MétaCan
Menu
Retour à la cohorte
Enregistrement W2991122571 · doi:10.1109/smartgridcomm.2019.8909727

Market Participation of Energy Storage Systems for Frequency Regulation Service: A Bi-level Model

2019· article· en· W2991122571 sur OpenAlexaff
Yanan Sun, Vincent W. S. Wong, Lutz Lampe

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésKarush–Kuhn–Tucker conditionsBiddingMathematical optimizationOperator (biology)RevenueMarket clearingComputer scienceElectric power systemStrong dualityService (business)Linear programmingOptimization problemOperations researchEconomicsEngineeringPower (physics)MicroeconomicsMathematicsFinance

Résumé

récupéré en direct d'OpenAlex

This paper examines the prospect of using the energy storage systems (ESSs) in the distribution network for frequency regulation service under the two-settlement market mechanism. A bi-level problem is formulated to determine the bidding strategy for the ESS which provides regulation service for the system operator in the day-ahead and real-time markets, where the upper-level problem maximizes the ESS' revenue from frequency regulation and the lower-level problem models the system operator's market clearing. The problem is rendered applicable for the ESSs in the distribution network by addressing the power flow constraints. The uncertainty associated with other competitive ESSs and the system frequency deviations are incorporated by using scenarios for possible realizations. The formulated problem is transformed to a mixed-integer linear program by replacing the lower-level problem with the Karush-Kuhn-Tucker (KKT) optimality conditions and tackling the nonconvexity in the objective function based on strong duality. Case studies are carried out on an IEEE 37-bus test feeder by using market data from California Independent System Operator (CAISO). The results demonstrate that the ESS can increase its revenue from frequency regulation by using our proposed method to determine the bidding strategy.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,952
Score d'incertitude au seuil0,315

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,204
Écart entre enseignants0,190 · 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 tête enseignante, 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrogrid Control and OptimizationTravaux en français237 207