Integrating Net Benefits Test for Demand Response Into Optimal Power Flow Formulation
Notice bibliographique
Résumé
In 2011, the Federal Energy Regulatory Commission (FERC) mandated that demand response (DR) procurement pass a net benefits test (NBT) in Order 745 to ensure that the benefits outweighed the costs. Without NBT, DR procurement could result in losses to consumers considering payments for energy and DR services. Current NBT implementations are monthly. However, this neglects to consider two important issues: (a) generator supply curve and demand changes on an hourly basis thus altering the maximum DR quantity that can be dispatched considering NBT; and (b) system-wide implementations don't consider locational marginal prices, line flow limits, and network congestion. Both of these issues can severely distort proper implementation of the NBT. However, FERC allowed the NBT be applied monthly and system-wide in recognition of computational difficulties and lack of methods, and FERC called for research in real-time implementations of NBT. Our work responds to this call. To address these two shortcomings, we propose a new optimal power flow (OPF) formulation in which NBT is implemented into a real-time or near real-time dispatch OPF model and considers the network model in its entirety. Our proposed methodology is applied to a 4-bus test system, a 118-bus modified IEEE system, and a real Ontario system. We demonstrate that the embedding of NBT into real-time OPF formulation yields maximum benefits to remaining consumers when compared to conventional DR formulations.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».