نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار اقتصاد، گروه اقتصاد انرژی و منابع، دانشگاه خوارزمی، تهران، ایران

2 دانشیار اقتصاد، گروه اقتصاد انرژی و منابع، دانشگاه خوارزمی، تهران، ایران

3 کارشناسی ارشد اقتصاد انرژی، دانشگاه خوارزمی، تهران، ایران

چکیده

با توجه به افزایش استفاده از ذخیره‌سازها به عنوان یکی از روش‌های مؤثر مدیریت اوج تقاضا و افزایش قابلیت اطمینان شبکه برق، اولویت‌بندی بهینه استفاده از ذخیره‌سازها ضروری است. هدف اصلی این تحقیق اولویت‌بندی پست‌های فوق توزیع منتخب تهران به منظور اوج‌سایی، تسطیح منحنی بار و معیار اقتصادی با استفاده از ذخیره‌ساز باتری است. برای این منظور با استفاده روش تصمیم‌گیری چند معیاره با روش وزن‌دهی آنتروپی شانون و روش پیاده‌سازی ترکیب خطی وزن‌دار، به تعیین اندازه مناسب ذخیره‌ساز و تعیین زمان تعویق و میزان سود ناشی از تعویق توسعه پست در صورت استفاده از ذخیره‌ساز پرداخته شده است. در این تحقیق از داده‌های واقعی مربوط به پُست‌های فوق توزیع 63 به 20 کیلووات اکباتان، آزادی، آذربایجان، ابوذر، سینا، دپو و یاخچی آباد دریافت شده از برق منطقه‌ای تهران استفاده شده است. یافته‌های تحقیق نشان می‌دهد، پُست دپو دارای اولویت استفاده از ذخیره‌ساز باتری در معیارهای همزمان سه‌گانه تحقیق (اوج‌سایی، تسطیح منحنی بار و معیار اقتصادی) است. همچنین حداکثر ظرفیت نصب و حداکثر توان ذخیره‌ساز برای پُست اولویت اول (پُست دپو)، به ترتیب برابر با 66/119 مگاوات ساعت و 18 مگاوات می‌باشد. همچنین استفاده از ذخیره‌ساز در پُست انتخاب شده به نحو کارایی موجب تعویق توسعه پُست به میزان 7 سال شده و سود حاصل از تعویق توسعه شبکه نیز برابر 40 درصد هزینه سرمایه‌گذاری می‌باشد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Prioritization of Tehran’s Distribution Power Posts in Using of Battery Storage to Peak Shaving and Load Curve Leveling: A Multi-Criteria Decision Making (MCDM) Approach

نویسندگان [English]

  • Mohamad Sayadi 1
  • Siab Mamipour 2
  • Hoda Talebi 3

1 Assistant Professor, Economics of Energy and Resources Dept., Faculty of Economics, Kharazmi University, Tehran, Iran

2 پAssociate Professor, Economics of Energy and Resources Dept., Faculty of Economics, Kharazmi University, Tehran, Iran

3 Master of Economics of Energy, Kharazmi University, Economics of Energy and Resources Department, Tehran, Iran

چکیده [English]

Due to the increasing use of storage as one of the effective methods for peak demand management and increasing the reliability of the electricity network, prioritizing the use of storage is necessary. The purpose of this study was to conduct a multi-criteria decision making (MCDM) approach to prioritize selected sub-distributive substations of Tehran for peak shaving, curve leveling, and economic criteria using battery storage. Also, the Shannon entropy weighting method and SAW implementation method were implemented. After prioritizing the posts and identifying the priority posts, we determine the appropriate size of the storage and determine the delay time, and the amount of benefit from delaying the development of the post when using the electrical energy storage. In this study, we used real data obtained from Tehran Regional Electricity and the data used for the 63 to 20 kW substations “EKBATAN”, “AZADI”, “AZARBAIJAN”, “ABOUZAR”, “SINA”, “DEPO”, and “YAKHCHI-ABAD”. The results show that the maximum installed storage capacity calculated for the priority post (i.e. DEPO) is 119.66 MWh and the maximum storage capacity is 18 MW. The most suitable storage size for installing is 120 MWh. Using the storage at the selected post will delay the development of the post for 7 years and the economic benefit is 40% of the investment cost.

کلیدواژه‌ها [English]

  • Energy pricing
  • gasoline
  • Sustainable Development
  • Delphi Method
  • Analytical hierarchy process
اصغرپور، محمد جواد. (1383). تصمیم‌گیری‌های چند معیاره، نشر دانشگاه تهران، چاپ سوم.
امیری، مقصود و دارستانی فراهانی، احمد و محبوب قدسی، مهسا (1395). تصمیم‌گیری چند معیاره. انتشارات دانشگاهی کیان، چاپ اول.
تقی‌زادگان کلانتری، نوید و فنونی، یوسف و آهنگری حساس، مرتضی (1400). جایابی بهینه سیستم‌های ذخیره‌ساز انرژی با در نظرگیری عدم قطعیت‌های تولید منابع تجدیدپذیر. مهندسی برق و مهندسی کامپیوتر ایران، دوره 3، شماره 19، صفحات 206-199.
جان‌‌نثار، محمدرسول و کلانتر، محسن و صدیقی انارکی، علیرضا (1398). تخصیص بهینه باتری ذخیره‌ساز انرژی در شبکه توزیع انرژی الکتریکی با هدف سودآوری حداکثری. نشریه مهندسی برق و مهندسی کامپیوتر ایران، سال 4، شماره 17، صفحات295-287.
حسینی، محمد و عزیزی، حسن و جوانبخت، حسین (1395). سند راهبردی و نقشه راه طراحی، ساخت و تدوین دانش فنی ذخیره‌سازهای انرژی در صنعت برق. تهران: پژوهشگاه نیرو.
زیبنده، هادی (1394). ذخیره‌سازهای انرژی و نقش آنها در بهینه‌سازی و کاهش مصرف انرژی. اولین کنفرانس بین‌المللی یافته‌های نوین علوم و تکنولوژی.
عباسی سنجدری، محمدحسین و عفت‌نژاد، رضا و رضاپور، کامبیز (1395). مدل‌سازی اقتصادی و فنی به‌کارگیری بهینه از ذخیره‌سازهای انرژی در برنامه‌ریزی سیستم‌های انرژی. فصلنامه پژوهش‌های سیاست‌گذاری و برنامه‌ریزی انرژی، سال 2، شماره 4، صفحات 32-۷.
علیزاده، محمد و جعفری نوکندی، میثم و سلطان مرادی، یامین(1398). مدلسازی و بهینه‌سازی مصرف انرژی در خانه هوشمند با حضور ذخیره‌ساز انرژی، سلول خورشیدی، خودروی برقی و پاسخ‌گویی بار، مدل‌سازی در مهندسی، سال 17، شماره 57، صفحات 226-215.
غدیریان، داود و مغانی، شکرالله (1391). کاربرد سیستم‌های ذخیره‌ساز انرژی الکتریکی به منظوراوج‌زدایی بار در شبکه‌ توزیع نمونه (مجتمع زاگرس). دومین کنفرانس بین‌المللی رویکردهای نوین در نگهداشت انرژی.
منظور، داود و رحیمی، علیرضا. (1394). اولویت‌بندی نیروگاه‌های تولید برق در ایران با استفاده از مدل‌های تصمیم‌گیری چند‌شاخصه. پژوهشنامه اقتصاد انرژی ایران، دوره 4، شماره 14، صفحات 215-191.
وزارت نیرو، شرکت توانیر. سایت آمار صنعت برق
Afshan, R. and Salehi, J. (2017). Optimal operation of distribution networks with presence of distributed generations and battery energy storage systems considering uncertainties and risk analysis. Journal of Renewable and Sustainable Energy, Vol. 9(1), 014102.
Arango, H. and Abreu, J. P. and Bonatto, B. D. and Kagan, N. and Tahan, C. M. V. and Gouvea, M. R. (2008, May). A model for electricity markets: The impact of regulation on value. In 2008 5th International Conference on the European Electricity Market, (pp. 1-6), IEEE.
Chen, X. and Huang, L. and Liu, J. and Song, D. and Yang, S. (2022). Peak shaving benefit assessment considering the joint operation of nuclear and battery energy storage power stations: Hainan case study. Energy, Vol.239, 121897.
Choi, Won-Bin and Hwachang Song (2016). Mixed Integer Linear Programming-Based Peak Shaving Algorithm Considering Multiple Energy Storage Systems. International Journal of Applied Engineering Research, Vol.11, no. 13, pp. 7986-7988, ISSN 0973-4562.
Danish, S. M. S. and Ahmadi, M. and Danish, M. S. S. and Mandal, P. Yona, A. and Senjyu, T. (2020). A coherent strategy for peak load shaving using energy storage systems. Journal of Energy Storage, Vol. 32, 101823.
Dunn, Bruce and Haresh, Kamath and Tarascon, Jean-Marie (2011). Electrical energy storage for the grid: a battery of choices. Science, Vol. 334, pp. 928-935.
Fahrioglu Murat (2016), "Effect of Demand Management on Regulated and Deregulated Electricity ", Energy Policy journal, Vol. 90, PP. 115–120.
Ginley, D., Green, M. A., & Collins, R. (2008). Solar energy conversion toward 1 terawatt. MRS bulletin, 33(4), 355-364.
Huisman, R. and Kilic, M. (2013). A history of European electricity day-ahead prices. Applied Economics, Vol. 45(18), pp. 2683-2693.
Jang, D. and Eom, J. and Park, M. J. and Rho, J. J. (2016). Variability of electricity load patterns and its effect on demand response: A critical peak pricing experiment on Korean commercial and industrial customers. Energy Policy, Vol. 88, pp.11-26.
Jankowiak, C. and Zacharopoulos, A. and Brandoni, C. and Keatley, P. and MacArtain, P. and Hewitt, N. (2020). Assessing the benefits of decentralised residential batteries for load peak shaving. Journal of Energy Storage, Vol. 32, 101779.
Kerdphol, T. and Qudaih, Y. and Mitani, Y. (2016). Optimum battery energy storage system using PSO considering dynamic demand response for microgrids. International Journal of Electrical Power and Energy Systems, Vol. (83), pp. 58-66.
Kharbach, M. (2016). Diversification criteria for power systems. Energy Policy, Vol. 90, pp. 183-186.
Lamadrid, Alberto (2015). Optimal use of energy storage systems with renewable energy”. Electrical Power and Energy Systems, Vol. 71,
pp. 101–111.
Leadbetter, J. and Swan, L. (2012). Battery storage system for residential electricity peak demand shaving. Energy and buildings, Vol. 55,
pp. 685-692.
Leou, R. C. (2012). An economic analysis model for the energy storage system applied to a distribution substation. International Journal of Electrical Power and Energy Systems, Vol. 34(1), pp. 132-137.
Oudalov, A. Chartouni, D. Ohler, C. & Linhofer, G. (2006, October). Value analysis of battery energy storage applications in power systems. In 2006 IEEE PES Power Systems Conference and Exposition (pp. 2206-2211). IEEE.
Panajotovic, B. and Jankovic, M. and Odadzic, B. (2011, October). ICT and smart grid. In 2011 10th International Conference on Telecommunication in Modern Satellite Cable and Broadcasting Services (TELSIKS), IEEE, Vol. 1, pp. 118-121.
Pimm, A. J. and Cockerill, T. T. and Taylor, P. G. (2018). The potential for peak shaving on low voltage distribution networks using electricity storage. Journal of Energy Storage, Vol. 16, pp. 231-242.
Prasatsap, U. and Kiravittaya, S. and Polprasert, J. (2017). Determination of optimal energy storage system for peak shaving to reduce electricity cost in a university. Energy Procedia, Vol. 138, pp. 967-972.
Saboori, H. and Hemmati, R. and Abbasi, V. (2015). Multistage distribution network expansion planning considering the emerging energy storage systems. Energy conversion and management, Vol. 105, pp. 938-945.
Shahinzadeh, H. and Gheiratmand, A. and Fathi, S. H. and Moradi, J. (2016, April). Optimal design and management of isolated hybrid renewable energy system (WT/PV/ORES). In 2016 21st Conference on Electrical Power Distribution Networks Conference (EPDC), IEEE, pp. 208-215.
Teki, V. K. and Maharana, M. K. and Panigrahi, C. K. (2021). Study on home energy management system with battery storage for peak load shaving. Materials Today: Proceedings, Vol. 39, pp. 1945-1949.
Walawalkar, R. and Apt, J. and Mancini, R. (2007). Economics of electric energy storage for energy arbitrage and regulation in New York. Energy Policy, Vol. 35(4), pp. 2558-2568.
Zheng, Y. and Dong, Z. Y. and Luo, F. J. and Meng, K. and Qiu, J. and Wong, K. P. (2013). Optimal allocation of energy storage system for risk mitigation of DISCOs with high renewable penetrations. IEEE Transactions on Power Systems, Vol. 29(1), 212-220