A distributed VPP-integrated co-optimization framework for energy scheduling, frequency regulation, and voltage support using data-driven distributionally robust optimization with Wasserstein metric
Notice bibliographique
Résumé
With deepening decarbonization and increased Renewable Energy Sources (RESs) integration, the power system's inertia has declined, affecting the network's ability to balance power at the distribution level. Concurrently, the proliferation of prosumers presents a regulatory opportunity for Distribution System Operators (DSOs), despite the complexity introduced by their high number and varied behaviors. This paper introduces a new co-scheduling model optimizing prosumers' capacities through Virtual Power Plants (VPPs) in local networks, enhancing DSO oversight and facilitating prosumer participation in regulation markets. The proposed model concurrently schedules energy provision alongside voltage and frequency regulation capacities. Recognizing prosumers' behavioral uncertainties, Data-Driven Distributionally Robust Optimization (DDRO) is employed to ensure adequate capacity for VPP engagement. Importantly, the paper outlines a mechanism allowing DSOs to partner with multiple privately-owned VPPs, ensuring privacy through an adaptive Alternative Direction Method of Multipliers (ADMM) method. This method avoids the exchange of sensitive information, ensuring confidentiality and scalability. Consequently, VPPs can proficiently manage scheduling and communicate their regulation capacities. The operator then dispatches control signals based on regulation needs and network flow. Results from the IEEE 33 bus test system confirm the model's efficacy in enhancing voltage support and frequency regulation, and generating revenue for both VPPs and prosumers. © 2023
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».