MétaCan
Menu
Retour à la cohorte
Enregistrement W2730891456 · doi:10.1109/tsg.2017.2723023

A Decentralized Energy Management Framework for Energy Hubs in Dynamic Pricing Markets

2017· article· en· W2730891456 sur OpenAlexaff
Shahab Bahrami, Mohammadreza Toulabi, Saba Ranjbar, Moein Moeini‐Aghtaie, Ali Mohammad Ranjbar

Notice bibliographique

RevueIEEE Transactions on Smart Grid · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueIntegrated Energy Systems Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNash equilibriumComputer scienceEnergy managementMathematical optimizationElectricityEnergy consumptionScheduling (production processes)Game theoryScheduleDynamic pricingPaymentElectricity pricingElectricity marketOperations researchEnergy (signal processing)MicroeconomicsEconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

With increasing the presence of co- and tri-generating units, energy hub operators are encouraged to optimally schedule the available energy resources in an economic way. This scheduling needs to be run in an online manner due to the uncertainties in energy prices and demands. In this paper, the real-time scheduling problem of energy hubs is formulated in a dynamic pricing market. The energy hubs interaction is modeled as an exact potential game to optimize each energy hub's payments to the electricity and gas utilities, as well as the customers' satisfaction from energy consumption. The potential game approach enables us to study the existence and uniqueness of the Nash equilibrium and to design an online distributed algorithm to achieve that equilibrium. Simulations results show that the proposed algorithm can increase the energy hubs' average payoff by 18.8%. Furthermore, energy service companies can improve the technical performance of energy networks by reducing the peak-to-average ratio in the electricity and natural gas by 27% and 7%, respectively. When compared with a centralized approach with the objective of social welfare, the proposed algorithm has a significantly lower running time at the cost of lower social welfare.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,232
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations161
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Smart GridMême sujetIntegrated Energy Systems OptimizationTravaux en français237 207