ملی را تشکیل می دهد [
۳]. در مورد ساختمانهای پرمصرف انرژی، ساختمانهای هوشمند تجاری دارای منابع سقف فراوان و پراکنده هستند که پتانسیل عظیمی برای توسعه و ساخت فتوولتائیک روی پشت بام دارند. [
۴,
۵]. بنابراین، توسعه سبز و کم کربن ساختمان های تجاری نقش مهمی در تحقق هدف “دو کربنی” و ترویج مصرف انرژی جدید ایفا می کند.
خروجی فتوولتائیک دارای تصادفی و عدم قطعیت است و منحنی خروجی آن و منحنی بار برق در ساختمان نمی تواند دقیقاً مطابقت داشته باشد. [
۶]. برای تحقق یک منبع تغذیه مداوم و پایدار، به فناوری ذخیره انرژی قوی و قدرتمند به عنوان پشتیبان نیاز دارد. در سالهای اخیر، چین استفاده از انرژی جدید و ذخیره انرژی را پیشنهاد کرده است و توسعه سریع صنعت ذخیرهسازی انرژی را ترویج میکند. [
۷,
۸]. با این حال، در این مرحله، تجهیزات ذخیرهسازی انرژی دارای معایبی مانند هزینه ساخت بالا، نرخ بهرهبرداری کم، دوره بازپرداخت طولانی، مزایای اقتصادی کوتاهمدت نامشخص و انگیزه کم برای پیکربندی ذخیرهسازی انرژی هستند که تحقق خود تأمین را دشوار میکند. ذخیره انرژی در هر ساختمان هوشمند تجاری [
۹]. ذخیره سازی انرژی مشترک، معرفی مفهوم “اقتصاد به اشتراک گذاری” است که برای اولین بار توسط شرکت برق دولتی گرید Qinghai در سال ۲۰۱۸ پیشنهاد شد. [
۱۰]. جداسازی مالکیت و استفاده از ذخیرهسازی انرژی مشترک، ویژگی اساسی ذخیرهسازی انرژی مشترک است که آن را از ذخیرهسازی انرژی خود توزیع متمایز میکند. ادبیات [
۱۱] ذخیره انرژی مشترک را در سمت تولید منابع انرژی تجدیدپذیر بادی و فتوولتاییک برای ذخیره نیروی مازاد از ژنراتورهای غیرقابل توزیع و ارائه خدمات کمکی اختصاص می دهد. نتایج نشان می دهد که یک نیروگاه ذخیره انرژی مشترک می تواند هزینه تولید برق با سوخت زغال سنگ را کاهش دهد
$۱۰٫۸ میلیون، تولید برق بادی ۱۰٫۲ درصد و تولید انرژی خورشیدی ۱۴٫۲ درصد. ادبیات [
۱۲] برنامهریزی اقتصادی بهینه ذخیرهسازی انرژی مشترک اعمال شده برای خوشههای ریزشبکه را بررسی کرد و نشان داد که یک خوشه ریزشبکه مجهز به یک سیستم ذخیرهسازی انرژی مشترک ۱۷٫۲۳ درصد از کل هزینه برق را ذخیره میکند. و هرچه ریزشبکه های بیشتری به سیستم ذخیره انرژی مشترک متصل شوند، می توان در هزینه های مصرف برق صرفه جویی کرد. ادبیات [
۱۳] ذخیره انرژی مشترک را در سمت مصرف مسکونی پیکربندی می کند و تجارت P2P را بین خانه ها به کار می گیرد تا صاحبان انرژی توزیع شده را قادر سازد انرژی اضافی را با سایر ساختمان های مسکونی محلی به اشتراک بگذارند. با این حال، اکثر مطالعات فوق در مورد ذخیره انرژی مشترک بر روی ذخیره سازی انرژی مشترک متمرکز در سمت منبع، شبکه و بار متمرکز شده اند، در حالی که تحقیقات کمتری در مورد ذخیره انرژی مشترک توزیع شده با چندین موضوع در طرف قدرت و بار انجام شده است.
دو شکل از معاملات در ساختمان های BS وجود دارد: متمرکز و غیر متمرکز. تفاوت بین تراکنش های غیرمتمرکز و تراکنش های متمرکز در این است که تراکنش های غیرمتمرکز تراکنش های مستقیم P2P بین تولیدکنندگان و مصرف کنندگان انرژی هستند که باعث عدم تمرکز می شود و معاملات را انعطاف پذیرتر می کند. [
۱۴,
۱۵]. ادبیات [
۱۶] تمایل کاربران جامعه برای شرکت در معاملات P2P و ترجیحات تجاری گروه های هدف مختلف را مورد مطالعه قرار داد. نتایج مطالعه نشان داد که ۷۷٫۴ درصد از کاربران مایل به مشارکت در تراکنشهای P2P بودند. ادبیات [
۱۷] یک مدل استراتژی پاسخ تقاضا برای ناوگان خودروهای الکتریکی تحت مکانیزم اشتراک انرژی P2P ایجاد کرد. نتایج نشان داد که هزینه خرید برق ناوگان خودروهای الکتریکی در مدل اشتراک انرژی P2P کاهش یافته است
$۱۰۹۴٫۷۳ در مقایسه با مدل سنتی، و میزان مصرف نزدیک PV به ۸۷٫۷۲ درصد افزایش یافت. ادبیات [
۱۸] یک تراکنش بین انرژی P2P با محدودیت شبکه دو سطحی را در چند ریزشبکه پیشنهاد کرد و راه حل فرآیند تجارت انرژی P2P را بین چندین BSB با استفاده از روش بازی چند رهبر و چند دنبالهدار Stackelberg مدلسازی کرد. بیشتر مطالعات فوق در مورد تجارت P2P بر تجارت برق متمرکز است. به جز تجارت برق، تجارت مشترک P2P برق و انتشار کربن هم می تواند مصرف انرژی جدید را ترویج کند و هم انتشار کربن را کاهش دهد.
عدم قطعیت خروجی PV در BSB می تواند خطری برای عملکرد ایمن و پایدار سیستم قدرت ایجاد کند که به نوبه خود بر سودآوری عملیاتی سیستم تأثیر می گذارد. [
۱۹]. ارزش در معرض خطر شرطی (CVaR) یک روش تجزیه و تحلیل ریسک بهبود یافته است که از روش ارزش در معرض خطر (VaR) توسعه یافته است. [
۲۰]. CVaR به طور موثر بر کاستی های روش VaR در توصیف درجه از دست دادن و نارسایی های فرعی آن غلبه می کند. [
۲۱]و CVaR، به عنوان یک معیار ریسک موثر، به طور گسترده در اجتناب از ریسک، اندازهگیری ریسک، و محدودیتهای ریسک مدیریت ریسک سیستم قدرت استفاده شده است. [
۲۲,
۲۳]. ادبیات [
۲۴] عدم قطعیت تولید انرژی خورشیدی و تقاضای انرژی در یک سیستم انرژی یکپارچه را در نظر گرفت و روش CVaR را به مدل بهینهسازی سیستم برای مدیریت ریسک اضافه کرد. نتایج با مقایسه روش CVaR با روش برنامه ریزی تصادفی سنتی به دست آمد. با توجه به توانایی بهتر سیستم در مقاومت در برابر شوک های ناشی از عدم قطعیت، کل هزینه سیستم سیستمی که روش CVaR را در نظر می گیرد نسبتاً بزرگتر است، اما انعطاف پذیری سیستم را بهبود می بخشد. ادبیات [
۲۵] یک چارچوب CVaR قوی توزیع مبتنی بر ریزشبکه تحت عدم قطعیت خروجی انرژی تجدیدپذیر ایجاد کرد تا به تصمیم گیرندگان کمک کند تا سطح ریسک تصمیمات مختلف را درک کنند و سود کل ریزشبکه را به حداکثر برسانند. ادبیات [
۲۶] یک پیشبینی مبتنی بر ریسکگریزی تولید انرژی تجدیدپذیر با استفاده از CVaR برای ارزیابی خطاهای پیشبینی شدید مدل پیشنهاد میکند تا ریسک زیانهای مالی را تحت خطاهای پیشبینی شدید کاهش دهد.
به طور خلاصه، این مقاله یک تصمیم زمانبندی بهینه را برای خوشهای از ساختمانهای BS با مشارکت ذخیره انرژی مشترک پیشنهاد میکند، که انجام معاملات بین ساختمانهای BS P2P و بین ساختمانهای BS و اپراتورهای ذخیره انرژی مشترک را ممکن میسازد. در این مقاله، ابتدا مدل تجارت انرژی برای خوشههای ساختمانی BS، از جمله ذخیره انرژی مشترک، با ادغام ویژگیهای تولید پراکنده و تولیدکنندگان و فروشندگان ایجاد میشود. ثانیاً، یک مدل معاملاتی P2P بین BSBها ساخته شده است که شامل تجارت انتشار کربن علاوه بر تجارت انرژی الکتریکی، افزودن انواع معاملات و گسترش روش تجارت است که منجر به تحقق اقتصاد و کربن کم می شود. سپس، از منظر روش مدیریت ریسک، تئوری CVaR در مدل معاملاتی BSB ادغام میشود تا از ریسک ناشی از عدم قطعیت خروجی PV در BSB جلوگیری شود. در نهایت، برای حفظ حریم خصوصی موضوع، از یک الگوریتم توزیع شده برای حل مدل استفاده شده است. یک تجزیه و تحلیل سناریو برای تأیید عقلانیت و اثربخشی مکانیسم تجارت P2P با کربن الکتریکی چند BSB با در نظر گرفتن ذخیره انرژی مشترک ایجاد شده است.
۶٫ تجزیه و تحلیل مثال
در این بخش، شبیهسازی با دادههای بار خوشهای BSB به عنوان مثال برای تأیید امکانسنجی مدل تصمیمگیری بهینهسازی خوشه BSB با در نظر گرفتن ذخیرهسازی انرژی مشترک انجام میشود. تحلیل موردی محاسباتی بر اساس پلتفرم Matlab 2018b است و مدلسازی و حل آن توسط حلکننده Cplex12.8 و حلکننده MOSEK، با محیط سختافزار PC از یک پردازنده Intel Core i5 2.40 گیگاهرتز و ۱۶٫۰ گیگابایت رم انجام میشود.
۶٫۱٫ تنظیمات پارامتر و شرح صحنه
در این مقاله، مجموعهای از ساختمانهای هوشمند تجاری در بخش جنوبی چین انتخاب شدهاند که شامل سه ساختمان، N = 3، و هر ساختمان شامل PV پشت بام، تهویه مطبوع مرکزی، و بارهای انعطافپذیر است. بار یکی از ساختمان های هوشمند تجاری ۰ ساعت ۲۴:۰۰ الی ۷:۰۰ صبح است. [
۳۴]. مقادیر پایه بارهای انعطاف پذیر در نشان داده شده است
شکل ۲ [
۳۵]و روش مونت کارلو برای تولید پنج مجموعه مقادیر خروجی PV پیش بینی شده برای سناریوهای مختلف استفاده می شود، همانطور که در نشان داده شده است.
شکل ۳. پارامترهای مربوط به سیستم ذخیره انرژی مشترک در نشان داده شده است
میز ۱ [
۳۶]. قیمت برق روزانه در بازار برق به قیمت عمومی برق صنعتی و تجاری اشاره دارد. قیمت تجارت کربن ۵۷ تعیین شده است
[
۳۷]که برای قیمت خرید کربن BSB ها در بازار کربن ۱٫۵ برابر قیمت فروش کربن در نظر گرفته می شود. برای نمایش واضح تر تراکنش P2P بین BSB ها، مثال حسابی فقط نتایج عملیات بهینه شده را از ساعت ۰۸:۰۰ تا ۱۸:۰۰ (ساعت کاری PV) نشان می دهد.
مورد ۱: هر BSB برق را مستقیماً با بازار برق بدون در نظر گرفتن تجارت انرژی P2P بین ساختمان ها معامله می کند.
مورد ۲: هر BSB برق و کربن را به ترتیب با بازار برق و بازار کربن بدون در نظر گرفتن تجارت انرژی P2P بین ساختمانی معامله می کند.
مورد ۳: BSB برق را با بازار برق و بین ساختمان های دیگر معامله می کند.
مورد ۴: تجارت برق-کربن بین BSBها و بازارهای برق، بازارهای کربن و سایر ساختمانها.
مورد ۵: BSB ها برق و کربن را با بازار برق، بازار کربن و سایر ساختمان ها مبادله می کنند و هر ساختمان مجهز به ذخیره انرژی مستقل است.
مورد ۶: BSB ها در تجارت برق-کربن با بازارهای برق، بازارهای کربن و سایر ساختمان ها شرکت می کنند و SES درگیر است.
۶٫۲٫ تجزیه و تحلیل نتایج شبیه سازی
۶٫۲٫۱٫ تجزیه و تحلیل هزینه کل BSBs در موارد مختلف
هزینه های خوشه های BSB در هر مورد مختلف نشان داده شده است
جدول ۲. مورد ۲ در مقایسه با مورد ۱ و مورد ۴ در مقایسه با مورد ۳ علاوه بر تجارت برق، تجارت انتشار کربن را نیز اضافه می کند. خوشه های ساختمانی به دلیل فروش کاهش کربن از خروجی PV توسط BSB به بازار کربن، مزایای تجارت کربن را افزایش داده اند. بنابراین، کل هزینه ساخت خوشه ها در مورد ۲ و مورد ۴ کمتر از مورد ۱ و مورد ۳ است.
از مقایسه مورد ۱ و مورد ۳ و مورد ۲ و مورد ۴ می توان نتیجه گرفت که در نظر گرفتن تجارت P2P در بین BSB ها هزینه تجارت برق را کاهش می دهد. از آنجایی که تجارت P2P یک کانال تجاری جدید برای BSB ها اضافه می کند، BSB ها به طور انعطاف پذیر نقش خرید و فروش خود را با توجه به وضعیت عرضه و تقاضای انرژی الکتریکی و انتشار کربن تغییر می دهند. زمانی که قیمت تراکنش P2P کمتر از قیمت خرید برق از شبکه یا بزرگتر از قیمت فروش برق به شبکه باشد، BSBها به تراکنش های P2P علاقه مند می شوند و از طریق مکمل بودن توان تولید مازاد و کمبود توان، تراکنش های برق را با شبکه کاهش می دهند. ، که در نهایت هزینه کل BSB ها را کاهش می دهد.
علاوه بر این، از مقایسه موارد ۵ و ۶، می توان دریافت که هزینه کل ساخت خوشه ها در مورد ۵ بیشتر از هزینه کل خوشه های ساختمان در مورد ۶ است، زیرا وقتی هر ساختمان با حالت ذخیره انرژی پیکربندی می شود، هر ساختمان باید سرمایه گذاری اولیه و هزینه های ساخت و ساز ذخیره انرژی را به تنهایی متحمل شود، در حالی که هزینه ساخت و ساز پیکربندی ذخیره انرژی مستقل در سطح بالایی قرار دارد و دوره بازپرداخت طولانی تر است. از طریق سرمایه گذاری شخص ثالث و ساخت یک نیروگاه ذخیره انرژی مشترک، نه تنها می توان به اشتراک متمرکز انرژی الکتریکی پی برد، بلکه می تواند اشتیاق کاربران ساختمان را برای استفاده از ذخیره انرژی بهبود بخشد. نتایج مقایسه سناریوهای مختلف نشان میدهد که تجارت P2P برق-کربن بین خوشههای BSB و پیکربندی ذخیره انرژی مشترک میتواند هزینه تراکنش را به حداقل برساند.
۶٫۲٫۲٫ تجزیه و تحلیل نتایج تجارت انرژی P2P بین BSB
شکل ۴ مقدار مثبت انرژی مشترک بین دو ساختمان در شکل نشان میدهد که BSB محصولات را از طریق معاملات P2P خریداری میکند و یک مقدار منفی نشان میدهد که BSB محصولات را از طریق معاملات P2P میفروشد. در میان آنها،
شکل ۴a تجارت برق بین BSB ها را نشان می دهد و تجارت برق بین ساختمان ها عمدتاً بین ساختمان ۱ و سایر ساختمان ها انجام می شود و BSB1 بین ساعت ۱۱:۰۰ تا ۱۷:۰۰ زمانی که خروجی PV در ساختمان بالاتر است برق را به BSB2 و BSB3 می فروشد.
شکل ۴b تجارت انتشار کربن را بین BSB ها نشان می دهد. تجارت کربن بین BSB ها عمدتاً بر ساعت ۸:۰۰ و ۱۹:۰۰ متمرکز است و BSB1 انتشار کربن را از BSB2 و BSB3 خریداری می کند، زیرا در این زمان، خروجی PV کم است و سهمیه انتشار کربن اختصاص داده شده به BSB1 کافی نیست. بنابراین، BSB1 نیاز به خرید انتشار کربن برای جبران کمبود دارد.
۶٫۲٫۳٫ تغییرات ظرفیت در SES
شکل ۵ منحنی تغییر ظرفیت SES را در ساعت ۸:۰۰ تا ۱۸:۰۰ نشان می دهد. ظرفیت SES همچنان در بازه زمانی ۱۲:۰۰ تا ۱۶:۰۰ افزایش می یابد، که زمان خروجی PV بالاتری است. BSB ها توان مازاد دارند و انتخاب می کنند که ذخیره انرژی مشترک را شارژ کنند. در شبکه، قیمت در دره پایین یا زمان دره است، و ذخیره انرژی انتخاب می کند که برق را از شبکه خریداری کند تا زمانی که قیمت به اوج می رسد از آن استفاده کند. ظرفیت SES در طول ساعت ۰۹:۰۰ تا ۱۱:۰۰ و ۱۶:۰۰ تا ۱۸:۰۰ روند کاهشی را نشان می دهد. هنگامی که بار در ساختمان هوشمند افزایش می یابد، خروجی PV دیگر نمی تواند بار ساختمان را برآورده کند و ذخیره انرژی مشترک، BSB را شارژ می کند.
۶٫۲٫۴٫ تجزیه و تحلیل نتایج معاملات با در نظر گرفتن مقادیر CVaR
همانطور که مشاهده می شود در
شکل ۶با افزایش L، مجموع هزینههای فازهای روزانه و درون روزی BSB افزایش مییابد و مقدار CVaR کاهش مییابد. هنگامی که L کوچک است، BSB به عنوان ریسک دوست رفتار می کند، و توانایی آن برای تحمل ریسک بالاتر است، که باعث می شود مجموع هزینه های BSB در فازهای روز آینده و داخل روز نیز کمتر شود. هنگامی که L بزرگ است، BSB به عنوان مخاطرهآمیز رفتار میکند و تمایل دارد ارزش CVaR را کاهش دهد تا توانایی مقاومت در برابر ریسک را افزایش دهد و هزینه کل BSB را بیشتر کند، اما شیب افزایش هزینه آن به تدریج کاهش مییابد.
جدول ۳ هزینه های مدل های قطعی و CVaR BSB را مقایسه می کند. مدل قطعی عدم قطعیت خروجی PV را در تصمیم گیری روز آینده در نظر نمی گیرد. بنابراین، در فاز درون روز، زمانی که مقدار واقعی خروجی PV کمتر از مقدار پیشبینیشده است، هر BSB باید تولید ناکافی را با قیمت بالا خریداری کند، که باعث میشود هزینه BSB درون روز و هزینه کل به طور قابلتوجهی افزایش یابد. مدل CVaR عدم قطعیت خروجی PV را در تصمیمگیری روز آینده در نظر میگیرد و هزینه ارسال روزانه و هزینه کل کمتر از مدل قطعی است، بنابراین اقتصاد مدل CVaR را اثبات میکند.
۷٫ نتیجه گیری
در این مقاله، یک مدل بهینهسازی اشتراک انرژی P2P برای خوشههای ساختمانی با در نظر گرفتن ذخیره انرژی مشترک برای خوشههای BSB ساخته شده است و مدل CVaR برای ارزیابی خطر مواجهه با عدم قطعیت خروجی PV در BSB استفاده میشود. نتایج زیر با تجزیه و تحلیل مثال های حسابی به دست می آید:
- (۱)
-
سیستم ذخیره انرژی مشترک میتواند در ساعات پایینتر از بار ساختمان، نیرو را ذخیره کند و در ساعات اوج مصرف برق، برق را آزاد کند، که میتواند به طور موثر انحراف خروجی PV را کاهش دهد و هزینههای قدرت خرید برای خوشههای ساختمان را درک کند.
- (۲)
-
تراکنش اشتراک انرژی P2P وابستگی به منابع انرژی خارجی را کاهش می دهد، هزینه های عملیاتی خوشه ساختمان BS و همچنین هر ساختمان را در حالی که بارهای ساختمان را برآورده می کند کاهش می دهد، و انعطاف پذیری عملیات خوشه ساختمان و همچنین سطح داخلی را بهبود می بخشد. مصرف PV ساختمان
- (۳)
-
اشتراک انرژی P2P خود مزیت کاهش کربن را دارد و متن تجارت کربن را با تجارت انرژی P2P مرتبط می کند، که می تواند پتانسیل BSB ها برای کاهش انتشار گازهای گلخانه ای و کاهش هزینه های عملیاتی BSB را بیشتر بررسی کند.
- (۴)
-
معرفی مدل CVaR امکان کمی سازی بازده و ریسک های BSB را تحت عدم قطعیت خروجی PV فراهم می کند، اقدامات مدیریت ریسک مختلف را برای تصمیم گیرندگان با ریسک پذیری های مختلف ارائه می دهد، بنابراین به تصمیم گیرندگان در تعیین ریسک پذیری که انتظارات روانشناختی خود را برآورده می کند کمک می کند. تصمیمات تجاری مربوطه
کار آینده بر جنبههای زیر متمرکز خواهد بود: اشتراک انرژی بین خوشههای ساختمانهای هوشمند با عملکردهای مختلف (ساختمانهای اداری، صنعتی، کشاورزی، و غیره) میتواند برای بهبود بیشتر مصرف محلی انرژیهای تجدیدپذیر در نظر گرفته شود. با افزایش تدریجی مقیاس وسایل نقلیه الکتریکی که میتوان آنها را هم بهعنوان بار الکتریکی و هم بهعنوان ابزار ذخیرهسازی انرژی در نظر گرفت، با پتانسیل قوی برای ارسال انرژی الکتریکی، میتوان ساختمانهای هوشمند حاوی وسایل نقلیه الکتریکی را در نظر گرفت. و خطرات بالقوه ناشی از تولید برق فتوولتائیک توزیع شده، عدم قطعیت در تقاضای انرژی، و قیمت برق برای خوشههای ساختمانهای هوشمند را میتوان بیشتر در نظر گرفت.