As compared to short-term forecasting (e.g., 1 day), it is often challenging to accurately forecast the volume of precipitation in a medium-term horizon (e.g., 1 week). As a result, fluctuations in water inflow can trigger generation shortage and electricity price spikes in a power system with major or predominant hydro resources. In this paper, we study a two-stage robust scheduling approach for a hydrothermal power system. We consider water inflow uncertainty and employ a vector autoregressive (VAR) model to represent its seasonality and accordingly construct an uncertainty set in the robust optimization approach. We design a Benders' decomposition algorithm to solve this problem. Results are presented for the proposed approach on a real-world case study

چکیده

در مقایسه با پیش بینی کوتاه مدت (مانند 1 روز)، اغلب پیش بینی دقیق از حجم بارش در یک افق میان مدت (مانند یک هفته) بسیار چالش برانگیز است. درنتیجه، نوسانات در جریان آب می تواند موجب کمبود تولید و خوشه قیمت برق در سیستم قدرت با منابع آب اصلی و یا غالب شود. در این مقاله، ما یک روش برنامه ریزی مقاوم دو سطحی برای یک سیستم قدرت آبی-حرارتی را بررسی کرده ایم. همچنین عدم قطعیت جریان ورودی آب را درنظر گرفته و یک مدل اتورگرسیو برداری (VAR) جهت بیان موارد فصلی به کار گرفته می شود و بر این اساس، یک مجموعه عدم قطعیت در روش بهینه سازی مقاوم ایجاد می کنیم. یک الگوریتم تجزیه Bender را جهت حل این مسئله طراحی کرده ایم. نتایج برای روش پیشنهاد شده در یک مورد مطالعاتی واقعی بیان شده است.

1-مقدمه

این مقاله مسئله برنامه ریزی تولید برای یک سیستم قدرت با منابع اصلی یا غالب آبی را بیان می کند (در اینجا به نام سیستم قدرت حرارتی-آبی بیان می شود). سیستم های قدرت حرارتی-آبی می توانند در تمامی کشورهای دنیا از جمله برزیل، نیوزلند و نروژ یافت شوند [1،3]. برخلاف منابع انرژی متداول (مانند زغال سنگ، نفت و گاز)، ظرفیت تولید نیروگاه آبی بستگی به مقدار آب ذخیره شده در مخزن و جریان ورودی آب طبیعی تصادفی است...