کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6892599 1445452 2018 36 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A stochastic programming approach for the optimal management of aggregated distributed energy resources
ترجمه فارسی عنوان
یک رویکرد برنامه ریزی تصادفی برای مدیریت بهینه منابع جمع آوری شده توزیع شده
کلمات کلیدی
ترجمه چکیده
این مقاله بر مدیریت مطلوب منابع انرژی توزیع شده در یک ائتلاف تمرکز دارد. مشکل از دیدگاه جمع کننده تحلیل می شود که به عنوان یک نهاد به منظور بهینه سازی منابع موجود مورد بررسی قرار گرفته است تا بتواند تقاضای جمع شده را در نهایت به بازار برق روزانه برساند. هر دو دیدگاه کامل و باقیمانده در مدیریت منابع یکپارچه بررسی و مقایسه می شود. عدم اطمینان ذاتی که بر تصمیم گیری بهینه تصمیم می گیرد، عمدتا مربوط به مشخصات تقاضا، قیمت برق و تولید از منابع تجدید پذیر است، با اتخاذ الگوی برنامه ریزی تصادفی دو مرحله ای مطرح می شود. مدل های پیشنهادی (متفاوت برای پرونده کامل و باقی مانده) یک تابع هدف دوگانه را در نظر می گیرند، یکپارچگی سود مورد انتظار و اندازه گیری خطر، ارزش شرطی در معرض خطر، برای کنترل اثرات نامطلوب ناشی از تغییرات تصادفی پارامترهای نامشخص. یک مطالعه عددی گسترده در مورد مطالعه واقعی انجام شده است. تجزیه و تحلیل نتایج به وضوح نشان می دهد که مزایای حاصل از رویکرد بهینه سازی تصادفی و اثر در نظر گرفتن سطوح مختلف ریسک ریسک.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
پیش نمایش مقاله
یک رویکرد برنامه ریزی تصادفی برای مدیریت بهینه منابع جمع آوری شده توزیع شده
چکیده انگلیسی
The paper focuses on the optimal management of distributed energy resources aggregated within a coalition. The problem is analyzed from the viewpoint of an aggregator, seen as an entity called to optimize the available resources so to satisfy the aggregated demand by eventually trading in the Day-Ahead Electricity Market. Both a full and a residual perspective in the management of the integrated resources is investigated and compared. The inherent uncertainty affecting the optimal decision problem, mainly related to the demand profile, electricity prices and production from renewable sources, is dealt by adopting the two-stage stochastic programming paradigm. The proposed models (different for the full and residual case) present a bi-objective function, integrating the expected profit and a risk measure, the Conditional Value at Risk, to control undesirable effects caused by the random variations of the uncertain parameters. A broad numerical study has been carried out on real case study. The analysis of the results clearly shows the benefits deriving from the stochastic optimization approach and the effect of considering different levels of risk aversion.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Operations Research - Volume 96, August 2018, Pages 200-212
نویسندگان
, , , ,