Integrated Demand Response Programs in Energy Hubs: A Review of Applications, Classifications, Models and Future Directions
Notice bibliographique
Résumé
In the traditional power system, customers respond to their primary electricity consumption pattern based on price or incentive to take additional advantages. By developing energy hubs (EHs) where electricity, heat, natural gas and other forms of energy are coupled together, all types of energy customers, even the inelastic loads, can participate in the demand response (DR) program. This novel vision has led to the concept of “integrated demand response (IDR)”. IDR programs (IDRPs) in EHs involve coordinating multiple DR activities across different energy systems, such as buildings, industrial complexes and transportation networks. The main purpose of IDR is so that multi-energy users can respond not only by shifting or reducing their energy consumption from the demand side, but also by changing the type of energy consumed in response to the dispatching center. The integration of IDRPs in EHs can help to reduce energy costs, improve grid stability and increase the penetration of renewable energy sources (RES) in the power system. Moreover, by synchronizing DR activities across different energy systems, IDRPs can provide additional benefits, such as improved energy efficiency, reduced greenhouse gas emissions and increased resilience to power outages and other disruptions. In this paper, we provide an overview of the IDRP across EH areas, encompassing different aspects of it. First, the nature behind IDRP and its basic concept is introduced. Then, a categorization of fundamental principles within the IDRP is undertaken. Furthermore, modelling formulation and optimization techniques of IDRP in EHs are conducted. In addition to the IDRP content and model, this article deals with the research performed in this field from different perspectives. Finally, the advantages and prospect challenges of IDRPs are discussed.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».