分布式系统中基于网络约束的需求响应定价的在线学习
摘要：柔性需求响应（DR）资源可用于适应分布式能源资源的随机性。本文开发了一种在线学习方法，该方法持续估计住宅DR参与者的价格敏感性，并向DR参与者产生这样的价格信号，以确保所需的DR容量水平。所提出的学习方法将DR资源的调度决策纳入分布鲁棒的机会约束最优功率流（OPF）框架中。该集成被证明有效地补偿DR资源并共同优化DR和常规发电资源的调度。分布鲁棒的机会约束形式仅依赖于随时间获取的经验数据，并对需求不确定性的基础分布不作限制性假设。分布的鲁棒性还可使最优解对系统化地估计经验学习参数的误差具有鲁棒性。通过数值实验验证了所提出学习方法的有效性。该论文附带有代码和数据补充材料，供公众使用，详见[27]。
作者：Robert Mieth and Yury Dvorkin
论文ID：1811.09384
分类：Systems and Control
分类简称：cs.SY
提交时间：2020-04-28