شناسنامه علمی شماره

نویسندگان

1 کارشناسی ارشد دانشکده مهندسی برق و کامپیوتر دانشگاه سمنان

2 استادیار دانشکده مهندسی برق و کامپیوتر دانشگاه سمنان

3 استادیار اقتصاد دانشکده علوم اقتصادی و سیاسی دانشگاه شهید بهشتی

چکیده

تحقیقات وسیعی که در سال­های اخیر به سمت اجرای برنامه­های پاسخگویی تقاضای برقهدایت شده­اند به دنبال کاهش قیمت برق، رفع تراکم خطوط انتقال، افزایش امنیت و بهبود نقدینگی بازار هستند. بر این اساس، برنامه­های پاسخگویی تقاضا به دو دسته اصلی «برنامه­های تشویق­محور» و «برنامه­های زمان­محور» تقسیم می­شوند. مدل­ اقتصادی تقاضای پاسخگویی تشویق­محور/ زمان­محور بر اساس کشش قیمتی تقاضای انعطاف­­پذیر و تابع مطلوبیت مشترکین به­دست می­آید. تقاضای مشترکین به علائم تصمیم­گیری متفاوتی از قبیل قیمت برق، سطح مشارکت مشترکین، ارزش مشوق­ها­ و جریمه­های تعیین شده در برنامه­های پاسخگویی تقاضا بستگی دارد و با استفاده از مدل اقتصادی پیشنهادی، این علائم با استفاده از نرم­افزار MATLAB شبیه­سازی شده و سپس عملکرد مدل پیشنهادی با استفاده از مطالعات عددی مشخصات بار شبکه در روز اوج مصرف ایران در سال 1387 بررسی شده است.

کلیدواژه‌ها

عنوان مقاله [English]

Electricity Demand Response Optimum Planning Based on Economic Modeling Demand with Whe Fexible Elasticity of Demand Function in Iran

نویسندگان [English]

  • Mohammad Javad Izadkhasti 1
  • Reza Keypour 2
  • izadkhasti Hojjat 3

چکیده [English]

In recent years, extensive researches have been conducted on implementation of demand response programs  (DRPs),  aimed  to  electricity  price  reduction,  transmission  lines  congestion  resolving,  security enhancement and improvement of market liquidity.  Basically, DRPs are divided into two main categories namely, incentive-based programs (IBPs) and time-based rate programs (TBRPs). An economic model of price /incentive demand response is derived based on the concept of flexible price elasticity of demand and customer utility function. In this paper has been shown that the customers’demand depends on different decision signals like the electricity price, participation level of customers, incentive and the penalty values determined for DRPs. By using the proposed economic model, the behavior of customers for different electricity prices, incentives, penalties and participation level of customers in DRPs was simulated with MATLAB. Then the performance of the proposed model was investigated through numerical study using Iranian network load profile on the annual peak day of the year 2007.

کلیدواژه‌ها [English]

  • Demand Response Programs (DRPs)
  • Flexible Price Elasticity
  • Economic Model
  • Participation Level

برنامه‌ریزی بهینه­ پاسخگویی تقاضای برق بر اساس مدل‌سازی اقتصادی تابع تقاضای با کشش انعطاف­پذیردر ایران

 

محمدجواد ایزدخواستی،[1] رضا کی‌پور،[2] حجت ایزدخواستی[3]

 

تاریخ دریافت: 30/02/1393                                                           تاریخ پذیرش: 13/11/1393

چکیده:

تحقیقات وسیعی که در سال­های اخیر به سمت اجرای برنامه­های پاسخگویی تقاضای برقهدایت شده­اند به دنبال کاهش قیمت برق، رفع تراکم خطوط انتقال، افزایش امنیت و بهبود نقدینگی بازار هستند. بر این اساس، برنامه­های پاسخگویی تقاضا به دو دسته اصلی «برنامه­های تشویق­محور» و «برنامه­های زمان­محور» تقسیم می­شوند. مدل­ اقتصادی تقاضای پاسخگویی تشویق­محور/ زمان­محور بر اساس کشش قیمتی تقاضای انعطاف­­پذیر و تابع مطلوبیت مشترکین به­دست می­آید. تقاضای مشترکین به علائم تصمیم­گیری متفاوتی از قبیل قیمت برق، سطح مشارکت مشترکین، ارزش مشوق­ها­ و جریمه­های تعیین شده در برنامه­های پاسخگویی تقاضا بستگی دارد و با استفاده از مدل اقتصادی پیشنهادی، این علائم با استفاده از نرم­افزار MATLAB شبیه­سازی شده و سپس عملکرد مدل پیشنهادی با استفاده از مطالعات عددی مشخصات بار شبکه در روز اوج مصرف ایران در سال 1387 بررسی شده است.

 

طبقه­بندیJEL: D1, C6

واژه­های کلیدی: برنامه­های پاسخگویی تقاضا، کشش­پذیری قیمتی انعطاف­پذیر، مدل اقتصادی، سطح مشارکت

 

1- مقدمه

در گذشته تصمیم­گیرندگان اصلی در بازار برق، شرکتهای تولید و انتقال برق، هیأت­های تنظیم بازار و قانون­گذاران صنعت برق بودند؛ چراکه عموم مشترکین (به عنوان
مصرف­کنندگان برق) نه از مزایا و سود بازار بهره­مند بودند و نه اطلاعات و مهارت لازم را جهت حضور در بازارهای برق در اختیار داشتند. به همین دلیل صنعت برق به
مصرفکنندگان به عنوان عناصر غیرفعال و صرفاً تقاضاهای ساده­ای که باید به آنها خدمترسانی کرد، نگاه می­کرد و بنا بر ساختار سنتی صنعت برق، مشترکین نیز علاقمند به دریافت برق با قیمت ثابت بدون توجه به نوسانات بازار بودند (پالنسکی[4]، 2011). این نگرش بروز مشکلاتی از قبیل وقوع جهشهای قیمت درزمان حداکثر مصرف و تراکم خطوط را موجب شد و عدم حضور مشترکین در بازار و نبود حساسیت به قیمت برق در زمانهای حداکثر مصرف در بسیاری از بازارها، منجر به فروپاشی بازار و اعمال
خاموشی­های گسترده شد (سنتوللا[5]، 2010).

برنامه­های پاسخگویی تقاضا به عنوان ابزاری مناسب برای استفاده از پتانسیل مشترکین در مدیریت بهینه­ شبکه، زمینه­ حضور فعال مشترکین را در بهبود عملکرد سیستم قدرت فراهم می­کند و این برنامه­ها در شریط بحرانی می­توانند در یک زمان نسبتاً کوتاه، کاهش تقاضای مورد نیاز سیستم را فراهم کنند.

مشترکین مصرف برق در برنامه­های پاسخگویی تقاضای برق، قراردادی را با واحد تولید محلی برق یا اپراتور مستقل سیستم[6] امضا می­کند تا در صورت درخواست آن­ها، تقاضای خود را کاهش دهند. نفع تولیدکننده در کاهش اوج تقاضا و در نتیجه کاهش هزینه گزاف تولید رزرو و تضمین قابلیت اطمینان سیستم است. نفع مصرف­کننده نیز در کاهش هزینه مصرف برق و به ویژه بهره­مند شدن از تشویق­های ارائه شده از سوی تولیدکننده محلی یا اپراتور مستقل سیستم است (هیرست[7]، 2002).

هدف این مقاله، طراحی مدل پاسخگویی تقاضای با کشش انعطاف­پذیر است تا با استفاده از آن تأثیر برنامه­های پاسخگویی تقاضای زمان­محور و تشویق­محور در سناریوهای متفاوت شبیه­سازی شود. با استفاده از مدل اقتصادی برنامه­های پاسخگویی تقاضای
زمان­محور/ تشویق­محور مبتنی بر کشش قیمتی تقاضای انعطاف­­پذیر و تابع سود مشترکین، رفتار مشترکین مصرف برق در سیستم قدرت هوشمند محاسبه شده، سپس با استفاده از مدل اقتصادی پیشنهادی، رفتار مشترکین در اختیار اپراتور سیستم برای قیمت­های مختلف، مشوق­ها، جریمه­ها و سطح مشارکت مشترکین در برنامه­های پاسخگویی تقاضای برق با استفاده مشخصات بار شبکه در روز اوج مصرف ایران در سال 1387 با استفاده از نرم­افزار MATLAB شبیه­سازی می­شود تا سیاست­گذاران و قانون­گذاران بازارهای برق، رفتار مشترکین برق را در قبال برنامه­های مختلف ارزیابی کرده و اثرات برنامه­های پاسخگویی تقاضا بر کاهش قیمت­ها و افزایش قابلیت اطمینان سیستم را پیگیری کنند. علت انتخاب بار شبکه در اوج مصرف در سال 1387 این است که تا قبل از سال 1387، برق سه تعرفه­ای (میان­باری، اوج بار و کم باری) محاسبه می­شده و بعد از آن روش محاسبه به پلکانی تغییر کرده است. بنابراین با توجه به اینکه در مدل تحقیق رفتار مشترکین برای قیمت­های مختلف، مشوق­ها و جریمه­ها در برنامه­های پاسخگویی تقاضا مورد توجه است از
قیمت­گذاری برق به صورت سه تعرفه­ای استفاده شده است.

در بخش دوم، مروری پیشینه تحقیق و مروری بر برنامه­های پاسخگویی تقاضا به اختصار بیان شده و در بخش سوم، مدل­سازی اقتصادی پاسخگویی تقاضای برق صورت می­گیرد. تحلیل نتایج عددی شبیه­سازی برنامه­های پاسخگویی تقاضای برق در برنامه­های زمان­محور و تشویق­محور در بخش چهارم انجام شده و در نهایت در بخش پنجم
نتیجه­گیری و ارائه پیشنهادات صورت گرفته است.

 

2- پیشینه تحقیق و مروری بر برنامه­های پاسخگویی تقاضا

پاسخگویی تقاضای برق -مطابق تعریف بخش انرژی آمریکا[8]- تغییر در مصرف انرژی الکتریکی است که توسط مصرف­کنندگان از مقدار عادی الگوی مصرف در پاسخ به تغییر قیمت برق در طی زمان و یا هزینه­های تشویقی- تنبیهی تعیین شده برای کاهش مصرف برق (در ساعاتی که قیمت برق در بازار بالا و یا قابلیت اطمینان سیستم در خطر است) صورت می­گیرد. بنابراین پرداخت­های تشویقی­ در برنامه­های پاسخگویی تقاضای برق برای ترغیب مشترکین به مصرف برق کمتر در زمان­هایی که قیمت بازار عمده­فروشی زیاد بوده و یا قابلیت اطمینان سیستم در خطر است، طراحی شده­اند (البادی[9]، 2008). در زمینه­ برنامه­های پاسخگویی تقاضا، تحقیقات گسترده­ای انجام شده که در ادامه به برخی از آنها و انواع برنامه­های پاسخگویی تقاضا پرداخته می­شود.

پارسا مقدم، عبدالهی و رشیدی­نژاد (2011) در مقاله­ای با استفاده از مدل تقاضای پاسخگویی انعطاف­پذیر به بررسی عملکرد بازار برق در روز اوج مصرف برق ایران در سال 2007 پرداخته­ و اقدام به پیش­بینی تقاضای برق در سناریوهای مختلف بر اساس سیستم تنبیه و تشویق کردند.

یاستا، خودار و آردانتا[10] (2007)، اعلمی، پارسا مقدم و یوسفی (2008)، گول، وو و وانگ[11]، کیرچن[12] (2009)، فورک، هاجوس، هلدیک و نوول[13] (2010) با استفاده از
مدل­های اقتصادی پاسخگویی تقاضا به بررسی اثرات این­گونه برنامه­ها بر بازار انرژی پرداخته­اند. در این تحقیقات، کشش قیمتی تقاضا به صورت یک مقدار ثابت از پیش تعیین شده در نظر گرفته شده، این در حالی است که کشش قیمتی تقاضا با توجه به قیمت برق در هر دوره و یا میزان پاداش/ جریمه درنظر گرفته شده در برنامه­های پاسخگوی تقاضا متفاوت بوده و متناسب با آن رفتار مصرف­کننده تغییر می­کند. بنابراین برای واقعی­تر کردن مشخصات مدل اقتصادی تقاضا، نیاز به درنظر گرفتن کشش قیمتی انعطاف­پذیر تقاضا است.

تحقیقات کیرچن (2000) نشان داده است چگونه می­توان با استفاده از این مدل پاسخگویی تقاضا، برنامه­ریزی تولید و قیمت­گذاری در بازار برق مبتنی بر حوضچه توان را انجام داد.

اشوپ، کارامانیس، تابورس و بون[14] (1988)، اصول قیمت­گذاری لحظه­ای برق را با فرض اینکه مصرف­کنندگان می­توانند مصرف خود را متناسب با قیمت­های لحظه­ای افزایش یا کاهش دهند، فرمول­بندی کرده و توسعه داده­اند. در این تحقیق با استفاده از یک مدل اقتصادی جامع از برنامه­های پاسخگویی تقاضا به بررسی تأثیر مشارکت
مصرف­کنندگان در برنامه­های پاسخگویی تقاضا بر مشخصات منحنی تقاضا پرداخته­اند.

اعلمی، یوسفی و پارسامقدم (1387) در مقاله­ای با استفاده از تأثیر برنامه­های پاسخگویی بار به تحلیل منحنی مصرف روزانهی برق در ایران پرداخته­اند و منحنی­های مصرف جدید، میزان انرژی مصرفی، درصد کاهش پیک، مبلغ درآمد شرکت برق، میزان جایزه­ پرداختی و مقدار سود مشتری مصرف برق محاسبه شده است.

انرژی کمیسیون تنظیم مقررات کارکنان فدرال[15](2006) برنامه­های پاسخگویی تقاضا را در قالب سه دسته کلی گروه­بندی کرده است:

1- برنامه­های پاسخگویی تقاضای زمان­محور[16]؛ که در آن قیمت برق در دوره­های مختلف تغییر می­کند. بر این اساس، مشترکین به عنوان مصرف­کننده­ برق باید میزان مصرف خود را مطابق با تعرفه­های موجود تعدیل کنند. این برنامه­ها شامل برنامه­های زمان استفاده (TOU)[17]، برنامه­های قیمت­گذاری زمان واقعی (RTP)[18]و برنامه­های
قیمت­گذاری اوج بحرانی (CPP)[19]است.

2- برنامه­های پاسخگویی تقاضای تشویق­محور[20]؛ که در آن مشترکین به عنوان
مصرف­کننده­­ برق توسط اپراتور مستقل سیستم و یا شرکت­های تولید محلی برق، تشویق می­شوند که میزان مصرف خود را کاهش دهند. این برنامه­ها شامل برنامه­های کنترل مستقیم بار (DLC)[21]، برنامه­های پاسخگویی تقاضای اضطراری (EDRP)[22]، برنامه­های قطع یا کاهش خدمات تقاضا (I/C)[23]و برنامه­های بازار ظرفیتی (CAP)[24]است. برنامه­های کنترل مستقیم بار و برنامه­های پاسخگویی تقاضای اضطراری، برنامه­های داوطلبانه هستند و در صورتی که مشترکین تقاضای خود را قطع نکنند، جریمه نمی­شوند. قطع یا کاهش خدمات و برنامه­های بازار ظرفیتی، برنامه­هایی هستند که چنانچه مشترکین هنگام نیاز تقاضای خود را کاهش ندهند، جریمه می­شوند.

3- برنامه­های پاسخگویی تقاضای بازار محور[25]؛ که در آن تمامی بازیگران بازار به دو گروه خریداران و فراهم­کنندگان تقسیم می­شوند. خریداران برای بهبود قابلیت اطمینان سیستم و تجارت وابسته به برق خود به این برنامه­ها احتیاج دارند. فراهم­کنندگان نیز ظرفیت لازم برای شرکت در این برنامه­ها را دارند و با مشارکت در این برنامه­ها به منافعی از نظر اقتصادی می­رسند. برنامه­های مبتنی بر بازار شامل پیشنهاد قیمت طرف تقاضا (DB)[26] و برنامه­های خدمات جانبی (A/S)[27] است. برنامه­­های پیشنهاد قیمت طرف تقاضا،
مصرف­کننده­های بزرگ را تشویق به کاهش مصرف برق می­کند، اما برنامه­های خدمات جانبی به مصرف­کنندگان امکان ارائه پیشنهاد قطع تقاضا به­عنوان ظرفیت رزرو را می­دهد (کمیته تنظیم انرژی آمریکا [28]، 2006).

 

3- مدل­سازی اقتصادی پاسخگویی تقاضای برق

تابع خطی تقاضا، ساده­ترین و در عین حال متداول­ترین نوع مدل­سازی رابطه­ بین قیمت و مقدار تقاضای مشترکین مصرف برق است که به صورت رابطه خطی (1) در نظر گرفته می­شود (اشوپ، کارامانیس، تابورس و بون، 1988):

(1)

 

 

که در آن  تقاضای مصرف برق و  قیمت برق مصرفی است.  شیب تابع تقاضا و عرض از مبدأ آن است. با استفاده از تعریف کشش قیمتی خودی تقاضا خواهیم داشت:

(2)

 

 

با جای­گذاری رابطه (1) در رابطه (2) کشش خودی انعطاف­پذیر تقاضا به صورت رابطه (3) محاسبه می­شود:

(3)

 

در ابتدا فرض می­­شود که برق با سه قیمت متفاوت،  و  به ترتیب برای ساعت­های کم­مصرفی، میان­مصرفی و اوج مصرف به مشترکین عرضه می­شود. هنگامی که قیمت برق برابر با ریال بر کیلووات­ ساعت باشد، مصرف­کننده به میزان  کیلووات ساعت مصرف می­کند و به طور مشابه برای قیمت­های و ریال بر کیلووات ساعت، میزان  و  کیلووات ساعت به­ عنوان مصرف مشترکین برق در نظر گرفته می­شود. در این صورت مبلغی که مشترکین برق جهت مصرف برق در بازه زمانی مشخصی می­پردازند به صورت رابطه (4) خواهد بود:

(4)

 

 

با استفاده از رابطه­ (1)، مقادیر،  و  در روابط (6) تا (8) بیان می­شوند:

(5)

 

(6)

 

(7)

 

 

با جای­گذاری روابط (5)، (6) و (7) در رابطه­ (4) خواهیم داشت:

(8)

 

 

با به دست آوردن  از رابطه­ (8) و محاسبه­ مشتق آن نسبت به  رابطه (9) برقرار است:

(9)

 

با استفاده از تعریف کشش متقابل تقاضا،کشش متقابل تقاضای انعطاف­پذیر (برای دوره­ iام در مقابل دوره­ jام) به صورت رابطه­ (10) خواهد بود:

(10)

 

 

بر این اساس برای یک دوره­ 24 ساعته، ضرایب کشش خودی و متقابل به صورت یک ماتریس 24×24 خواهد بود که می­توان آن را به صورت ر فرمول­بندی کرد:

(11)

 

 

 

عناصر قطری این ماتریس بیانگر کشش خودی و عناصر غیر قطری آن بیانگر کشش متقابل است. ستون jام این ماتریس نشان می­دهد چگونه تغییر قیمت در دوره­ jام، بر میزان قیمت در سایر دوره­ها تأثیر می­گذارد. عناصر قطری این ماتریس کشش خودی و عناصر غیرقطری آن کشش متقابل است.

 

3-1- مدل­سازی تقاضای برق کشش­پذیر یک­دوره­ای

بعضی از تقاضاهای برق قادر به جابه­جایی از یک دوره به دوره دیگر نیستند (مانند روشنایی­های عمومی) و این نوع روشنایی­­ها فقط می­توانند روشن یا خاموش شوند. چنین تقاضاهایی دارای کشش یک دوره­ای هستند و با کشش خودی قیمت نشان داده می­شوند. اگر مصرف­کننده براساس مقادیری که به عنوان پاداش و جریمه در قرارداد تعیین می­شود، میزان تقاضای خود را از (مقدار مصرف اولیه) به تغییر ­دهد، تغییر در تقاضا برابر است با (رابطه (12)):

(12)

 

 

اگر  واحد پولی به عنوان پاداش در دوره iام به ازای هر کیلووات ساعت کاهش در تقاضا به مصرف­کننده برق پرداخت شود، کل پاداش پرداخته شده­ ناشی از مشارکت در برنامه­ پاسخگویی تقاضا به صورت رابطه (13) خواهد بود:

(13)

 

 

بنابراین، اگر مصرف­کننده­ای در برنامه­های پاسخگویی تقاضا شرکت کرده و بر اساس قرارداد به تعهدات خود عمل نکند با جریمه مواجه خواهد شد. اگر میزان کاهش تقاضای قرارداد شده برای دوره­ی iام برابر با IC(i) و میزان جریمه برای همین دوره برابر با Pen(i) باشد در این صورت کل جریمه­ ناشی از افزایش تقاضا برابر  خواهد بود و برابر است با رابطه (14):

(14)

 

 

با این فرض که B(D(i)) برابر با میزان درآمد مشترکین مصرف برق در دوره­ iام از مصرف D(i) کیلووات ساعت برق باشد، مطلوبیت مشترکین مصرف برق در دوره­ iام به صورت رابطه (15) خواهد بود (کیرشن[29]، 2002):

(15)

 

 

براساس قواعد بهینه­سازی کلاسیک به منظور حداکثر کردن مطلوبیت مشترکین مصرف برق باید  برابر با صفر باشد، بنابراین (رابطه (16)):

(16)

 

 

با حل رابطه (16)، رابطه (17) را خواهیم داشت:

(17)

           

 

تابع مطلوبیـت مشترکین مصرف برق -که اغلب مورد استفاده قرار می­گیرد- تابعی درجه دو و به صورت رابطه (18) در نظر گرفته می­شود (اشوپ، کارامانیس، تابورس و بون، 1988):

 (18)

  

 

که در آن سود اولیه ناشی از متقاضای اولیه و  کشش قیمتی خودی تقاضای برق در دوره­ iام است. با مشتق­گیری از رابطه­ (18) و محاسبه  و قرار دادن آن در رابطه­ (17)، رابطه (19) را خواهیم داشت:

(19)

                           

 

بنابراین با استفاده از رابطه­ (19) میزان تقاضای مصرف­کننده در دوره­­ی iام به صورت رابطه (20) حاصل می­شود:

(20)

                                           

 

3-2- مدلسازی تقاضای برق کشش­پذیر چند دوره­ای

بعضی از مصارف می­توانند از یک دوره­ اوج مصرف به دوره­ با مصرف کمتر انتقال پیدا کنند. چنین رفتاری، کشش چند دوره­ای نامیده می­شود و با کشش متقابل نشان داده می­شود. بر اساس تعریف کشش­پذیری متقابل تقاضا و با فرض خطی بودن تابع تقاضا رابطه (21) را خواهیم داشت:

(21)

                            

 

در این­صورت رابطه خطی (22) بین قیمت و مقدار تقاضا برقرار خواهد بود (شایسته و مقدم[30]، 2010):

(22)

 

 

اگر پاداش و جریمه نیز در نظر گرفته شود، مدل چند دوره­ای به صورت رابطه (23) خواهد بود (اعلمی، مقدم و یوسفی[31]، 2010):

(23)

       

مدل­سازی اقتصادی پاسخگویی تقاضای برق از ترکیب مد­ل­سازی تقاضاهای تک دوره­ای و چند­دوره­ای حاصل می­شود بنابراین با ترکیب روابط (20) و (23)، مدل اقتصادی تقاضای برق مبتنی بر پاداش و جریمه به صورت رابطه­ی (24) خواهد بود:

(24)

 

 

حال با جای گذاری روابط (3) و (10) مربوط به کشش خودی و متقابل قیمتی تقاضا در رابطه­ (24)، مدل اقتصادی تقاضای برق با کشش انعطاف­پذیر به صورت رابطه (25) به دست می­آید:

(25)

 

 

رابطه (25) میزان تقاضای مصرف­کنندگان برق در یک دورهی 24 ساعته با شرکت در برنامه­های پاسخگویی تقاضا را مشخص می­کند. در این حالت سود مصرف­کنندگان برق حداکثر می­شود. با استفاده از این رابطه می­توان میزان مصرف مشترکین برق را پس از اجرای هر یک از برنامه­های پاسخگویی تقاضا برای ساعت­های کم­مصرفی، میان­مصرفی و اوج مصرف تعیین کرد. بر اساس رابطه (25)، میزان کشش تقاضای برق به میزان قیمت برق در هر ساعت، قیمت برق در ساعت­های کم­مصرفی، میان­مصرفی و اوج مصرف و همچنین مقدار تشویق/ جریمه تعیین شده در هر برنامه بستگی دارد و با تغییر قیمت یا تغییر میزان تشویق و جریمه در هر یک از برنامه­های پاسخگویی تقاضا، می­توان میزان تقاضای برق در هر دوره (در این حالت هر ساعت) را به دست آورد.

 

4- تحلیل نتایج تجربی شبیه­سازی برنامه­های پاسخگویی تقاضای برق در سناریوهای مختلف


در این قسمت با شبیه­سازی برنامه­های پاسخگویی تقاضای حاصل شده در رابطه (25)، تأثیر این برنامه­ها بر منحنی تقاضا در سناریوهای مختلف بررسی شده و سپس مؤثرترین راهکارها در هر مورد شناسایی شده و مورد ارزیابی قرار می­گیرند. در تحلیل عددی صورت گرفته، منحنی تقاضای روزانهی مصرف برق ایران در تاریخ 05/06/1387 (روز اوج مصرف برق) برای مطالعه در نظر گرفته شده است که در شکل (1) نشان داده شده است. این منحنی به سه دوره­ جداگانه کم­مصرفی ( ساعات 24 شب الی 9 صبح)، میان­مصرفی (ساعات 9 صبح الی 19) و ساعات اوج مصرف (ساعات 19 الی 24) تقسیم شده است.

شکل (1)- منحنی تقاضای برق ایران در روز اوج مصرف 28/08/2007- (05/06/1387)

منبع: Moghaddam et al. (2011)

قیمت فروش برق در سال 1387، 160ریال (برای هر کیلووات ساعت) به عنوان تعرفه­ ثابت، 400 ریال (برای هر کیلووات ساعت) در ساعات اوج مصرف، 160 ریال (برای هر کیلووات ساعت) در ساعات میان­مصرفی و 40 ریال (برای هر کیلووات ساعت) در ساعات کم­مصرفی گزارش شده است (آمارهای گزارش شده وزارت نیرو در سال 1387).

 

4-1- شبیه­سازی برنامه­های پاسخگویی تقاضای برق زمان­محور

 در این قسمت، برنامه­های زمان استفاده (TOU)، برنامه­های قیمت­گذاری زمان واقعی (RTP)، برنامه­های قیمت­گذاری اوج بحران (CPP) و ترکیب برنامه­های زمان استفاده (TOU) به عنوان برنامه­های زمان­محور مورد بررسی و مقایسه قرار می­گیرند. حداکثر پتانسیل اجرای برنامه­های پاسخگویی تقاضای زمان­محور برابر با 10 درصد در نظر گرفته شده است (خدایی و دیگران[32]، 2011). به عبارت دیگر، فرض می­شود 10 درصد از کل مشترکین برق در اجرای این برنامه­ها شرکت می­کنند تا به این وسیله اپراتور مستقل سیستم (ISO) بتواند پیک­سایی انجام داده و از جهش قیمت­ها یا بروز خاموشی جلوگیری کند.

با استفاده از مدل به دست آمده برای برنامه­های پاسخگویی تقاضا و استفاده از مقادیر ذکر شده در جدول (1) برای قیمت­های مختلف برق و میزان پاداش و جریمه و با فرض مشارکت 10 درصدی مشترکین در برنامه پاسخگویی، با استفاده از نرم­افزار MATLAB، شبیه­سازی سناریوهای مختلف روی منحنی تقاضای اولیه­ مشترکین اجرا می­شود تا منحنی تقاضای جدید مشخص شود. در شکل (2) تأثیر اجرای این برنامه­ها بر منحنی تقاضا فوق نشان داده شده است.

 

 

 

 

 

 

 

 

 

 

 

جدول (1)- جزئیات برنامه­های پاسخگویی تقاضای برق زمان­محور

شماره

برنامه

نوع

برنامه

(ریال/کیلووات ساعت)

قیمت الکتریسیته

مبلغ پاداش

مبلغ جریمه

0

حالت مبنا

160 در تمام ساعات

0

0

1

TOU

40،160،400
در ساعات کم مصرفی، میان مصرفی و اوج مصرف

0

0

2

CPP

800 در ساعات 20،21،22

0

0

3

RTP

40،40،40،40،20،20،20،20

160،160،160،160
200،200،200،200،160،160،160

500،500،500،160،160
بترتیب در ساعات 1 تا 24

0

0

4

TOU+CPP

40،160،400
در ساعات کم مصرفی، میان مصرفی و اوج مصرف و
800 در ساعات 20،21،22

0

0

 منبع: آمارهای گزارش شده­ وزارت نیرو در سال 1387

 

 

 

شکل (2)- تأثیر اجرای برنامه­های پاسخگویی تقاضای زمان­محور روی منحنی تقاضا

منبع: یافته­های تحقیق

 

با توجه به نتایج شبیه­سازی شده، در حالت اجرای برنامهی پاسخگویی تقاضای زمان استفاده (TOU)، تقاضای برق مصرفی در مقایسه با حالت مبنا (روز اوج مصرف و عدم اجرای برنامه پاسخگویی) از 34058 به 31462 مگاوات ساعت و به میزان 2/8 درصد کاهش یافته است. در حالت اجرای برنامه­ قیمت­گذاری اوج بحران ((CPP، تقاضای برق مصرفی در مقایسه با حالت مبنا از 34058 به 31799 مگاوات ساعت و به میزان 1/7 درصد کاهش یافته است. در حالت اجرای برنامه قیمت­گذاری زمان واقعی (RTP) تقاضای برق مصرفی در مقایسه با حالت مبنا از 34058 به 31622 مگاوات ساعت و به میزان 7/7 درصد کاهش یافته است. در حالت اجرای همزمان برنامه­ پاسخگویی تقاضای زمان استفاده و برنامه­ قیمت­گذاری اوج بحران ((CPP، تقاضای برق مصرفی در مقایسه با حالت مبنا از 34058 به 31762 مگاوات ساعت و به میزان 2/7 درصد کاهش یافته است. بنابراین، اجرای برنامه­ قیمت­گذاری اوج بحران ((CPP نسبت به دیگر برنامه­های زمان­محور بیشترین کاهش را در تقاضای برق نسبت به روز اوج مصرف ایجاد کرده است.

 

4-2- شبیه­سازی برنامه­های پاسخگویی تقاضای برق در برنامه­های تشویق­محور

در این قسمت، برنامه­های کنترل مستقیم تقاضا (DLC)، برنامه­های پاسخگویی تقاضای اضطراری (EDRP)، برنامه­های قطع یا کاهش خدمات تقاضا (I/C) و
برنامه­های بازار ظرفیتی (CAP) به عنوان برنامه­های تشویق­محور مورد بررسی قرار
می­گیرند. مشابه قسمت قبل نتایج شبیه­سازی برای پتانسیل 10 درصدی اجرای
برنامه­های پاسخگویی تقاضا ارزیابی شده است. ویژگی­های هر یک از این سناریوها در جدول (2) بیان شده است. با استفاده از مدل اقتصادی پاسخگویی تقاضا و با اعمال تغییرات در میزان پاداش و جریمه، سناریوهای مختلفی روی منحنی تقاضای برق اولیه اجرا می­شود تا منحنی تقاضای جدید مشخص شود. شکل (3) تأثیر اجرای این برنامه­ها بر منحنی تقاضا را نشان می­دهد.

جدول (2)- جزئیات برنامه­های پاسخگویی تقاضای تشویق­محور با اعمال تغییرات در میزان پاداش و جریمه

شماره برنامه

نوع برنامه

(ریال/کیلووات ساعت)

قیمت الکتریسیته

مبلغ پاداش

مبلغ جریمه

0

حالت مبنا

160 در تمام ساعات

--

--

5

DLC

160 در تمام ساعات

200

0

6

EDRP

160 در تمام ساعات

400

0

7

CAP

160 در تمام ساعات

100

50

8

I/C

160 در تمام ساعات

200

100

منبع: آمارهای گزارش شده وزارت نیرو در سال 1387

 

 

شکل (3)- تأثیر اجرای برنامه­های پاسخگویی تقاضای تشویق­محور روی منحنی تقاضا

منبع­: یافته­های تحقیق

 

 با توجه به نتایج شبیه­سازی شده، در حالت اجرای برنامه­ پاسخگویی تقاضای کنترل مستقیم تقاضا (DLC)، تقاضای برق مصرفی در مقایسه با حالت مبنا (روز اوج مصرف و عدم اجرای برنامه پاسخگویی) از 34058 به 31574 مگاوات ساعت و به میزان 9/7 درصد کاهش یافته است. با اجرای برنامه پاسخگویی تقاضای اضطراری (EDRP)، تقاضای برق مصرفی در مقایسه با حالت مبنا (روز اوج مصرف و عدم اجرای برنامه­ پاسخگویی) از 34058 به 31949 مگاوات ساعت و به میزان 6/6 درصد کاهش یافته است. با اجرای برنامه بازار ظرفیتی (CAP)، تقاضای برق مصرفی در مقایسه با حالت مبنا (روز اوج مصرف و عدم اجرای برنامه­ی پاسخگویی) از 34058 به 33363 مگاوات ساعت و به میزان 2 درصد کاهش یافته است. با اجرای برنامه­های قطع یا کاهش خدمات تقاضا (I/C)، تقاضای برق مصرفی در مقایسه با حالت مبنا (روز اوج مصرف و عدم اجرای برنامه­ پاسخگویی) از 34058 به 32725 مگاوات ساعت و به میزان 4 درصد کاهش یافته است. بنابراین، اجرای برنامه­ پاسخگویی تقاضای کنترل مستقیم تقاضا (DLC)، نسبت به دیگر برنامه­های تشویق­محور بیشترین کاهش را در تقاضای برق نسبت به روز اوج مصرف ایجاد کرده است.

 

4-3- شبیه­سازی برنامه­های پاسخگویی تقاضای برق با اجرای همزمان برنامه­های زمان­محور و تشویق­محور

در این قسمت به بررسی اجرای همزمان برنامه­های پاسخگویی تقاضای زمان­محور و تشویق­محور پرداخته شده است. با استفاده از مدل اقتصادی برنامه­های پاسخگویی تقاضا و با اعمال تغییرات در قیمت برق، پاداش و جریمه، سناریوهای مختلف روی منحنی تقاضای اولیه اجرا می­شود تا منحنی تقاضای جدید مشخص گردد. ویژگی­های هر یک از این سناریوها در جدول (3) بیان شده است. در شکل (4) نیز تأثیر اجرای این برنامه­ها بر منحنی تقاضا به ازای مشارکت 10 درصدی مشترکین برق نشان­ داده شده است.

 

 

 

 

جدول (3)- جزئیات برنامه­های پاسخگویی تقاضای زمان محور و تشویق محور (اجرای همزمان)

شماره
برنامه

نوع

 برنامه

(ریال/کیلووات ساعت)

قیمت الکتریسیته

مبلغ پاداش

مبلغ جریمه

0

حالت مبنا

160 در تمام ساعات

--

--

9

TOU&DLC

40،160،400
به ترتیب در ساعات کم مصرفی، میان مصرفی و اوج مصرف

200

0

10

TOU&I/C

40،160،400
به ترتیب در ساعات کم مصرفی، میان مصرفی و اوج مصرف

200

100

11

RTP&CAP

40،40،40،40،20،20،20،20،160،160،160،160،200،200،200،200،160،160،160،500،500،500،160،160
به ترتیب در ساعات 1 تا 24

100

50

12

EDRP&CPP

800 در ساعات 20،21،22

400

0

منبع: آمارهای گزارش شده وزارت نیرو در سال 1387

 

شکل (4)- تأثیر اجرای همزمان برنامه­های پاسخگویی تقاضای زمان ­محور و تشویق ­محور

منبع: یافته­های تحقیق

 

با اجرای همزمان برنامه­های زمان استفاده ((TOU و کنترل مستقیم تقاضا (DLC)، تقاضای برق مصرفی در مقایسه با حالت مبنا (روز اوج مصرف و عدم اجرای برنامه­ پاسخگویی) از 34058 به 31743 مگاوات ساعت و به میزان 3/7 درصد کاهش یافته است. با اجرای همزمان برنامه­های زمان استفاده ((TOU و برنامه­های قطع یا کاهش خدمات تقاضا (I/C)، تقاضای برق مصرفی در مقایسه با حالت مبنا (روز اوج مصرف و عدم اجرای برنامه پاسخگویی) از 34058 به 31274 مگاوات ساعت و به میزان 9/8 درصد کاهش یافته است. با اجرای همزمان برنامه­های قیمت­گذاری زمان واقعی ((RTP و قیمت­گذاری اوج بحران (CAP)، تقاضای برق مصرفی در مقایسه با حالت مبنا (روز اوج مصرف و عدم اجرای برنامه­ی پاسخگویی) از 34058 به 31097 مگاوات ساعت و به میزان 5/9 درصد کاهش یافته است. با اجرای همزمان برنامه­های پاسخگویی تقاضای قیمت­گذاری اوج بحران (CPP) و برنامه­های پاسخگویی تقاضای اضطراری (EDRP)، تقاضای برق مصرفی در مقایسه با حالت مبنا (روز اوج مصرف و عدم اجرای برنامه پاسخگویی) از 34058 به 31799 مگاوات ساعت و به میزان 1/7 درصد کاهش یافته است. بنابراین، اجرای همزمان برنامه­های قیمت­گذاری زمان واقعی ((RTP و قیمت­گذاری اوج بحران (CAP)، تقاضای برق مصرفی در مقایسه با حالت مبنا (روز اوج مصرف و عدم اجرای برنامه­ پاسخگویی) نسبت به دیگر برنامه­های همزمان اجرا شده، بیشترین کاهش را در تقاضای برق ایجاد کرده است.

این نتایج منطبق با نتایج اعلمی، مقدم و یوسفی (2010)، پارسامقدم، عبدالهی و رشیدی­نژاد (2011) و اشوپ، کارامانیس، تابورس و بون[33] (1988) است، بنابراین اجرای برنامه قیمت­گذاری اوج بحران ((CPP، برنامه­های زمان­محور برنامه­های پاسخگویی تقاضای کنترل مستقیم تقاضا (DLC)، برنامه­های تشویق­محور و اجرای همزمان برنامه­های قیمت­گذاری زمان واقعی ((RTP و قیمت­گذاری اوج بحران (CAP)، تقاضای برق مصرفی را در مقایسه با حالت مبنا (روز اوج مصرف و عدم اجرای برنامه پاسخگویی) کاهش می­دهند.

 

5- نتیجه­گیری و پیشنهاد

در حال حاضر به­ منظور جلوگیریاز جهش قیمت­ها و افزایش قابلیت اطمینان شبکه­های قدرت، در بسیاری از بازارهای برق دنیا، برنامه­های پاسخگویی تقاضای برق اجرا می­شود. مدل­سازی ریاضی این برنامه­ها به مجریان، سیاست­گذاران و قانون­گذاران بازارهای برق این امکان را می­دهد تا رفتار مشترکین برق را در قبال برنامه­های مختلف ارزیابی کرده و اثرات برنامه­های پاسخگویی تقاضا بر کاهش قیمت­ها و افزایش قابلیت اطمینان سیستم را بررسی کنند.

اپراتورهای بازار برق می­توانند با استفاده از مدل اقتصادی پاسخگویی تقاضا مشخصات جدید منحنی تقاضا را با وجود برنامه­های پاسخگویی تقاضا تخمین زده و براساس آن برای بهره­برداری شبکه قدرت برنامه­ریزی کنند. در این راستا مدل­سازی برنامه­های پاسخگویی تقاضا به عنوان یکی از مهم­ترین ابزارهای مدیریتی کنترل تقاضا جهت شبیه­سازی رفتار مشترکان مورد بررسی قرار گرفته و یک مدل اقتصادی از برنامه­های پاسخگویی تقاضا بر اساس کشش تقاضا و تابع سودمندی مشترکین برق ارائه شده است. در پایان با استفاده مدل پاسخگویی تقاضای با کشش انعطاف­پذیر، تأثیر برنامه­های پاسخگویی تقاضای زمان­محور و تشویق­محور در سناریوهای متفاوت شبیه­سازی شده است. نتایج عددی حاصل از
شبیه­سازی بیانگر این است که در اجرای برنامه قیمت­گذاری اوج بحران ((CPP، نسبت به دیگر برنامه­های زمان­محور بیشترین کاهش را در تقاضای برق نسبت به روز اوج مصرف ایجاد کرده است. همچنین اجرای برنامه­ی پاسخگویی تقاضای کنترل مستقیم تقاضا (DLC)، نسبت به دیگر برنامه­های تشویق­محور بیشترین کاهش را در تقاضای برق نسبت به روز اوج مصرف ایجاد کرده است. اجرای همزمان برنامه­های قیمت­گذاری زمان واقعی ((RTP و قیمت­گذاری اوج بحران (CAP)، تقاضای برق مصرفی را در مقایسه با حالت مبنا (روز اوج مصرف و عدم اجرای برنامه­ی پاسخگویی) نسبت به دیگر برنامه­های همزمان اجرا شده، بیشترین کاهش را در تقاضای برق ایجاد کرده است.

از آنجا که در مدل­سازی برنامه­های پاسخگویی تقاضا به عوامل خاص شبکه­های جدید نظیر قیمت برق و محرک­های پاداش و جریمه پرداخته می­شود، بررسی تأثیر سایر عوامل همچون وجود حامل­های مکمل و جایگزین انرژی که بر شیب تابع تقاضا تأثیر می­گذارند، در تحقیقات بعدی پیشنهاد می­شود.

 

6- منابع

الف) فارسی

1- اعلمی، حبیب الله، یوسفی، ‌غلامرضا و پارسامقدم،  محسن (1387)، «تأثیر برنامه­های پاسخ­گویی بار بر منحنی مصرف برق روزانه کشور»، نشریه مهندسی برق و کامپوتر ایران، سال 6(4): 16-308.

2- محمد حسینی میرزایی، شهلا و حدادی­پور، شاپور  (1391)، «بررسی برنامه­های پاسخگویی بار برای شرکت توزیع برق استان اصفهان»، تهران:کنفرانس منطقه­ای سیرد.

ب) انگلیسی

1- Aalami, H. A., M. P. Moghaddam and G. R. Yousefi (2010), “Demand response modeling considering interruptible/curtailable loads and capacity market programs,” Applied Energy, 87( 1), pp. 243-250.

2- Albadi, M. H. and E. F. El-Saadany (2008), “A summary of demand response in electricity markets”, Electric Power Systems Research, 78(11): 1989-1996.

3- Centolella, P (2010), “The integration of Price Responsive Demand into Regional Transmission Organization (RTO) wholesale power markets and system operations”, Energy, 35(4): 1568 -1574.

4- Farhangi, H (2010), “The Path of the Smart Grid”, IEEE power & energy magazine,Vol.8.

5- Federal Energy Regulatory Commission Staff (2009), “Assessment of Demand Response and Advanced Metering”, Federal Energy Regulatory Commission, FERC.

6- Herter, K., P. McAuliffe, and A. Rosenfeld (2007), “An exploratory analysis of California Residential Customer Response to Critical Peak Pricing of Electricity”, Energy, 32( 1), pp. 25-34.

7- Hirst, E (2002), “The Financial and Physical Insurance Benefits of Price-Responsive Demand”, The Electricity Journal, 15( 4), pp. 66-73.

8- Iran Ministry of Energy (2008), “Statistical Information on Energy Balance”. <http://www.iranenergy.org.ir>.

9- Iran Power Industry Statistics, <http://amar.tavanir.org.ir>.

10- Khodaei, A., M. Shahidehpour and S. Bahramirad (2011), “SCUC With Hourly Demand Response Considering Intertemporal Load Characteristics,” IEEE Transactions on Smart Grid, 2( 3): 564-571.

11- Kirschen, D. S., G. Strbac, P. Cumperayot and D. Mendes (2000), “Factoring the Elasticity of Demand in Electricity Prices,” IEEE Transactions on Power Systems, 15( 2): 612-617.

12- Palensky,P. and D. Dietrich (2011), “Demand Side Management: Demand Response, Intelligent Energy Systems, and Smart Loads”, IEEE Transactions on Industrial Informatics, 7(3): 381-388.

13- Schweppe, F. C., M. C. Caramanis, R. D. A. Tabors and R. E. Bohn (1988), “Spot Pricing of Electricity”, Boston, MA: Kluwer Academic Publishers.

14- Shayesteh, E., M. P. Moghaddam, A. Yousefi, M-R. Haghifam and M. K. Sheik-El-Eslami (2010), “A demand side approach for congestion management in competitive environment,” European Transactions on Electral Power, 20( 4): 470-490.

15- Valero, S., M. Ortiz, C. Senabre, C. Alvarez, F. Franco and A. Gabaldon (2007), “Methods For Customer and Demand Response Policies Selection in New Electricity Markets”, IET Generation, Transmission & Distribution, 1(1): 104-110.


 

 



1- کارشناسی ارشد دانشکده مهندسی برق و کامپیوتر دانشگاه سمنان ( نویسنده مسئول)

Email:  im.javad89@yahoo.com

2- استادیار دانشکده مهندسی برق و کامپیوتر دانشگاه سمنان        

Email: rkeypour@semnan.ac.ir

[3]- استادیار اقتصاد دانشکده علوم اقتصادی و سیاسی دانشگاه شهید بهشتی

Email: izadkhasti321@gmail.com

1- Palensky

2- Centolella

3- Independent System Operator (ISO)

1-Hirst

1- U.S Department Of Energy (DOE)

2- Albadi

3- Yusta, Khodar and Urdaneta

4- Goel Wu and Wang

5- Kirschen

6- Faruqui, Hajos, Hledik and Newell

1- Schweppe, Caramanis, Tabors and Bohn

2- Federal Energy Regulatory Commission Staff

3- Time Based Demand Response Programs (TBDRP)

1- Time of Use (TOU)

2- Real Time Pricing (RTP)

3- Critical Peak Pricing (CPP)

4- Incentive Based Demand Response Programs (IBDRP)

5- Direct Load Control (DLC)

6- Emergency Demand Response Programs (EDRP)

7- Interruptible rruptible/Curtailable Service (I/C)

8- Capacity Market Programs (CAP)

9- Market Based Demand Response Programs (MBDRP)

10- Demand Side Bidding (DB)

11- Ancillary Service Market Programs (A/S)

1- Federal Energy Regulatory Commission Staff

1- Kirschen

1- Shayesteh & Moghaddam

2- Aalami , Moghaddam and Yousefi

1- Khodaei, Shahidehpour and Bahramirad

1- Schweppe, Caramanis, Tabors and Bohn

الف) فارسی
1- اعلمی، حبیب الله، یوسفی، ‌غلامرضا و پارسامقدم،  محسن (1387)، «تأثیر برنامه­های پاسخ­گویی بار بر منحنی مصرف برق روزانه کشور»، نشریه مهندسی برق و کامپوتر ایران، سال 6(4): 16-308.
2- محمد حسینی میرزایی، شهلا و حدادی­پور، شاپور  (1391)، «بررسی برنامه­های پاسخگویی بار برای شرکت توزیع برق استان اصفهان»، تهران:کنفرانس منطقه­ای سیرد.
ب) انگلیسی
1- Aalami, H. A., M. P. Moghaddam and G. R. Yousefi (2010), “Demand response modeling considering interruptible/curtailable loads and capacity market programs,” Applied Energy, 87( 1), pp. 243-250.
2- Albadi, M. H. and E. F. El-Saadany (2008), “A summary of demand response in electricity markets”, Electric Power Systems Research, 78(11): 1989-1996.
3- Centolella, P (2010), “The integration of Price Responsive Demand into Regional Transmission Organization (RTO) wholesale power markets and system operations”, Energy, 35(4): 1568 -1574.
4- Farhangi, H (2010), “The Path of the Smart Grid”, IEEE power & energy magazine,Vol.8.
5- Federal Energy Regulatory Commission Staff (2009), “Assessment of Demand Response and Advanced Metering”, Federal Energy Regulatory Commission, FERC.
6- Herter, K., P. McAuliffe, and A. Rosenfeld (2007), “An exploratory analysis of California Residential Customer Response to Critical Peak Pricing of Electricity”, Energy, 32( 1), pp. 25-34.
7- Hirst, E (2002), “The Financial and Physical Insurance Benefits of Price-Responsive Demand”, The Electricity Journal, 15( 4), pp. 66-73.
8- Iran Ministry of Energy (2008), “Statistical Information on Energy Balance”. <http://www.iranenergy.org.ir>.
9- Iran Power Industry Statistics, <http://amar.tavanir.org.ir>.
10- Khodaei, A., M. Shahidehpour and S. Bahramirad (2011), “SCUC With Hourly Demand Response Considering Intertemporal Load Characteristics,” IEEE Transactions on Smart Grid, 2( 3): 564-571.
11- Kirschen, D. S., G. Strbac, P. Cumperayot and D. Mendes (2000), “Factoring the Elasticity of Demand in Electricity Prices,” IEEE Transactions on Power Systems, 15( 2): 612-617.
12- Palensky,P. and D. Dietrich (2011), “Demand Side Management: Demand Response, Intelligent Energy Systems, and Smart Loads”, IEEE Transactions on Industrial Informatics, 7(3): 381-388.
13- Schweppe, F. C., M. C. Caramanis, R. D. A. Tabors and R. E. Bohn (1988), “Spot Pricing of Electricity”, Boston, MA: Kluwer Academic Publishers.
14- Shayesteh, E., M. P. Moghaddam, A. Yousefi, M-R. Haghifam and M. K. Sheik-El-Eslami (2010), “A demand side approach for congestion management in competitive environment,” European Transactions on Electral Power, 20( 4): 470-490.
15- Valero, S., M. Ortiz, C. Senabre, C. Alvarez, F. Franco and A. Gabaldon (2007), “Methods For Customer and Demand Response Policies Selection in New Electricity Markets”, IET Generation, Transmission & Distribution, 1(1): 104-110.