基于边际可靠性影响重新表述储能容量认证问题
机器学习
2026-01-30 v1 计算与语言
摘要
为提高容量市场的效率，美国许多电力市场正在采用或计划采用边际容量认证改革。本文通过边际可靠性影响（MRI）提供了关于能源储存容量认证的新见解。我们将常用的基于可靠性的储存调度模型重新表述为一个优化问题，使其能够直接从拉格朗日乘子计算 MRI，而不是使用粗暴的扰动分析。分析表明，EUE 是分段线性函数，储存 MRI 在各种系统情景下保持非负属性。我们进一步探讨了合格容量（QC）、储存调度规则以及其他关键因素对储存容量认证的影响，为系统运营商提供了实用见解。此外，我们比较了不同可靠性准则下的储存容量认证，为政策制定者制定未来标准提供了有价值的指导。数值结果来自修改的加州系统，验证了我们的发现并突显了 MRI 基于认证方案下的几个重要现象。
引用
@article{arxiv.2601.22095,
title = {GeoNorm: Unify Pre-Norm and Post-Norm with Geodesic Optimization},
author = {Chuanyang Zheng and Jiankai Sun and Yihang Gao and Chi Wang and Yuehao Wang and Jing Xiong and Liliang Ren and Bo Peng and Qingmei Wang and Xiaoran Shang and Mac Schwager and Anderson Schneider and Yuriy Nevmyvaka and Xiaodong Liu},
journal= {arXiv preprint arXiv:2601.22095},
year = {2026}
}
备注
Tech Report