由于低压电网中可再生能源的使用率较高,点对点 (P2P) 能源交易市场在当地应运而生。近年来,P2P 能源交易系统越来越受欢迎,允许住宅和工业类型的消费者相互交易电力。由于通信技术的多项发展以及太阳能和风能等可再生能源的日益普及,P2P 能源交易已变得可行。在这个市场中,消费者更有兴趣与他人分享他们的多余能源,以进入新市场并增加利润。P2P 能源交易有两种方法。集中式方法涉及管理交易平台的第三方实体(通常是网络运营商)。这种方法提供了一种可靠的选择,但可能存在某些缺点,例如隐私有限。相比之下,分散式方法使消费者能够直接相互交易他们的剩余能源,而无需集中式机构的干预。这种方法赋予参与者更大的灵活性并保护他们的隐私。本文使用交替方向乘数法 (ADMM) 算法,提出了一种完全分散的本地 P2P 能源交易市场方法。本文还考虑了压缩空气储能 (CAES) 技术来提高灵活性并减少峰值需求。接下来,对配电网络中的本地社区进行了数值研究。模拟结果展示了 P2P 市场如何帮助客户在本地社区管理能源。
摘要——我们提出了一种新颖的数据驱动方法来加速交替方向乘数法 (ADMM) 的收敛,该方法用于解决分布式直流最优潮流 (DC-OPF),其中线路由独立的网络分区共享。利用对给定系统在不同负载下 ADMM 轨迹的先前观察,该方法训练循环神经网络 (RNN) 来预测对偶变量和共识变量的收敛值。给定系统负载的新实现,将少量初始 ADMM 迭代作为输入来推断收敛值并将其直接注入迭代中。我们通过经验证明,对于不同负载场景下的分区 14、118 和 2848 节点测试系统,将这些值在线注入 ADMM 迭代中可显著加快收敛速度。所提出的方法有几个优点:它保持了共识 ADMM 固有的私有决策变量的安全性;推理速度很快,因此可以在在线设置中使用; RNN 生成的预测可以显著缩短收敛时间,但从构造上讲,它永远不会导致不可行的 ADMM 子问题;它可以轻松集成到现有的软件实现中。虽然我们在本文中重点介绍分布式 DC-OPF 的 ADMM 公式,但所提出的想法自然会扩展到其他分布式优化问题。索引术语 — 直流最优功率流、递归神经网络、交替方向乘数法、机器学习、数据驱动优化
摘要 由于航空业的快速发展,全球商用飞机和私人飞机的增长速度比以往任何时候都要快得多。对于每架飞机,在着陆后,需要进行维护服务和适航检查,然后才能再次起飞。一般来说,这些服务和检查是在机场的飞机维修服务提供商管理的机库中进行的。然而,由于机场空间有限,机库的规模通常较小,被视为关键的稀缺资源之一。因此,本研究的主要目标是通过放置更多飞机来优化机库的空间利用率,这意味着收入最大化。事实上,这个问题很有挑战性,因为考虑到机库的特殊形状、有限的空间、各种尺寸的飞机、频繁的进出操作等,问题的复杂性。所提出的模型考虑了所有实际和操作约束,例如必须放置飞机的方向。在这方面,本研究提出了一种基于遗传算法 (GA) 的新型方法来优化机库的空间利用率。此外,本研究开发了第一个由七个参数组成的二维几何飞机模型,其中有一个中心线来定义飞机的中心坐标。基于这项研究,开发了一种用于飞机放置问题的新型遗传算法。一家飞机服务公司的实例已用于测试所提出的方法。机库的性能得到了显著改善。
摘要 - 为了有效地参与住宅需求侧资源并确保分配网络的有效运行,我们必须克服按大规模控制和协调住宅组件和设备的挑战。为了克服这一挑战,我们提出了一种分布式可扩展的算法,该算法具有三级层次信息交换体系结构,用于管理住宅需求响应计划。首先,制定了集中优化模型,以最大程度地提高社区社会福利。然后,通过将原始问题分解为公用事业级别和房屋级别的问题,以分布式的方式以分布式的方式解决了这种集中式模型。不同层之间的信息交换仅限于主要剩余(即供需不匹配),拉格朗日乘数以及每个房屋的总负载,以保护每个客户的隐私。模拟研究是在IEEE 33总线测试系统上与605个住宅客户进行的。结果表明,所提出的方法可以节省客户的电费并减少公用事业级别的峰值负载,而不会影响客户的舒适性和隐私。最后,对分布式和集中算法的定量比较显示了拟议的基于ADMM的方法的可伸缩性优势,并为未来的研究工作提供了基准测试结果。
近年来,随着通信和智能设备技术的进步,许多聚合器应运而生,以促进客户参与需求响应 (DR)。配备定制最优控制的聚合器可以在 DR 事件期间提供负载调度服务:遵循公用事业提供的负载信号,同时最大限度地减少客户的整体不适。然而,随着聚合器数量的增加,公用事业公司为每个聚合器生成参考信号变得越来越具有挑战性,尤其是考虑到聚合器的控制算法是专有的。所提出的工作有助于以分布式方式协调多个聚合器以实现负载调度,同时保护聚合器的隐私。
