.png){kind=icon}
返回
Dispatch Deviation Reduction-oriented Virtual Power Plant Aggregation
.png){kind=icon}
PRE
AI
DOI：10.1109/tsg.2026.3742828.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
将大量分布式能源聚合为虚拟电厂已被鼓励参与输电网级运行。这需要表征虚拟电厂功率传输的可行集。主要研究集中在可行集的更好几何近似上。然而，更好的几何精度并不一定意味着更小的调度偏差。因此，本文创新性地提出了一种以调度偏差减小为导向的虚拟电厂聚合方法，该方法包含两个交互式评估和更新模块。评估模块基于集中式输配协调问题构建混合整数线性规划问题，以量化由于虚拟电厂聚合引起的最坏情况调度偏差。此外，更新模块采用Danskin定理和基于扰动的灵敏度分析计算梯度，以更新近似集参数，从而减小偏差。为确保在不同负荷场景下日常运行中的计算效率，将基于深度神经网络的方法整合到两个模块中，使得模块计算可以被从负荷场景到近似集参数的端到端映射所替代，该映射用于减小调度偏差。所提出的方法通过一个9节点和IEEE 136节点测试系统的数值实验进行了验证。
Keyword:
Virtual power plants
distributed energy resources
dispatch deviation
aggregation
deep neural networks
期刊
IF:
9.8
论文数:
5.9K
被引数:
4.3W
机构
引用论文
暂无论文信息