کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11017559 1725872 2018 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A machine learning based stochastic optimization framework for a wind and storage power plant participating in energy pool market
ترجمه فارسی عنوان
یک چارچوب بهینه سازی تصادفی مبتنی بر ماشین برای یک نیروگاه بادی و ذخیره سازی شرکت کننده در بازار استخر انرژی
کلمات کلیدی
بهینه سازی تصادفی، شبکه عصبی مکرر، بازار روزانه، عدم اطمینان داده سناریوهای مبتنی بر داده خوشه بندی چند متغیره، انرژی باد،
ترجمه چکیده
گیاهان انرژی مجتمع می توانند در بازار استخر انرژی شامل بازار روز، روزانه و متعادل کننده شرکت کنند. هدف از این کار توسعه یک چارچوب تصمیم گیری برای نیروگاه باد و ذخیره سازی شرکت در بازار استخر برای رسیدگی به عدم اطمینان مربوط به پارامترهای انرژی قیمت و انرژی باد در دسترس است، که نمی دانند زمانی که تصمیم گیری می شود ساخته شده بنابراین، مشکل حداکثر درآمد خالص چنین گیاهی شرکت کننده در بازار استخر به عنوان یک برنامه تصادفی محدب دو مرحله ای شکل گرفته است. یک رویکرد ترکیبی جدید با استفاده از روش خوشه بندی چند متغیره و شبکه عصبی مجدد برای کشف سناریوها برای رسیدگی به عدم اطمینان مربوط به قیمت انرژی استفاده می شود. در نهایت، آزمایشهای شبیه سازی انجام شده برای نشان دادن اثربخشی روش های پیشنهادی با استفاده از یک مطالعه موردی در دنیای واقعی است. اپراتورهای ژنراتور منابع مجزا متغیر می توانند از چارچوب پیشنهادی برای تصمیم گیری های قوی استفاده کنند و مدیریت عملیات خود را برای به دست آوردن مزیت رقابتی بهتر مدیریت کنند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی مهندسی انرژی و فناوری های برق
پیش نمایش مقاله
یک چارچوب بهینه سازی تصادفی مبتنی بر ماشین برای یک نیروگاه بادی و ذخیره سازی شرکت کننده در بازار استخر انرژی
چکیده انگلیسی
Renewable energy plants can participate in the energy pool market including day-ahead, intraday and balancing markets. The aim of this work is to develop a decision-making framework for a Wind and Storage Power Plant participating in the pool market to handle the uncertainty associated with the parameters of energy price and available wind energy, which are not known when decisions are to be made. Thus, the problem of maximizing the net income of such a plant participating in the pool market is formulated as a two-stage convex stochastic program. A novel hybrid approach using multivariate clustering technique and recurrent neural network is used to derive scenarios to handle the uncertainty associated with the energy price. Lastly, simulation experiments are carried out to show the effectiveness of the proposed methods using a real-world case study. Operators of variable renewable resource generators could use the proposed framework to make robust decisions and better manage their operations to gain competitive advantage.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Energy - Volume 232, 15 December 2018, Pages 341-357
نویسندگان
, , , , ,