不确定与非凸负荷模型下聚合灵活性的数据驱动建模
系统与控制
2022-01-31 v1 系统与控制
摘要
通过负荷聚合商捆绑大量分布式能源已被倡导为将此类资源接入批发能源市场的有效手段。为简化市场出清，系统运营商允许聚合商提交预指定多胞形形状的简单投标模型。聚合商需要仔细设计并承诺一个能最佳捕捉其沿日前调度时域能源灵活性的多胞形。本工作提出一种模型知情、基于数据的最优灵活性设计方法，用于处理个体负荷的时耦、不确定且非凸的模型。所提方案首先高效生成 (非) 可解聚调度计划的带标签数据集。随后通过使用带标签数据集训练凸二次分类器，将聚合商可行集近似为椭球。该椭球进而被内近似为一个多胞形。利用 Farkas 引理，所得多胞形最终被市场规定的多胞形形状内近似。数值测试显示了所提灵活性设计框架在设计中、小型聚合商协调太阳能光伏、温控负荷、电池和电动汽车可行集的有效性。测试进一步表明，聚合商在最优灵活性设计中考虑时耦与不确定性至关重要。
引用
@article{arxiv.2201.11952,
title = {Data-Driven Modeling of Aggregate Flexibility under Uncertain and Non-Convex Load Models},
author = {Sina Taheri and Vassilis Kekatos and Harsha Veeramachaneni and Baosen Zhang},
journal= {arXiv preprint arXiv:2201.11952},
year = {2022}
}