Virtual power plant formation strategy based on Stackelberg game: A three-step data-driven voltage regulation coordination scheme
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Rising electricity demand and the swift integration of Distributed Energy Resources (DERs) highlight the imperative for effective voltage regulation (VR) strategies to mitigate voltage violations. Conventional VR methods, plagued by significant operational expenses and slow response times, are increasingly focused on harnessing prosumer flexibility. However, this strategy faces challenges, including uncertainties in VR calculations, designing VR coordination signals, and managing and monitoring prosumer actions. This paper introduces a novel three-step VR coordination scheme to tackle these issues. The first step utilizes a Data-driven Distributionally Robust Optimization (DDRO) algorithm with a Wasserstein metric ambiguity set to calculate the required active and reactive power adjustments for VR. The second step involves generating and disseminating price-based coordination signals via a clustering algorithm, reducing signal complexity. The final step proposes using Virtual Power Plants (VPPs) to aggregate smaller prosumers for VR, applying a bi-level Stackelberg game to account for the impact of distributed coordination signals on VPP member selection. Tested on the IEEE 33-bus system, this framework significantly lowers the computational load by approximately 35 % and cuts VR costs by 5.7 % compared to existing methods. • Voltage regulation framework for DSO-VPP collaboration. • Wasserstein-based distributionally robust uncertainty modeling. • VPP aggregation strategy based on bi-level Stackelberg game. • New distributed price-based voltage regulation coordination signal. • Accuracy and fast coordination of distributed energy resources.
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.
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 | 0,001 |
| 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 découle