Multi-time-scale collaborative optimization strategy of source-grid-load-storage flexibility resources for new energy consumption
Notice bibliographique
Résumé
With the increasing integration of new energy sources into the power system, their inherent volatility and intermittency have exacerbated the challenges of energy consumption. This study examines source-grid-load-storage systems that incorporate adjustable loads and decentralized energy storage, including distributed new energy, power grids, air conditioners, and electric vehicles. A multi-time-scale collaborative optimization strategy is proposed to enhance the capacity for new energy consumption. The article investigates the response characteristics and consumption potential of flexible resources across different time scales, namely, monthly, day-ahead, and intraday, and develops a multi-objective optimization model aimed at maximizing new energy consumption while minimizing system operating costs. Corresponding collaborative consumption strategies are formulated for each time scale. Specifically, a multi-time-scale source-grid-load-storage collaborative framework that accounts for the flexibility of demand-side management is initially established. Subsequently, a rolling adjustment method based on multi-objective optimization is proposed for monthly, day-ahead, and intraday operations. Finally, the detailed modeling and collaborative utilization of adjustable loads and decentralized energy storage are achieved. Simulation results demonstrate that the proposed strategy reduces the system’s wind and solar curtailment rate to below 3.5%, decreases operating costs by 12.7%, and significantly improves the system’s economic performance and new energy utilization efficiency.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».