ลำดับความสำคัญ (Merit Order)คือวิธีจัดลำดับแหล่งพลังงานที่มีอยู่ โดยเฉพาะอย่างยิ่งการผลิตไฟฟ้า โดยพิจารณาจากราคา (ซึ่งอาจสะท้อนถึงลำดับต้นทุนส่วน เพิ่มระยะสั้น ของการผลิต) และบางครั้งก็รวมถึงมลพิษ พร้อมกับปริมาณพลังงานที่จะผลิตได้ ในระบบการจัดการแบบรวมศูนย์ ลำดับความสำคัญจะเป็นเช่นนี้ คือแหล่งพลังงานที่มีต้นทุนส่วนเพิ่มต่ำที่สุดจะเป็นแหล่งแรกที่ถูกนำมาใช้เพื่อตอบสนองความต้องการ และโรงไฟฟ้าที่มีต้นทุนส่วนเพิ่มสูงที่สุดจะเป็นแหล่งสุดท้ายที่ถูกนำมาใช้ การจัดสรรการผลิตไฟฟ้าในลักษณะนี้ ซึ่งเรียกว่าการจัดสรรอย่างประหยัด (Economic Dispatch ) จะช่วยลดต้นทุนการผลิตไฟฟ้าให้เหลือน้อยที่สุด บางครั้งหน่วยผลิตไฟฟ้าอาจต้องเริ่มเดินเครื่องนอกลำดับความสำคัญ เนื่องจากความแออัดของการส่งไฟฟ้าความน่าเชื่อถือของระบบ หรือเหตุผลอื่นๆ

ในการจัดสรรพลังงานด้านสิ่งแวดล้อม การพิจารณาเพิ่มเติมเกี่ยวกับการลดมลพิษทำให้ปัญหาการจัดสรรพลังงานมีความซับซ้อนมากขึ้น ข้อจำกัดพื้นฐานของปัญหาการจัดสรรพลังงานทางเศรษฐกิจยังคงอยู่ แต่แบบจำลองได้รับการปรับให้เหมาะสมเพื่อลดการปล่อยมลพิษให้น้อยที่สุด นอกเหนือจากการลดต้นทุนเชื้อเพลิงและการสูญเสียพลังงานทั้งหมดให้น้อยที่สุด^{[ 1 ]}

ความต้องการใช้ไฟฟ้าสูงในช่วงเวลาที่มีความต้องการสูงสุดส่งผลให้ราคาประมูลไฟฟ้าสูงขึ้น และโดยปกติแล้วแหล่งพลังงานพื้นฐาน ที่มีราคาค่อนข้างถูกจะถูกเสริมด้วย โรงไฟฟ้าเสริมซึ่งผลิตกระแสไฟฟ้าด้วยต้นทุนที่สูงกว่า ดังนั้นจึงมีราคาสูงกว่าเมื่อเทียบกับปริมาณไฟฟ้าที่ผลิตได้

การเพิ่มปริมาณพลังงานหมุนเวียนมีแนวโน้มที่จะลดราคาเฉลี่ยต่อหน่วยไฟฟ้า เนื่องจากพลังงานลมและพลังงานแสงอาทิตย์มีต้นทุนส่วนเพิ่มต่ำมาก: ไม่ต้องจ่ายค่าเชื้อเพลิง และปัจจัยเดียวที่ทำให้เกิดต้นทุนส่วนเพิ่มคือการดำเนินงานและการบำรุงรักษา ต้นทุนมักลดลงด้วยรายได้จากอัตราค่าไฟฟ้าแบบป้อนกลับ ทำให้ไฟฟ้าจากแหล่งพลังงานเหล่านี้มีราคาถูกกว่าไฟฟ้าจากถ่านหินหรือก๊าซธรรมชาติในตลาดซื้อขายทันที และบริษัทส่งไฟฟ้ามักจะซื้อจากแหล่งพลังงานเหล่านี้ก่อน^{[ 2 ] [ 3 ]}ดังนั้น ไฟฟ้าจากพลังงานแสงอาทิตย์และพลังงานลมจึงช่วยลดปริมาณไฟฟ้าที่มีราคาสูงในช่วงเวลาที่มีพลังงานแสงอาทิตย์/พลังงานลมพร้อมใช้งาน ซึ่งจะช่วยลดต้นทุนโดยรวม การศึกษาโดยสถาบัน Fraunhofer ISI พบว่า " ผลกระทบจากลำดับความสำคัญ " นี้ทำให้พลังงานแสงอาทิตย์สามารถลดราคาไฟฟ้าในตลาดแลกเปลี่ยนพลังงานของเยอรมนีได้เฉลี่ย 10% และมากถึง 40% ในช่วงบ่ายต้นๆ ในปี 2550 เมื่อมีการป้อนไฟฟ้าจากพลังงานแสงอาทิตย์เข้าสู่ระบบมากขึ้น ราคาในช่วงเวลาที่มีความต้องการสูงสุดอาจลดลงไปอีก^{[ 3 ]}ภายในปี 2549 "ผลลำดับความดีความชอบ" แสดงให้เห็นว่าการประหยัดค่าไฟฟ้าสำหรับผู้บริโภคชาวเยอรมันโดยเฉลี่ยนั้นมากกว่าการชดเชยเงินสนับสนุนที่ลูกค้าจ่ายสำหรับการผลิตไฟฟ้าจากพลังงานหมุนเวียน^{[ 3 ]}

การศึกษาในปี 2013 ประเมินผลกระทบของลำดับความสำคัญของการผลิตไฟฟ้าจากพลังงานลมและพลังงานแสงอาทิตย์ในเยอรมนีระหว่างปี 2008 ถึง 2012 สำหรับพลังงานหมุนเวียนแต่ละ GWh ที่ป้อนเข้าสู่ระบบโครงข่าย ราคาไฟฟ้าในตลาดซื้อขายล่วงหน้าจะลดลง 0.11–0.13  ¢/kWh ผลกระทบของลำดับความสำคัญโดยรวมของพลังงานลมและพลังงานแสงอาทิตย์มีตั้งแต่ 0.5  ¢/kWh ในปี 2010 ถึงมากกว่า 1.1  ¢/kWh ในปี 2012 ^{[ 4 ]}

ต้นทุนส่วนเพิ่มที่เกือบเป็นศูนย์ของพลังงานลมและพลังงานแสงอาทิตย์นั้น ไม่ได้หมายความว่าต้นทุนส่วนเพิ่มของไฟฟ้าในช่วงเวลาที่มีความต้องการสูงสุดจะเป็นศูนย์ในระบบตลาดไฟฟ้าแบบเปิดที่มีการแข่งขัน เนื่องจากพลังงานลมและพลังงานแสงอาทิตย์เพียงอย่างเดียวมักไม่สามารถตอบสนองความต้องการสูงสุดได้โดยไม่เสียค่าใช้จ่ายด้านการส่งไฟฟ้าและอาจรวมถึงค่าใช้จ่ายของแบตเตอรี่ด้วย จุดประสงค์ของหลักการจัดลำดับความสำคัญในการจ่ายไฟฟ้าคือการทำให้ไฟฟ้าที่มีต้นทุนสุทธิที่ต่ำที่สุดได้รับการจ่ายก่อน เพื่อลดต้นทุนโดยรวมของระบบไฟฟ้าสำหรับผู้บริโภค พลังงานลมและพลังงานแสงอาทิตย์ที่ไม่ต่อเนื่องบางครั้งก็สามารถตอบสนองฟังก์ชันทางเศรษฐกิจนี้ได้ หากปริมาณและปริมาณการผลิตพลังงานลม (หรือพลังงานแสงอาทิตย์) สูงสุดและความต้องการสูงสุดเกิดขึ้นพร้อมกันในเวลาและปริมาณ การลดราคาจะมากขึ้น ในทางกลับกัน พลังงานแสงอาทิตย์มักจะมีมากที่สุดในช่วงเที่ยง ในขณะที่ความต้องการสูงสุดอยู่ในช่วงบ่ายแก่ๆ ในสภาพอากาศอบอุ่น ซึ่งนำไปสู่สิ่งที่เรียกว่า เส้นโค้ง รูป เป็ด

จากการศึกษาในปี 2008 โดยสถาบัน Fraunhofer Institute ISI ในเมือง Karlsruheประเทศเยอรมนี พบว่าพลังงานลมช่วยประหยัดเงินให้ผู้บริโภคชาวเยอรมันได้ถึง 5  พันล้านยูโรต่อปี คาดว่าราคาสินค้าในประเทศยุโรปที่มีการผลิตพลังงานลมสูงจะลดลงระหว่าง 3 ถึง 23  ยูโร/MWh ^{[ 5 ] [ 6 ]}ในทางกลับกัน พลังงานหมุนเวียนในเยอรมนีกลับทำให้ราคาไฟฟ้าสูงขึ้น ผู้บริโภคต้องจ่ายเพิ่ม 52.8 ยูโร/MWh สำหรับพลังงานหมุนเวียนเพียงอย่างเดียว (ดูพระราชบัญญัติแหล่งพลังงานหมุนเวียนของเยอรมนี ) ราคาเฉลี่ยของไฟฟ้าในเยอรมนีเพิ่มขึ้นเป็น 26  เซนต์/kWh ต้นทุนโครงข่ายไฟฟ้าที่เพิ่มขึ้นสำหรับการส่งกระแสไฟฟ้าใหม่ การซื้อขายในตลาด และการจัดเก็บพลังงานที่เกี่ยวข้องกับพลังงานลมและพลังงานแสงอาทิตย์ไม่ได้รวมอยู่ในต้นทุนส่วนเพิ่มของแหล่งพลังงาน แต่ต้นทุนโครงข่ายจะถูกรวมเข้ากับต้นทุนแหล่งพลังงานที่ปลายทางของผู้บริโภค

การจัดสรรทางเศรษฐกิจคือการกำหนดผลผลิตที่เหมาะสมที่สุดของโรง ไฟฟ้าจำนวนหนึ่งในระยะสั้นเพื่อตอบสนองความต้องการของระบบด้วยต้นทุนที่ต่ำที่สุดเท่าที่จะเป็นไปได้ โดยคำนึงถึงข้อจำกัดด้านการส่งและการดำเนินงาน ปัญหาการจัดสรรทางเศรษฐกิจสามารถแก้ไขได้ด้วยซอฟต์แวร์คอมพิวเตอร์เฉพาะทาง ซึ่งจะต้องสอดคล้องกับข้อจำกัดด้านการดำเนินงานและระบบของทรัพยากรที่มีอยู่และความสามารถในการส่งที่เกี่ยวข้อง ในพระราชบัญญัตินโยบายพลังงานของสหรัฐอเมริกาปี 2548คำนี้ได้รับการนิยามว่า "การดำเนินงานของโรงไฟฟ้าเพื่อผลิตพลังงานด้วยต้นทุนที่ต่ำที่สุดเพื่อให้บริการผู้บริโภคได้อย่างน่าเชื่อถือ โดยคำนึงถึงข้อจำกัดในการดำเนินงานของโรงไฟฟ้าและโรงไฟฟ้า" ^{[ 7 ]}

แนวคิดหลักคือ เพื่อให้สามารถตอบสนองความต้องการใช้ไฟฟ้าด้วยต้นทุนรวมที่ต่ำที่สุด จะต้องใช้ชุดเครื่องกำเนิดไฟฟ้าที่มีต้นทุนส่วนเพิ่มต่ำที่สุดก่อน โดยต้นทุนส่วนเพิ่มของเครื่องกำเนิดไฟฟ้าตัวสุดท้ายที่จำเป็นต่อการตอบสนองความต้องการใช้ไฟฟ้าจะเป็นตัวกำหนดต้นทุนส่วนเพิ่มของระบบ ซึ่งก็คือต้นทุนในการส่งพลังงานเพิ่ม 1 เมกะวัตต์ชั่วโมง (MWh) เข้าสู่ระบบ เนื่องจากข้อจำกัดด้านการส่งไฟฟ้า ต้นทุนนี้จึงอาจแตกต่างกันไปในแต่ละตำแหน่งภายในโครงข่ายไฟฟ้า ต้นทุนที่แตกต่างกันเหล่านี้เรียกว่า " ราคาส่วนเพิ่มตามตำแหน่ง " (Local Marginal Price: LMPs) วิธีการจัดสรรพลังงานอย่างประหยัดแบบดั้งเดิมนั้นพัฒนาขึ้นเพื่อจัดการโรงไฟฟ้าที่ใช้เชื้อเพลิงฟอสซิล โดยอาศัยการคำนวณที่เกี่ยวข้องกับลักษณะเฉพาะของอินพุต/เอาต์พุตของโรงไฟฟ้า

ต่อไปนี้เป็นวิธีการวิเคราะห์ตาม Biggar และ Hesamzadeh (2014) ^{[ 8 ]}และ Kirschen (2010) ^{[ 9 ]} ปัญหาการจัดสรรทางเศรษฐกิจสามารถคิดได้ว่าเป็นการเพิ่มสวัสดิภาพทางเศรษฐกิจWของเครือข่ายไฟฟ้าให้สูงสุดในขณะที่ต้องปฏิบัติตามข้อจำกัดของระบบ

สำหรับเครือข่ายที่มีบัส (โหนด) n ตัว สมมติว่า S _kคืออัตราการผลิต และD _kคืออัตราการบริโภคที่บัสkสมมติเพิ่มเติมว่าC _k ( S _k )คือฟังก์ชันต้นทุนของการผลิตพลังงาน (กล่าวคือ อัตราที่เครื่องกำเนิดไฟฟ้าต้องรับภาระต้นทุนเมื่อผลิตในอัตราS _k ) และV _k ( D _k )คืออัตราที่โหลดได้รับมูลค่าหรือผลประโยชน์ (แสดงในหน่วยสกุลเงิน) เมื่อบริโภคในอัตราD _kดังนั้น สวัสดิภาพโดยรวมคือ

${\displaystyle W=\sum _{k=1}^{n}V_{k}(D_{k})-\sum _{k=1}^{n}C_{k}(S_{k})}$

ภารกิจการจัดสรรทางเศรษฐกิจคือการหาชุดค่าผสมของอัตราการผลิตและการบริโภค ( S _k , D _k ) ที่ทำให้ค่าW นี้มีค่าสูงสุด ภายใต้ข้อจำกัดหลายประการ:

${\displaystyle \max _{S_{k},D_{k}}W}$

ข้อจำกัดแรก ซึ่งจำเป็นต่อการตีความข้อจำกัดที่จะตามมา คือ ปริมาณการป้อนสุทธิที่แต่ละจุดเชื่อมต่อจะต้องเท่ากับปริมาณการผลิตทั้งหมดที่จุดเชื่อมต่อนั้น ลบด้วยปริมาณการบริโภคทั้งหมด:

${\displaystyle \forall k,\;I_{k}=S_{k}-D_{k}}$

ข้อจำกัดด้านสมดุลพลังงานกำหนดว่า ผลรวมของกำลังไฟฟ้าที่จ่ายสุทธิ ณ จุดเชื่อมต่อทั้งหมด ต้องเท่ากับกำลังไฟฟ้าที่สูญเสียไปในแต่ละสาขาของเครือข่าย:

${\displaystyle \sum _{k=1}^{n}I_{k}=L(I_{1},I_{2},\dots ,I_{n-1})}$

การสูญเสียพลังงานLขึ้นอยู่กับการไหลในสาขาต่างๆ และดังนั้นจึงขึ้นอยู่กับการจ่ายพลังงานสุทธิ ดังแสดงในสมการข้างต้น อย่างไรก็ตาม มันไม่สามารถขึ้นอยู่กับการจ่ายพลังงานในทุกบัสได้ เพราะจะทำให้ระบบมีตัวแปรเกินจำนวน ดังนั้นจึงเลือกบัสหนึ่งเป็นบัสหลัก (Slack bus)และตัดออกจากตัวแปรของฟังก์ชันLการเลือกบัสหลักนั้นเป็นไปโดยพลการ ในที่นี้เลือก บัส n

ข้อจำกัดข้อที่สองเกี่ยวข้องกับข้อจำกัดด้านความจุของการไหลบนสายส่งเครือข่าย สำหรับระบบที่มี สายส่ง mเส้น ข้อจำกัดนี้จะถูกจำลองดังนี้:

${\displaystyle F_{l}(I_{1},I_{2},\dots ,I_{n-1})\leq F_{l}^{max}\qquad l=1,\dots ,m}$

โดยที่F _lคืออัตราการไหลบนสาขาlและF _l ^maxคือค่าสูงสุดที่อัตราการไหลนี้สามารถมีได้ โปรดทราบว่าการฉีดสุทธิที่บัสหลักไม่ได้รวมอยู่ในสมการนี้ด้วยเหตุผลเดียวกันกับข้างต้น

ตอนนี้เราสามารถรวมสมการเหล่านี้เข้าด้วยกันเพื่อสร้างลากรางเจียนของปัญหาการหาค่าเหมาะสมที่สุดได้แล้ว:

${\displaystyle {\mathcal {L}}=\sum _{k=1}^{n}C_{k}(I_{k})+\pi \left[L(I_{1},I_{2},\dots ,I_{n-1})-\sum _{k=1}^{n}I_{k}\right]+\sum _{l=1}^{m}\mu _{l}\left[F_{l}^{max}-F_{l}(I_{1},I_{2},\dots ,I_{n-1})\right]}$

โดยที่ π และ μ คือตัวคูณลากรางจ์ของข้อจำกัด เงื่อนไขสำหรับความเหมาะสมที่สุดมีดังนี้:

${\displaystyle {\partial {\mathcal {L}} \over \partial I_{k}}=0\qquad k=1,\dots ,n}$

${\displaystyle {\partial {\mathcal {L}} \over \partial \pi }=0}$

${\displaystyle {\partial {\mathcal {L}} \over \partial \mu _{l}}=0\qquad l=1,\dots ,m}$

${\displaystyle \mu _{l}\cdot \left[F_{l}^{max}-F_{l}(I_{1},I_{2},\dots ,I_{n-1})\right]=0\quad \mu _{l}\geq 0\quad k=1,\dots ,n}$

โดยเงื่อนไขสุดท้ายจำเป็นสำหรับการจัดการข้อจำกัดด้านความไม่เท่าเทียมกันของความจุสายส่ง

การแก้สมการเหล่านี้มีความยากลำบากในการคำนวณ เนื่องจากเป็นสมการไม่เชิงเส้นและเกี่ยวข้องกับการแก้สมการการไหลของกำลังไฟฟ้าโดยปริยาย การวิเคราะห์สามารถทำให้ง่ายขึ้นได้โดยใช้แบบจำลองเชิงเส้นที่เรียกว่าการไหลของกำลังไฟฟ้ากระแสตรง (DC power flow)

มีกรณีพิเศษกรณีหนึ่งที่พบได้ในเอกสารทางวิชาการจำนวนมาก นั่นคือกรณีที่สมมติว่าอุปสงค์มีความยืดหยุ่นอย่างสมบูรณ์ (กล่าวคือ ไม่ตอบสนองต่อราคา) ซึ่งเทียบเท่ากับการสมมติว่าสำหรับค่า ที่มีขนาดใหญ่มาก ๆและอุปสงค์มีความยืดหยุ่นต่ำภายใต้สมมติฐานนี้ สวัสดิภาพทางเศรษฐกิจโดยรวมจะสูงสุดเมื่อเลือกงานการจัดสรรทางเศรษฐกิจจะลดลงเหลือ: ${\displaystyle V_{k}(D_{k})=M\min(D_{k},{\bar {D}__{k})}$${\displaystyle M}$${\displaystyle {\bar {D}__{k}}$${\displaystyle D_{k}={\bar {D}}_{k}}$

${\displaystyle \min _{S_{k}}\sum _{k=1}^{n}C_{k}(S_{k})}$

ทั้งนี้อยู่ภายใต้ข้อจำกัดดังกล่าวและข้อจำกัดอื่นๆ ที่ระบุไว้ข้างต้น ${\displaystyle \forall k,\;I_{k}=S_{k}-{\bar {D}}_{k}}$

ในการจัดสรรพลังงานเพื่อสิ่งแวดล้อม การพิจารณาเพิ่มเติมเกี่ยวกับการลดมลพิษทำให้ปัญหาการจัดสรรพลังงานมีความซับซ้อนมากขึ้น ข้อจำกัดพื้นฐานของปัญหาการจัดสรรพลังงานทางเศรษฐกิจยังคงอยู่ แต่แบบจำลองได้รับการปรับให้เหมาะสมเพื่อลดการปล่อยมลพิษให้น้อยที่สุด นอกเหนือจากการลดต้นทุนเชื้อเพลิงและการสูญเสียพลังงานทั้งหมด^{[ 1 ]}เนื่องจากความซับซ้อนที่เพิ่มขึ้น จึงมีการใช้อัลกอริทึมจำนวนมากเพื่อเพิ่มประสิทธิภาพปัญหาการจัดสรรพลังงานเพื่อสิ่งแวดล้อม/เศรษฐกิจนี้ ที่น่าสังเกตคือ อัลกอริทึมผึ้ง ที่ได้รับการดัดแปลง ซึ่งใช้หลักการสร้างแบบจำลองความโกลาหลได้รับการประยุกต์ใช้สำเร็จไม่เพียงแต่ในคอมพิวเตอร์ เท่านั้น แต่ยังรวมถึงระบบแบบจำลองทางกายภาพของเครื่องกำเนิดไฟฟ้าด้วย^{[ 1 ]}วิธีการอื่น ๆ ที่ใช้ในการแก้ปัญหาการจัดสรรการปล่อยมลพิษทางเศรษฐกิจ ได้แก่การเพิ่มประสิทธิภาพฝูงอนุภาค (PSO) ^{[ 10 ]}และเครือข่ายประสาท เทียม ^{[ 11 ]}

อัลกอริทึมผสมที่น่าสนใจอีกชุดหนึ่งถูกนำมาใช้ในเครื่องมือประเมินการปล่อยมลพิษแบบเรียลไทม์ที่เรียกว่า Locational Emissions Estimation Methodology (LEEM) ซึ่งเชื่อมโยงการใช้พลังงานไฟฟ้าและการปล่อยมลพิษที่เกิดขึ้น^{[ 12 ]} LEEM ประมาณการการเปลี่ยนแปลงของการปล่อยมลพิษที่เกี่ยวข้องกับการเปลี่ยนแปลงที่เพิ่มขึ้นของความต้องการพลังงานที่ได้มาจากข้อมูลราคาส่วนเพิ่มตามตำแหน่ง (LMP) จากผู้ดำเนินการระบบอิสระ (ISOs) และข้อมูลการปล่อยมลพิษจากสำนักงานคุ้มครองสิ่งแวดล้อมแห่งสหรัฐอเมริกา (EPA) ^{[ 12 ]} LEEM ได้รับการพัฒนาที่มหาวิทยาลัย Wayne State เป็นส่วนหนึ่งของโครงการที่มีเป้าหมายเพื่อเพิ่มประสิทธิภาพระบบส่งน้ำในเมืองดีทรอยต์ รัฐมิชิแกน เริ่มต้นในปี 2010 และตั้งแต่นั้นมาก็พบการใช้งานที่กว้างขึ้นในฐานะเครื่องมือจัดการโปรไฟล์โหลดที่สามารถช่วยลดต้นทุนการผลิตและการปล่อยมลพิษ^{[ 13 ]}

• การจัดส่งทางเศรษฐกิจ: แนวคิด แนวปฏิบัติ และประเด็นปัญหา

• ตลาดไฟฟ้า
• การจัดส่งตามการประมูล ที่มีข้อจำกัดด้านความปลอดภัย และอิงตามเศรษฐกิจ โดยมีราคาตามโหนด
• ปัญหาการจัดสรรหน่วยผลิตไฟฟ้าในโรงไฟฟ้า
• กฎหมายแหล่งพลังงานหมุนเวียนของเยอรมนี