赋予聚合商实用的数据驱动工具：利用聚合与分解灵活性进行需求响应
系统与控制
2025-01-13 v4 机器学习
系统与控制
摘要
本研究探讨了聚合商与建筑 occupants 在通过需求响应（DR）程序激活灵活性方面的互动，重点关注在考虑可再生能源（RES）不确定性的情况下增强能源系统的韧性。首先，它介绍了一种在数据有限的环境中优化聚合灵活性提供策略的方法，利用离散傅里叶变换（DFT）和聚类技术来识别建筑 occupants 的活动模式。其次，本研究评估了在DR事件期间暖通空调（HVAC）系统的分解灵活性提供，采用机器学习和优化技术进行精确的设备级分析。第一种方法为聚合商在整栋建筑能耗仅有一个智能电表的环境中提供灵活性服务提供了一条非侵入式路径，而第二种方法通过仔细考虑建筑 occupants 的热舒适度曲线，在HVAC系统有专用计量设备的情况下最大化灵活性量。通过应用数据驱动技术并涵盖工业与住宅建筑的案例研究，本文不仅揭示了聚合商在平衡市场和新兴灵活性市场中的关键机遇，还成功开发并展示了面向聚合商的端到端实用工具。
引用
@article{arxiv.2401.10726,
title = {Empowering Aggregators with Practical Data-Driven Tools: Harnessing Aggregated and Disaggregated Flexibility for Demand Response},
author = {Costas Mylonas and Donata Boric and Leila Luttenberger Maric and Alexandros Tsitsanis and Eleftheria Petrianou and Magda Foti},
journal= {arXiv preprint arXiv:2401.10726},
year = {2025}
}