خلاصة:
در بستر شبکه های هوشمند الکتریکی، بهره گیری از منابع سمت تقاضا (منابع پاسخگویی بار)، مدیریت مناسبتر تقاضای روزافزون انرژی و همچنین کاهش چشمگیر هزینه های متحمل شده سیستم را فراهم می آورد. تعیین پتانسیل منابع سمت تقاضا به علت اثرگذاری بر برنامه ریزی های کوتاه مدت تا بلندمدت سیستم قدرت حائز اهمیت می باشد. مقاله ی حاضر، به ارائه ساختاری دو مرحله ای به منظور شناسایی پتانسیل نامی منابع پاسخگویی تقاضا، بر مبنای تغییرات الگوی مصرف انرژی و تغییرات دمایی در افق زمانی سالیانه، می پردازد. در مرحله اول، با استفاده از الگوریتم حداکثر درست نمایی، آستانه دمایی عملکرد وسایل سرمایشی و گرمایشی تعیین می گردد. در مرحله دوم، براساس آستانه عملکردی وسایل سرمایشی و گرمایشی، داده های مصرف انرژی به دو بخش تفکیک می گردند؛ سپس، با اعمال ضرایب مختلف به منحنی تقاضا متوسط روزانه و منحنی تقاضا پرباری روزانه، میزان بار انعطاف پذیر (پتانسیل نامی منابع سمت تقاضا) تعیین می گردد. در پایان، با آنالیز آماری پتانسیل نامی منابع سمت تقاضا به دست آمده در سال های مختلف، پتانسیل نامی منابع مجازی سمت تقاضا در فصول گرم و سرد مشخص می گردد. ساختار پیشنهادی، با استفاده از داده های مصرف انرژی و داده های دمایی شهر BOSTON مورد ارزیابی قرار می گیرد؛ نتایج حاصله، حاکی از میزان تفاوت در پتانسیل نامی باتوجه به تغییرات دوره ای دما می باشد.
Under the smart environment, utilizing demand side resources (DSRs), the so-called demand response resources (DRRs), provide more suitable management for the growing energy consumption as well as considerable reduction of system expenditures. Estimation of DSRs potential due to affecting the power system scheduling ranging from short-term to long-term is contemplated as an essential issue. In this paper, a two-stage structure is proposed to determine the potential of DRRs based upon the variation of energy consumption in comparison with the temperature along one year horizon time. In the first stage, utilizing a sample estimation method, the temperature threshold for commitment of cooling and heating appliances is specified. In the next stage, the energy consumption data are clustered in two categories regarding temperature thresholds. Then, the flexible load level, DRRs potential, is determined via implementing multifarious indices to the maximum and average daily load profile. Lastly, the final potential of DSRs will be determined in warm and cold weather conditions regarding the statistical analysis of computed DRRs’ potential in different years. To evaluate the capability of the proposed structure, the energy consumption as well as ambient temperature of Boston city is utilized. The obtained results show the difference between DRRs’ potential in different climate conditions.