Optimization of Aggregate Capacity of PEVs for Frequency Regulation Service in Day-Ahead Market
Notice bibliographique
Résumé
An aggregator can coordinate plug-in electric vehicles (PEVs) to provide frequency regulation service to an independent system operator (ISO). The aggregator can participate in the electricity markets of ISOs which provide economic incentives for PEV frequency regulation service. While the ISOs typically use forward market [e.g., day-ahead market (DAM)] to trade frequency regulation service, the available regulation capacity of an aggregator is subject to the random arrival and departure of the PEVs. In the DAM, the aggregator submits a bid to indicate its available capacity on the next day. This motivates us to study the problem of how an aggregator determines its bid in the DAM, given the uncertainty of the available regulation capacity of the PEVs. The DAM is used to trade the frequency regulation capacity in California ISO (CAISO) and New York ISO (NYISO). We consider two types of DAMs based on the market rules of CAISO and NYISO. For the first type, the exact amount of regulation capacity submitted in the DAM needs to be fulfilled on the next day. For the second type, a market participant can settle a shortage of capacity by paying a penalty to the ISO. In both cases, the aggregator can participate in the real-time market to sell extra capacity on the next day. We formulate the problem for determining the bid using stochastic programming. As PEVs have uncertain arrival and departure times, our problem formulation incorporates risk management using the conditional value at risk. Efficient algorithms are proposed for solving the formulated problem. PEV charging data collected in Vancouver, BC, Canada, is used in our simulations. We compare the profit of the aggregator when it participates in the markets of CAISO and NYISO. Our simulation results show that the uncertainty of the PEVs' available capacity has less effect on the profit and financial risk as the number of PEVs increases.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».