Modeling and analysis of residential flexibility: Timing of white good usage

چالش هایی که شبکه های هوشمند برای مقابله با آن اهداف را دنبال می کنند شامل کسری رو به رشد عرضه توسط منابع انرژی تجدید پذیر و همچنین افزایش تقاضا، از قبیل افزایش برق حمل و نقل می باشد. بخشی از راه حل این چالش ها صرف بهره برداری از فرصت برای هدایت مصرف برق خانوار (به عنوان مثال، برای صاف کردن بار پیک یا متعادل کردن عرضه و تقاضا در حضور تولید انرژی تجدیدپذیر) است. برای بهینه بهره برداری از این فرصت، بسیار مهم است که بینشی در مورد چگونگی انعطاف پذیری تقاضای مسکونی داشته باشیم. انعطاف پذیری بار توسط مقدار قدرت، زمان در دسترس بودن و مدت مصرف دفع کننده مشخص می شود. با این حال، انعطاف پذیری مسکونی به دلیل تنوع در انواع بارهای مشتری و تفاوت عادت های استفاده از لوازم خانگی از یک خانوار به سوی دیگر، به سختی مورد بهره برداری قرار می گیرد. تجزیه و تحلیل های موجود در مورد رفتار انعطاف پذیری مشتری از نظر زمان بندی اغلب بر اساس نتیجه گیری از نظرسنجی ها یا الگوهای بارگیری مشتری (به عنوان مثال از طریق داده های هوشمند اندازه گیری شده است): سطح بالایی از عدم اطمینان در مورد عادت های مشتری در ارائه انعطاف پذیری وجود دارد. حتی اگر برخی از این مطالعات به داده های دنیای واقعی تکیه کنند، تنها تعداد کمی از آنها اطلاعات کمی در مورد کاربرد دستگاه انعطاف پذیر واقعی دارند و هیچ کدام از آنها رفتار رفتار فردی را مشخص نمی کنند. در این مقاله، ما در این شکاف و با کمک: (1) مشخصات کمی جدید از انعطاف پذیری، (2) دو روش سیستماتیک برای مدل رفتار فردی مشتری، (3) ارزیابی مدل های پیشنهادی از نظر میزان دقیق داده های آنها تولید مطابق با رفتار مشتری دنیای واقعی است و (4) تجزیه و تحلیل اولیه عوامل موثر بر رفتار انعطاف پذیر بر اساس آزمون های آماری. نتایج تجربی برای (2) - (4) بر اساس یک مجموعه داده منحصر به فرد از یک آزمایش واقعی میدان واقعی است.