Research on fuzzy logic-based virtual power plant market trading model under decentralized trading mechanism
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
With the promulgation of relevant policies, virtual power plant market transactions are facing major adjustments, in order to promote the smooth entry of virtual power plants into market-oriented transactions and improve the economic benefits of virtual power plants, this paper proposes a virtual power plant market transaction model.The traditional virtual power plant resources are mathematically modeled, blockchain technology is introduced to build a decentralized trading framework, and fuzzy neural networks are combined to predict the power load of the virtual power plant.Then the decision-making model of virtual power plant participation in spot market trading is constructed by using two-stage stochastic planning theory with the goal of maximizing expected return.The results show that the prediction effect of the fuzzy logic-based virtual power plant market trading model is 2.925% higher than that of the traditional BP algorithm model, and its accuracy and stability are significantly improved.In addition, the distributed energy storage aggregated by the virtual power plant as well as the dynamic demand response rate is fast, the regulation is flexible, the short-time power throughput capability is strong, and it can accurately track the FM instructions.The cumulative FM capacity and FM mileage provided by the virtual power plant account for 84% and 99% of the total FM capacity demand in the system, respectively, making it highly competitive in the FM market.And under the premise of balancing riskiness and profitability, the bidding scheme of virtual power plant derived in this paper is more effective.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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