برنامه ریزي توسعه شبکه انتقال در محیط هاي تجدیدساختار شده با حضور قطعیتها روشها الگوریتم ها و راه حل ها

و 6 و 3 و 8 و 4 برنامه ریزي توسعه شبکه انتقال در محیط هاي تجدیدساختار شده با حضور قطعیتها روشها الگوریتم ها و راه حل ها 3 2 1 آرش زرینی تبار حمدي عبدي و حمید فتاحی عدم 1 دانشجوي کارشناسی ارشد علوم تحقیقات کرمانشاه en.arashzarinitabar@gmail.com 2 گروه برق دانشکده فنی و مهندسی دانشگاه رازي hamdiabdi@razi.ac.ir 3 دانشجوي کارشناسی ارشد علوم تحقیقات کرمانشاه en.hamidfattahi@gmail.com چکیده در میان مواردي که در مورد مسا له برنامه ریزي توسعه شبکه انتقالدر سیستم هاي قدرت تجدید ساختار شده مطرح هستند عدم قطعیت هاو نحوه لحاظ آنها بیشترین سهم از نگرانی هاي موجود را به خود اختصاص داده اند. در سیستم هاي مختلف ممکن است همه یا بخشی از این عدم قطعیت ها بروز نمایند که موجب به چالش کشیدن برنامه ریزان بخش انتقال خواهد شد.در این مقاله عدم قطعیت هاي موجود در سیستم هاي قدرت تجدید ساختار شده بیان شده و روشهاي مربوط به آنها دسته بندي شده اند.اطلاعات این مقاله از مرور مدل هاي مختلف مرتبط با لحاظ نمودن عدم قطعیت ها در برنامه ریزي توسعه انتقال بدست آمده اند. دسته بندي مقالات مرور شده بر اساس روش هاي مختلف حل بکار رفته در آنها و الگوریتم هاي پیشنهادي صورت گرفته است. کلید واژهتجدید ساختار برنامه ریزي توسعه شبکه انتقال عدم قطعیت ها. مقدمه 1 TEP در محیط هاي رقابتی عبارت است از گسترش و تقویت شبکه انتقال به منظور فراهمنمودن شرایط بهینه براي بازار در حال رشد برق و نیز رعایت قیود مربوط به محدودیت هاي اقتصادي و فنی[ 21 ].سسیستم انتقال با قابلیت دسترسی عادلانه براي همه شرکت کنندگان لازمه وجود بازار رقابتی است. شود[ 1 ]. TEP باید سبب تسهیل حضور رقبا در بازار رقابتی دگر نظمی و تجدید ساختار سیستم برق اهداف TEP را تغییر داده و حضور عدم قطعیت ها را افزایش داده است بدلیل ایجاد این تغییرات روش ها و ضوابط جدیدي براي است TEP مورد نیاز [3] نیز بدلیل اینکه بر خلاف محیط هاي تجدید ساختار نشده اطلاعات ورودي سیستم قطعی نیستند براي انجام TEP در حضور عدم قطعیت ها تنها می توان از روش هاي غیر قطعی استفاده نمود. TEP بنابراین باید تمامی عدم قطعیت ها را لحاظ نماید. همچنین طرح نهایی باید بعد از آنالیزهاي ریسک براي همه راه حل ها جهت یافتن طرحی مقاوم در برابر عدم قطعیت ها و یا حداقل برنامه اي که با کمترین ریسک همراه باشد انتخاب گردد. چون محاسبه ریسک همواره مبتنی بر روش هاي احتمالاتی و اتفاقی است روش هاي احتمالاتی مختلفی براي TEP اراي ه شده اند[ 157]. از مهمترین عدم قطعیت ها در DPS می 4 توان به ظرفیت مورد نیاز و خطر برگشت سرمایه اشاره کرد[ 16 ]. این مسا له باعث کاهش انگیزه سرمایه گذاري و در نتیجه موجب تا خیر در توسعه می شود[ 7 ]. براي بهینه سازي استفاده از ظرفیت هاي موجود انتقال و به تا خیر انداختن صرف هزینه در تهیه امکانات جدید انتقال استفاده از مدیریت تراکم در DPS مرتبا در حال افزایش است ] 1817]. هدف اصلی TEP در DPS ایجاد یک محیط غیر تبعیض آمیز براي رقابت و نیز مطلوب نگه داشتن سطح قابلیت اطمینان سیستم است. اهداف کلی TEP در DPS عبارتند از: تشویقو تسهیل رقابت [ 10 و 2619 ]. ایجاد دسترسی برابر به تولید ارزان براي همه مصرف کنندگان[ 10 و 19 و 22 و 2726 ]. ایجاد مسیري براي دسترسی به طرف تامین ذخیره براي همه ژنراتورها.و طرف ذخیره تقاضا براي همه مصرف کنندگان[ 22 ]. ایجاد شبکه اي مستحکم در برابر همه عدم قطعیتها[ 5 14 و 17 و 20 و 3028 ]. 787

و 3 و 9 و 1 و 8 و 7 و 4 و 3 ایجاد مقادیر پایه بجاي معیار هزینه یا قابلیت اطمینان[ 1410 و 29 و 3231 ]. تلاش براي تضمین بازگشت سرمایه و سود[ 3433]. ایجاد یک سیستم با دسترسی باز [1]. از نقطه نظر DPS TEP به دو گروه تقسیم شده است: متمرکز و غیر متمرکز [ 35 ].در محیط متمرکز TEP نقش یک نهاد مرکزي یا اپراتور سیستم را ایفا میکند که تنها تصمیم گیرنده در قلمرو مشخص موجود است ولی تولید و انتقال از هم مجزا هستند و هیچ هماهنگی اي بین برنامه ریزي تولید و انتقال وجود ندارد. TEP با برنامه ریزي توسعه تولید هماهنگ نیست. بنابراین یک برنامه مشخص براي بار و ارسال توان در DPS وجود ندارد. بعلاوه در یک محیط رقابتی برنامه ریزان به همه اطلاعات مورد نیاز براي برنامه ریزي دسترسی ندارند و نمیتوانند مستقیما تصمیم گیري کنند[ 6 1514 و 17 و 20 21 و 29 و 3836 ].در این محیط برنامه ریز انتقال باید دسترسی برابر همه مشتریان را بوجود آورد. در محیط هاي غیر متمرکز TEP توسط چندین برنامه ریز انجام می شود که بر اساس تخمین بازگشت سرمایه در TEP هر برنامه ریز نظر خود را اعلام می کند. در این محیط یک برنامه ریز انتقال تعهدي نسبت به سرمایه گذاري براي ایجاد دسترسی ندارد. و اگر مشترکی به ظرفیت انتقال بیشتري نیاز داشته باشد باید نهادي را براي سرمایه گذاري در انتقال پیدا کند. در ادامه بر روش هاي TEP با حضور عدم قطعیت ها مرور شده است. روش هاي کلی TEP در بخش دو بیان شده است. در بخش سه عدم قطعیت هاي موجود در سیستم هاي تجدید ساختار شده بررسی شده اند. روش هاي مختلف حل TEP در بخش بعدي بیان شده اند و در انتهانکات موجود در زمینه TEP سیستم هايDPSبیان شده اند. 2 طبقه بندي روش هاي حل مسا له TEP روش هاي انجام TEP از جنبه عدم قطعیت ها افق زمانی و ساختار سیستم بررسی می شوند. عدم قطعیت: روش هاي قطعی و غیر قطعی افق زمانی: روش هاي استاتیک (مستقل از زمان) و روش هاي دینامیک (عجین شده با زمان) شامل برنامه ریزي بلند مدت[ 39 ]و کوتاه مدت[ 40 ] می باشند. ساختار سیستم: مشتمل بر روش هاي TEP براي سیستم هاي قدرت تجدید ساختار نشده و تجدید ساختار شده( DPS ) بررسی مراجع منتشر شده در این خصوص در [2] انجام گرفته است. هر دو روش قطعی و غیر قطعی براي انجام TEP در محیط هاي هاي انحصاري و تجدید ساختار شده مورد استفاده قرار می گیرند. اما براي لحاظ کردن عدم قطعیت ها در سیستم هاي تجدید ساختار شده تنها از روش هاي غیر قطعی حل TEP استفاده می شود [1]. 3 عدم قطعیت ها در سیستم هاي قدرت تجدید ساختار شده TEP در محیط هاي انحصاري توسط روشهاي بهینه سازي قطعی مشتمل بر ریاضی و ابتکاري مدل شده است[. [4241 هدف اصلی در این محیط ها تا مین تقاضاي بار به صورت اقتصادي بصورتی که قابلیت اطمینان سیستم نیز در حد مطلوب نگه داشته شود می باشد. تعداد عدم قطعیت ها کم بوده و برنامه ریزان به اطلاعات مورد نیاز براي برنامه ریزي دسترسی دارند[ 1 ]. در DPS شرکاء بصورت مستقل براي حصول حداکثر سود استراتژي خود را مرتبا تغییر می دهند[ 43]. نیز مصرف کنندگان نیازشان را مطابق هزینه هاي موجود تنظیم می کنند. دسترسی به تولید کنندگان مستقل برق نامعلوم بوده توان هاي چرخان با زمان تغییر می کنند و قیمت هاي گره اي نواحی کنترلی بطور کامل تعیین و تصویب می شوند [44]. عدم قطعیت ها در این سیستم ها می توانند به دو گروه اصلی عدم قطعیت هاي تصادفی و غیر تصادفی تقسیم شوند. بدلیل تفاوت روش هاي بررسی عدم قطعیت هاي تصادفی و غیر تصادفی این عدم قطعیت باید قبل از برنامه ریزي بطور واضح دسته بندي شوند[ 1 ]. عدم قطعیت ها به صورت زیر دسته بندي می شوند[ :[45 تصادفی: تقاضاي بار[ 10 و 1514 و 17 و 46 ] هزینه هاي تولید [ 10 و 17 و 4847 ] توان و پیشنهاداتIPP ها [ 10 و 22 و 48 ] دسترسی به ژنراتورها خطوط و دیگر امکانات شبکه ] 1211 و 16 و 31 و 47 ]. 788

غیر تصادفی: توسعه تولید [6 و 9 1614 و 20 21 و 29 و 3836 ] رشد بار/قطع آن[ 2 ] نصب تجهیزات/محدود نمودن دیگر امکانات شبکه انتقال جایگزینی تجهیزات سیتم انتقال هزینه هاي توسعه سیستم انتقال[ 14 ] و قوانین بازار[ 37 ]. اعمال هر یک از برنامه هاي پیشنهادي بصورت جداگانه به سیستم اجراي PLF و محاسبه معیارهاي قابلیت اطمینان. انتخاب بهترین برنامه پیشنهادي بر پایه معیارهاي قابلیت اطمینان و هزینه. 4 روش هاي غیر قطعی انجام TEP محدودیت روش هاي قطعی لحاظ بدترین موارد بدون در نظر گرفتن احتمال وقوع است. روشهاي غیر قطعی موارد زیادي را با تعیین احتمال وقوع یا درجه اهمیت لحاظ می کنند و می توانند تجربیات گذشته چشم انداز آینده و عدم قطعیت ها را مدل کنند. روش هاي غیر قطعی به صورت زیر دسته بندي شده اند[ 1 ]: پخش بار احتمالاتی معیار هاي قابلیت اطمینان احتمالاتی تکنیک سناریو تحلیل تصمیم گیري و فازي سازي تصمیم. که دو روش اول براي لحاظ عدم قطعیت هاي تصادفی مناسب هستند دو روش بعدي براي عدم قطعیت هاي غیر تصادفی و روش آخر براي در نظر گرفتن داده هاي مبهم مورد استفاده قرار می گیرند. 14 پخش بار احتمالاتی PLF شبیه پخش بار است با این تفاوت که توابع چگالی احتمال بارها را به عنوان ورودي دریافت کرده توابع چگالی احتمال و متغیر هاي خروجی را با استفاده از شبیه سازي تصادفی مانند مونت کارلو محاسبه میکند[ 5149 ]. در این زمینه از روش هاي جدیدي مانند پخش بار بهینه احتمالاتی نیز براي مدلسازي عدم قطعیت ها استفاده می شود. pdf بارها می تواند بر پایه پیش بینی بار و آنالیز هاي عدم قطعیت تخمین زده شود[ 52 ].الگوریتم حل TEP با استفاده از روش PLFبصورت زیر می باشد[ 5453 ]. اجراي PLF براي شبکه موجود و یافتن pdf هاي بار نیز شاخص هاي قابلیت اطمینان مانند احتمال نقض حدود ظرفیت خطوط و حدود ولتاژ محاسبه می شوند. پیشنهاد تعدادي طرح توسعه بر پایه معیارهاي قابلیت اطمینان. 24 معیار هاي قابلیت اطمینان احتمالاتی TEP مبتنی بر PRC بصورت زیر می باشد [55]. پیشنهاد تعدادي از برنامه هاي انتقال توسط تجزیه و تحلیل شبکه موجود. هر یک از برنامه هاي پیشنهادي به سیستم اعمال شده و معیار هاي قابلیت اطمینان مانند ارزش انرژي تامین نشده[ 5756 ] ارزش تعداد بار هاي از دست رفته ارزش زمان از دست رفته با استفاده از شبیه سازي مونت کارلو محاسبه می شود. انتخاب بهترین برنامه بر اساس معیار قابلیت اطمینان و آنالیز هاي اقتصادي [ 56 و 5958 ]. 34 تکنیک سناریو مراحل الگوریتم به شرح زیر است[ 14 و 16 و 19 و 28 و 60 ] : تعیین مجموعه اي از سناریو هاي احتمالی (پیش بینی ها). یک سناریو نتایج یا مفاهیم همه عدم قطیت ها است. سناریو باید طوري تعریف شده باشد که عدم قطعیت هارا نیز پوشش دهد. اختصاص مقدار احتمالی یا درجه اهمیت به هر پیش بینی ).(W تعیین مجموعه اي از راه حل هاي ممکن (برنامه ها). مشخص کردن تابع هزینه براي تعیین برتري هر طرح.( f هزینه هر طرح i در سناریو k باشد). با تبعیت ازضوابط از پیش تعیین شده اي براي انتخاب طرح پایانی باید موارد زیر مطرح شود: میزان هزینه مورد نظر: در انتخاب احتمالی هدف کمینه کردن هزینه است ) W F )[ 19 و 60 ]. تغییر معیار پشیمانی: در تحلیل ریسک بهترین راه حل با کمینه سازي پشیمانی تعیین می 789

مدل انعطاف پذیر :TEP این مدل بر اساس فاکتور هاي اساسی اي مانند محدودیت هاي توان حقیقی مدار و هزینه هاي سرمایه گذاري برنامه بهینه پایانی را انتخاب می کند[ 62]. طراحان می توانند با محدود کردن توسعه امکان ریسک در TEP را کاهش دهند.محدود سازي تکنیکی است براي کاهش ریسک در تولید تناوبی جدید[ 16 و 19 ] که با استفاده از کاهش تعداد یا احتمال وقوع هر سناریو براي برنامهاي که از آن منصرف شده ایم سناریو هاي ناسازگار را کاهش می دهد. نوع دیگر محدود سازي براي کاهش ریسک در مواردي مانند حق بیمه و سرمایه گذاري استفاده شده است. فرآیند بررسی محدود سازي در TEP در مراحل زیر تشریح شده است [63]: L شود[ 14 و 16 و 19 و 28 و 6160 ].پشیمانی سنجش ریسک و تعریف تفاوت هاي هزینه اي بین راه حل هاي انتخابی و راه حل بهینه است. اگر هزینه راه حل F بهینه K باشد میزان پشیمانی راه حل در i F) F است. در این روش برنامه اي برنامه k ) که بیشترین کاهش را در میزان پشیمانی در همه پیش بینی ها را دارد به عنوان طرح پایانی انتخاب می شود: (Min {Max W (F F }}) (1) معیار لاپلاس: در این روش برنامه اي که مجموع هزینه ها را کمینه می کند بالاتر از همه سناریو ها به عنوان طرح پایانی انتخاب می شود[ 60 ]. معیار : von neumanmorgenstem این روش بسیار بدبینانه و بر اساس نامطلوب ترین سناریو است [60]. برنامه اي که بیشترین هزینه را کاهش می دهد به عنوان برنامه پایانی انتخاب میشود. M(2) به همین ترتیب خوشبینانه ترین روش نیز می تواند به عنوان طرح پایانی انتخاب شود. M (3) معیار :Hurwicz در این روش برنامه اي که ترکیب قابل قبولی از بدبینانه ترین و خوشبینانه ترین راه حل را اراي ه دهد به عنوان طرح پایانی انتخاب می شود (با در نطر گرفتن بیشترین ریسک ممکن) [60]. معیار بهینه :pareto این روش اولویت هزینه اي برنامه ها را تعیین می کند. برنامه X بالاتر از برنامه Y قرار می گیرد اگر هزینه آن در هر سناریو بیشتر از طرح Y باشد. این راه حل همیشه منحصر به فرد نیست. معیار عدم استحکام: یک برنامه در یک سناریو محکم خوانده می شود اگر پشیمانی آن در سناریو مورد نظر صفر باشد.بر اساس این معیار یک برنامه قابل قبول است اگر حداقل براي %q از سناریو ها محکم باشد. [28] معیار عدم استحکام β: برنامهاي قابل قبول است که هزینه هاي اضافی هر سناریو نسبت به مقدار بهینه مربوط به برنامه از %β تجاوز نکند. ریسک TEP اندازه گیري می شود: اگر برنامه مستحکمی داریم یا آسیب پذیري طرح کم باشد نیازي به تلاش براي پیشبرد آن نیست. اندازه گیري وضوح برنامه: یعنی شناسایی سناریو هایی که مستحکمترین برنامه ها براي این سناریو ها قابل اجرا باشد. شناسایی محدوده اختیارات. وارد کردن محدوده اختیارات در برنامه هاي توسعه انتقال و بازگشت به مرحله 1. فرآیند تا یافتن یک برنامه با ریسک کم ادامه دارد. البته توجه به نکات زیر اساسی است: براي استفاده از PC فرضیات پایه اي احتمال باید مد نظر قرار گیرند. یعنی سناریوهایی که باید نادیده گرفته شوتد و نیز قوانین حاکم بر پدیده هاي تغییر ناپذیري که باقی مانده اند. بنابراین اکثریت رویدادهاي هر سناریو تمایل دارند به مقادیر احتمالی در نظر گرفته شده براي آنها نزدیک شوند[ 28 ]. PC یک اولویت ارزیابی است یعنی راه حل پایانی قبل از پی بردن به سناریو هایی که قرار است اتفاق بیفتد برگزیده شده است در حالیکه RA یک ارزیابی پایانی است یعنی راه حل پایانی بعد از تعیین نتیجه هر راه حل در سناریویی که قرار است در آینده اتفاق بیفتد انتخاب می شود[ 28 ]. PC از استاندارد ] 28Lو 63 ]. استفاده می کند و RA از استاندارد 790

و 5 PC باید به راه حل هایی اضافه شود که سود در آنها در یک محیط غیرقطعی مطرح شده است[ 28 ]. تمایل PC به حضور در تصمیمات ریسک پذیر [4]. براي تصمیمات خیلی مبهم در جایی که بقاء بعید به نظر میرسد ولی ریسک کردن اجتناب ناپذیر است بهتر است که از تغییرات در معیار پشیمانی مانند یک آزمون پیشرو استفاده کنیم[ 60 ]. 44 تحلیل تصمیم برنامه ریزان سعی می کنند انعطاف پذیرترین برنامه را انتخاب کنند. انعطاف پذیري بصورت توانایی انطباق سریع سیستم و در نتیجه هزینه قابل قبول به ازاي هر تغییر در شرایط موجود تعریف می شود[ 48 و 60 ]. در این روش مجموعه کاملی از سناریوها در دوره هاي متفاوتی از افق زمانی بوسیله یک نمودار درختی تشریح می شود[ 60]. این درخت دو نوع گره دارد: گره هاي تصمیم و گره هاي رویداد. نمودار از یک گره تصمیم شروع می شود. تصمیمات در گره اتخاذ می شوند. شاخه هایی که از هر گره تصمیم بیرون می آیند نشان دهنده امکان پذیر بودن تصمیماتی است که میتواند در این گره گرفته شود. هر یک از این شاخه ها به هزینه تصمیم طرف معامله و به یک گره رویداد ختم می شود. شاخه اي که از هر گره رویداد بیرون می آید نشان دهنده رویداد هاي احتمالی اي است که ممکن است اتفاق بیافتد و مربوط به میزان احتمال وقوع آن رویداد است. در واقع یک سناریو مسیر کاملی است بین ریشه درخت و یک گره پایانی. رویه پیدا کردن تصمیم بهینه براي یک چرخه برنامه ریزي درست مانند یک برنامه نویسی دینامیکی اتفاقی کلاسیک است: تصمیم از انتهاي درخت آغاز شده هزینه هاي تقریبی هر گره رویداد محاسبه می شود کمترین مقدار انتخاب شده و تا گره آغازین ادامه می یابد. 54 فازي سازي تصمیم منطق فازي به مدل سازي عدم قطعیت ها ابهامات و داده هاي نامعلوم تعمیم داده شده است[ 45 و 6664 ]. تصمیم می تواند به صورت زیر خلاصه شود[ 67 ]: 1 نشان دادن مشکلات موجود در تصمیم: تطبیق مجموعه انتخاب هاي تصمیم تطبیق مجموعه معیارهاي تصمیم روش فازي سازي 2 ارزیابی مجموعه فازي انتخاب هاي تصمیم: انتخاب اولویت مجموعه هاي دسته بندي شده بر حسب اهمیت معیارهاي تصمیم و متناسب کردن درجات انتخاب هاي تصمیم در برابر معیارهاي تصمیم. ارزیابی میزان اهمیت و تناسب درجات. جمع آوري میزان اهمیت و تناسب درجات با استفاده از عملگرهاي فازي. 3 برگزیدن انتخاب بهینه: آوري نظرات. انتخاب بهینه. اولویت بندي تصمیمات اتخاذ شده با استفاده از جمع برگزیدن تصمیم منتخب با بالاترین حق تقدم مانند روش هاي جدید دیگري نیز براي استفاده از روش فازي سازي در TEP مورد استفاده قرار گرفته اند از جمله روشی براي جزء بندي ناحیه اي بازارهاي سیستم قدرت با استفاده از شبیه سازي مونت کارلو [68]. که در آن امکان پیش بینی بار نیز وجود دارد. 5 نکات موجود در حل ساختار شده TEP سیستم هاي تجدید در سال هاي اخیر بدلیل تجدید ساختار در سیستم قدرت TEP از اهمیت ویژه اي برخوردار بوده است. مهمترین نکاتی که در این زمینه مطرح می باشند عبارتند از: لزوم در نظر گرفتن نیروگاه هایی که با استفاده از انرژي هاي تجدید پذیر اقدام به تولید برق می کنند نیز محدودیت هاي زمانی تولید آنها در برنامه ریزي[ 69 ]. عدم قطعیت هایی مانند عدم قطعیت توان باد در این بخش جاي دارد. تمایل به استفاده از انتقال HVDC در سیستم هاي تجدید ساختار شده در مقایسه با انتقال.[70AC] حضور واحدهاي تولید پراکنده[ 71 ]. ادوات FACTS و جایابی آنها[ 72 ]. ترسیم نقشه راهی که به وسیله آن بتوان علاوه بر بهره وري کامل از خطوط انتقال موجود برنامه ریزي احداث خطوط جدید را نیز بصورتی کارا و اقتصادي انجام داد[ 73 ]. بروزرسانی تجهیزات انتقال[ 74 ]. 791

environment, in proc. 2001 IEEE Power Engineering Society Summer Meeting Vol,3, pp. 17251730. [8]M. S. Kandil, S. M. ElDeheiky, and N. E. Hasanien, A hybrid mathematical and rulebased system for transmission network planning in a deregulated environment, in proc. 2001 IEEE Power Engineering Society Summer Meeting, Vol. 3, pp. 14511456. [9] L. Glende, A. Pedersen, I. H. Vognild, and M. Nordby, Transmission system planning in the competitive Norwegian power market environment, CIGRE1996,No.37107. [10] M. OloomiBuygi, H. ModirShanechi, and M. Shahidehpour, Transmission planning in deregulated environments, international jornal of Engineering, Vol.15,Na.3,pp.249256,Oct.2002. [11] J. G. Dalton, D. L. Garrison, and C. M. Fallon, Valuebased reliability transmission planning, IEEE Trans. PWRS, Vol. 11, No. 3, pp. 1400 1408, Aug.1996. [12]A. A. Chowdbury, and D. 0. Koval, A customer valueadded reliability approach to transmission system reinforcement planning: in Proc. 2001 IEEE Power Engineering Society Summer Meeting, Vol. 3, pp. 1710 1718. [13] I. Kurikhara, Deregulation of electricity power industry in Japan and the present practice of securing reliability in the transmission planning stage, in proc. 1999 IEEE PES Summer Meeting,Vol.l, pp.143146. [14] T. De la Toree, J. W. Feltes, T. G. S. Romans, and H. M. Merril, Deregulation, privatization, and competition: transmission planning under uncertainty, IEEE Trans. PWRS, Vol. 14, No. 2, pp. 460465. May 1999. [15] L. A. Dale, and M. Zhu, Optimal planning of the transmission system in the privatised electricity industry in England and Wales, in Proc. 1998 IEEE International confonpower System Tech,Vol. 1.pp.2731. [16] R. D. Cruz Rodriguez, and G. Latore Bayona, HIPER: interactive tool for midterm transmission expansion planning in a deregulated environment, IEEE Tram Power Engineering Review, Vol 20, No 11, pp 61 62. Nov 2000. [17]M. Alomoush and M. Shahidehpour, Fixed transmission rights for zonal congestion management, IEE Generation, Transmission and Distribution,Vol. 146,No. 5,pp. 471476, Sep. 1999.. [18]M. Alomoush and M. Shahidehpour, Contingency constrained congestion management with a minimum number of adjustments in preferred schedules, Electric Power and Energy Systems, Vol. 22, pp. 277290,2000. [19] C. Ward, K. Bell, A. May, and P. Roddy, Transmission capacity planning in an open energy market: CIGRE 2000, No. 37109. [20]A. Hioms, Probabilistic transmission planning in England and Wales, in Proc. 1998 IEE Colloquium on Tools and Techniques for Dealing with uncertainty, UK pp. 3/13/5. 6 نتیجه گیري همانطور که گفته شد همراه با اجراي تجدید ساختار بدلیل تغییر اهداف TEP عدم قطعیت ها افزایش یافته و در نتیجه TEP با ریسک بیشتري همراه خواهد بود. براي مشخص کردن میزان ریسک سرمایه گذاري می توان از روش هاي احتمالاتی براي TEP استفاده کرد. مشخص کردن حدود و در نظر گرفتن آنها یکی از الزامات انجام TEP است که موجب کاهش ریسک پذیري برنامه ریزي می شود. تغییر اهداف TEP که در نتیجه انجام تجدید ساختار رخ می دهد نباید باعث شود که وجود یک بازار غیر تبعیض آمیز که مهمترین هدف انجام TEP در DPS است فراموش شود. براي حصول به اهداف جدید TEP که در نتیجه تجدید ساختار به وجود می آید باید چارچوب جدیدي براي برنامه ریزي در نظر گرفته شود. تداوم رقابت وجود بازار غیر تبعیض آمیز در نظر گرفتن رضایت مندي مصرف کنندگان و نگهداشتن سطح قابلیت اطمینان شبکه در حد مطلوب شرایطی هستند که براي اجراي چارچوب جدید باید در نظر گرفته شوند. 7 مراجع [1] M. OloomiBuygi. H. M. Shanechi. G. Balzer, and M. Shahidehpour. Transmission Planning Approaches inrestructured Power Systems. IEEE 2003 Bologna Power Tech Conference, June 2326, Bologna, Italy. [2] Gerardo Latorre, Rubén Darío Cruz. Jorge Mauricio Areiza, and Andrés Villegas. Classification of Publications and Models on Transmission Expansion Planning IEEE TRANSACTIONS ON POWER SYSTEMS, VOL. 18, NO. 2, MAY 2003. [3] W. Li. Y. Mansour,J. K. Korczynski, and B. J. M ILLS, Application of transmissin reliability assessment in probabilistic planning of BC Hydro Vancouver Sout metro system, IEEE Trans. PWRS, vol. 10, No. 2,pp. 964970, May 1995. [4] M. Shahidehpaur and M. Alomoush, Restructured Electrical Power Systems, Marcel Dekker Publishers, June2001. [5]S. Dekrajangpetch, and G. B. Sheble, Application of auction results to power system expansion, in Proc. 2000 IEEE International Conf on Electric Utility Deregulation and Restructuring, pp. 142.146. [6] X. Y. Chao, X. M. Feng, and D. I. Slump, Impact of deregulation on power delivery planning, in Proc. 1999 IEEE Transmission and Distribution Conf, Vol. I, pp. 340344. [7]A.K. David, and F. Wen, Transmission planning and investment under competitive electricity market 792

contract FP7ENERGY20072TREN218903 (IRENE 40 project). [34]Z. Xu, Z.Y. Dong and K.P. Wong. Transmission planning in a deregulatedenvironment IEE Proc. Gener.Transm.DistribVol.153, No. 3, May 2006. [35] R. D. Cruz, G. Latorre, and J. M. Areiza, Transmission planning in a deregulated environment international schema comparison Presented at IEEE PES Transmission and Distribution Conf., Brazil, Mar. 2002. [36] H. Rudnick. R. Palma, E. Cura, and C. Silva, Economically adapted transmission systems in open access schemes application of genetic algorithms, IEEE Trans. PWRS, Vol.11, No. 3, pp. 14271440, Aug. 1996. [37] CIGRE WG 37.18, Report on impact of transmission pricing on power system planning & development: Executive summary, Electra, No. 187, pp. 113115,Dec. 1999. [38]P. Wright, Transmission planning in the Queensland electricity market, in Proc. CEPSI 1998. [39] Amir Motamedi, HamidrezaZareipour, and W. D. Rosehart, Transmission Planning in Deregulated Markets Considering GenCos Strategic Behavior [40] V. S. K. Murthy Balijepalliand S. A. Khaparde, Novel ApproachesforTransmission System Expansion Planning Including CoordinationIssues. [41] C. W. Lee, Simon K. K. Ng, J. Zhong, and Felix F. Wu, Transmission Expansion Planning From Past to Future [ 42 ]حمدي عبدي محسن پارسا مقدم محمد حسین جاویدي, مروري بر روشهاي برنامه ریزي توسعه شبکه انتقال در محیطهاي انحصاري و رقابتی و پیشنهاد الگوریتم جدید براي انجام TEPدر محیط رقابتی, دوازدهمین کنفرانس برق ایران مشهد اردیبهشت 1383. [43]J. Contreras, M. Klusch and F. F. Wu, Multiagent coalition formation in power transmission planning: A bilateral shapley value approach, in Proc. EPSOM 1998, Switzerland, pp. 12/112/5. [44] M. Alomoush, Auctionable fixed transmission rights for congestion management, Ph.D. dissertation, Department of ECE, Illinois Institute Of Technology, May 2000. [45] M. OloomiBuygi, M. Shahidehpour, H. M. Shanechi, and G. Balzer. Market Based Transmission Planning Under Uncertainties. 8 International Conference on Probabilistic Methods Applied to Power Systems, Iowa State University, Ames, low September 1216, 2004. Copyright Iowa State University, 2004. [46] H. Rudnick, and R. Quinteros, Power system planning in the south America in Proc 1998 VI Symposium of Specialists in Electric operational and expansion planning, Brazil. [47] A. M. Alabbas, Uncertainties in power systems expansion planning, CIGRE 2000,No. 37114. [48] Risheng Fang and David J. Hill, Fellow, IEEE. A New Strategy for Transmission Expansion in Competitive Electricity Markets. IEEE TRANSACTIONS ON [21]J. R. Sam, E. Torres, P. Eguia, and J. Albizu, Development of a methodology for transmission planning in deregulated electric sectors: in Proc. 2001 IEEE Power Tech., Vol. I. [22]T. Tachikawa, H. Kiln, H. Sugihara, K. Nishiya, and J. Hasegawa, A study of transmission planning under a deregulated environment in power system, in Proc. 2000 IEEE International Conf on Electric Utility Deregulation and Restructuring, pp. 649554. [23] G. Brauner, W. Tenschert, and E. Vierlinger, Network planning and operation in the environment of competition, in Proc. 1999 15 Th international conf& Exhibition on Electricity distribution. [24] K. Y. Lee, S. Manuspiya, M. Choi; and M. Shin, Network congestion assessment for shortterm transmission planning under deregulated environment in Proc. 2001 IEEE PES Winter Meeting, Vol. 3, pp. 1266 1271. [25] R. E. Clayton, and R. Mukerji, System planning tools for the competitive market, IEEE Trans. Computer Application in Power, Vol. 9,No. 3,pp. 5055, Jul. 1996. [26] C. MensahBonsu, and L. E. Jones, Regional Transmission Organizations (RTOs): effects on electricity markets, operational reliability and transmission planning, in Proc. 2002 IEEE Power Engineering Society Winter Meeting, Vol. I, pp. 4952. [27] C. J. Parker, and J. R. Stewart, Development of transmission planning techniques in a market environment and application to a project in Australia CIGRE 2000, NO. 37102. [28] V. Miranda, and L. M. Proenca, probabilistic choice vs. risk analysisconflicts and synthesis in power system planning, IEEE Trans. PWRS, Vol. 13, No. 3, pp. 1038 1043, Aug. 1998. [29] W. Wong, H. Chao, D. Julian P. Lindberg, and S. Kolluri. Transmission planning in a deregulated environment, in Proc. 1999 IEEE Transmission and Distribution Conf Vol.I, pp. 350 355. [30] N. H. Sohtaglu. The effects of economic parameters on power transmission planning, in Proc. 1998 9 Th Mediterranean Electro technical Conf, Vol. 2, pp. 941 945. [31] A. A. Chowdbury, and U. 0. Koval, Valuebased power system reliability planning, in Proc 1998 IEEE Industrial and Commercial Power Systems Technical Conf, pp. 17. [32] K. Okada, M. Kitamura H. Asano, M. Ishimaru, and R. Yokayma, Costbenefit analysis of reliability management by transmission expansion planning in the competitive electric power market, in Proc. 2000 IEEE International Conf on Power System Tech., Vol. 2, pp. 709 714. [33] G. A. Orfanos, P. S. Georgilakis, Senior Member, IEEE, G. N. Korres, Senior Member, IEEE, and N. D. Hatziargyriou, Fellow, IEEE. Transmission Expansion Planning by Enhanced Differential Evolution. This work was supported in part by the European Commission under 793

UPEC 2007 57. [63] CIGRE TF 38.05.08, Techniques of power system planning under uncertainties, Technical Brochure, Ref. 154, Apr. 2000. [64] M. OloomiBuvei, G. Balzer, H. M. Shanechi, and M. Shahidehpour, Market Based TEPFuzzy Risk Assessment.2004 IEEE International Conference on Electric Utility Deregulation, Restructuring and Power Technologies (DRPT2004) April 2004 Hong Kong. 2004IEEE. [65] H. Sun, and D. C. Yu, A multipleobjective optimization model of transmission enhancement planning for independent transmission company (ITC), in Proc. 2000 IEEE Power Engineering Society Summer Meeting, Vol. 4, pp. 20332038. [66] J. Cha, K. Oh, B. Lee; and K. Song, A decision making method for congested transmission lines of KEPCO system, in Proc. 2000 IEEE International conf on Power System Tech., Val. 3, pp. 14251429. [67] J. H. Moon, and C. S. Kang, Application of Fuzzy Decision Making Method to the Evaluation of Spent Fuel Storage Options, Research Paper, Department of Nuclear Engineering, Seoul National University, Korea, 2000, available on http://plaza.snu.ac.kr/ cskang/bk2l_lhtm. [68] Mina Sajjadi and Mehdi Raoofat. Zonal Partitioning of Deregulated Power Systems using Fuzzy Monte Carlo Simulation. 2nd IEEE International Conference on Power and Energy (PECon 08), December 13, 2008, Johor Baharu, Malaysia2008IEEE. [69] G. A. Orfanos, I. I. Skoteinos, P. S. Georgilakis, Member, IEEE, N. D. Hatziargyriou, Fellow, IEEE. Transmission Expansion Planning in Deregulated Electricity Markets for Increased Wind Power Penetration 2010 IEEE. [70] Shu Wang, Jinxiang Zhu, Lan Trinh, and Jiuping Pan, Senior Member, IEEE. Economic Assessment of HVDC Project in Deregulated Energy Markets.DRPT2008 69 April 2008 Nanjing China. 978 7900714138/08/ 2008DRPT. [71]"2006 IEEE Power Engineering Society General Meeting". Power Engineering Society General Meeting, 2006. IEEE. [72] Hua Zhao Zhoding Wang, DividC.Yu, Gipinglu, Investigation of models and methods for transmission network planning.2005 IEEE. [73] D. Osborn, J. Lawhorn, Midwest ISO TransmissionPlanningProcesses. [74] Russell Bent, Alan Berscheid, and G. Loren Toole. Transmission Network Expansion Planning with Simulation Optimization. LAUR Approved for public release; distribution is unlimited. Copyright c 2010, Association for the Advancement of Artificial Intelligence (www.aaai.org). POWER SYSTEMS, VOL. 18, NO. 1, FEBRUARY 2003. IEEE. [49] M B. Borkowska, Probabilistic load flow, in Proc. 1973 IEEE PES Summer Meetinng& EHV/UHV Conf pp. 752755. [50] A. M. Leite da Silva, V. L. Arienti, and R. N. Allen, Probabilistic load flow considering dependence between input nodal powers, IEEE Tram. PWRS, Vol. PAS 103,No. 6,pp. 15241530. Jun1984. [51] I. Vorsic, V. Muck, G. Skerbinek, Stochastic load flow analysis; in Proc 1991 IEEE 6th Mediterranean Electrotechnical Conf. Vol. 2, pp. 14451448. [52] M. B. Do CouttoFilho, A. M. Leite Da Silva, V. L. Anenti, and S. M. P. Ribeiro, Probabilistic load modelling for power system expansion planning, in Proc 1991, Third IEE Intentotiom1 Conf on Probabilistic Methods Applied to Electric Power System, pp. 203207. [53] N. D. Hatziargyriou, T. S. Karakatsanis, A probabilistic approach to control variable adjustment for power system planning applications, in proc 1994 IEEE International conf on control, vol. 1,pp. 733738. [54] Moghaddam, M.P.; Abdi, H.; Javidi, M.H. Transmission Expansion Planning in Competitive Electricity Markets Using AC OPF, in Proc. 2006 IEEE PES, pp. 15071512. [55] M. J. Beshir, Probabilistic based transmission planning and operation criteria development for the Western systems Coordinating council, in proc.1999 IEEE power Endineering Society Summer Meeting, Vol. 1, pp. 134139. [56] M. Lu, Z.Y. Dong, and T.K. Saha, A Framework for Transmission Planning in a Competitive Electricity Market. 2005 IEEE/PES Transmission and Distribution Conference & Exhibition: Asia and PacificDalian, China IEEE. [57] J. Choi, T.D. Mount, R.J. Thomas and R. Billinton. Probabilistic reliability criterion for planning transmission system expansions. IEE Proc. Gener.Transm.Distrib., Vol. 153, No. 6, November2006. [58] Trungtinh Tran, Jungji Kwon, Jaeseok Choi, Senior Member, IEEE, DonghunJeon, and Gyoungnam Han. Probabilistic Reliability Evaluation for 765KV Transmission Lines in KEPCO Grid Expansion Planning. 9th International Conference on Probabilistic Methods Applied to Power Systems KTH, Stockholm, Sweden June 1115 2006. [59] Yang Gu, IEEE, and James McCalley, Marketbased Transmission Expansion Planning 2011IEEE. [60] CIGRE WG 37.10, Methods for planning under uncertainty: toward flexibility in power system development, Electra, No 161, pp163,aug1995. [61] S. Varadan, W.A. Mittelstadt, R. K. Aggarwal, V. VanZandt, Senior Member, IEEE and B. Silverstein, Senior Member, IEEE. Transmission Planning Risk Assessment. 2008 IEEE. [62] Qiuxia Yu, JianboGuo and XianzhongDuan. ELASTICITY MODELING FOR TRANSMISSION NETWORK EXPANSION PLANNING IN DEREGULATED POWER SYSTEM. 794