基于不完美信息的煤矿虚拟电厂可行区域学习
系统与控制
2025-03-04 v1 系统与控制
摘要
工业虚拟电厂（VPP）中的可行区域评估（FRA）由激活大规模潜在工业负荷以实现需求响应的需求驱动，因此将这些灵活资源聚合用于峰值调节至关重要。然而，设备数量庞大以及煤矿中隐私保护的需要，使得将这些资源准确聚合为一个 cohesive coal mine VPP 面临挑战。本文提出了一种高效可靠的数据驱动方法，用于在不完美信息条件下进行煤矿VPP的FRA。我们的数据驱动FRA算法基于历史能源调度数据近似设备和FRA参数，有效应对不完美信息的挑战。仿真结果表明，我们的方法在动态和不完美信息条件下近似了准确的可行运行边界。
引用
@article{arxiv.2503.00701,
title = {Learning for Feasible Region on Coal Mine Virtual Power Plants with Imperfect Information},
author = {Hongxu Huang and Ruike Lyu and Cheng Feng and Haiwang Zhong and H. B. Gooi and Bo Li and Rui Liang},
journal= {arXiv preprint arXiv:2503.00701},
year = {2025}
}
备注
This paper is accepted for 2025 IEEE PES General Meeting