Optimal Storage and Solar Capacity of a Residential Household under Net Metering and Time-of-Use Pricing
激励计划和持续的成本降低正在推动太阳能光伏电池板和存储系统在住宅家庭中的联合安装。有必要作出最佳投资决策,以进一步降低家庭的用电成本。在本文中,我们首先开发的存储投资决策的解析表达式,然后太阳能投资决策的家庭,这是净计量计费机制下的使用时间定价条件。我们使用美国德克萨斯州奥斯汀市一个居民家庭的真实数据,研究了投资决策如何提供为期一年的收益。结果显示,当使用存储设备和太阳能电池板最佳的系统显着的利润。值得注意的是,尽管我们的方法可以显著帮助做出投资决策,但对于需要在存储和太阳能系统上进行最佳投资的人来说,该解决方案仍然是次优的。
2022-12-30 cs.SY eess.SY
Impacts of Time-of-Use Rate Changes on the Electricity Bills of Commercial Consumers
电力批发市场价格状况的变化促使公用事业重新设计其费率,调整其使用时间,以确保更充分地收回成本。然而,改变费率结构可能会对商业消费者产生不利影响,增加他们的电费,并阻碍他们使用净能源计量等技术降低成本的能力。随着使用时间的调整,消费者将需要依靠分布式能源的灵活性来降低成本。本文探讨了太平洋天然气和电力公司的重新设计的费率对不同需求的消费者的电费的影响。进行敏感度分析,以研究资产规模对降低每种电价下成本的影响。
2021-05-15 cs.SY eess.SY
Peer-to-Peer Sharing of Energy Storage Systems under Net Metering and Time-of-Use Pricing
共享经济已成为交通和住房领域的社会经济趋势。它开发利用未充分利用资源的商业模式。与这些行业一样,电网也变得越来越智能,拥有许多灵活的资源,研究人员正在研究共享资源的影响,这有助于降低成本和提取价值。在这项工作中,我们研究了在合作的方式在各个家庭之间共享的能量存储设备。利用联盟博弈理论对电力公司实施分时电价和净计量计费机制的情景进行了建模。由此产生的游戏有一个非空的核心,我们可以开发一个易于计算的解析公式的成本分配机制。分配对每个家庭都是公平和符合成本效益的。我们设计了对等网络(P2P)的价格和共享算法,使大联盟始终稳定。因此,在消费者之间共享存储设备的电力在这种设置中可以是有效的。我们的机制是在德克萨斯州的一个社区的80户家庭使用的需求和太阳辐照度的真实数据,结果表明,我们的方法显着节省成本。
2022-10-01 cs.GT cs.SY eess.SY
Development of a Power Quality Based Digital Energy Meter Educational Platform
本文针对PMU成本高、难以在配电网和教育场景普及的问题,提出利用电能计量IC在智能电表中实现PMU基本功能,并开发了一个兼具监测控制与教育用途的概念验证平台。
2023-05-29 cs.SY eess.SY
New insights for setting up contractual options for demand side flexibility
本文利用需求模式的使用期限作为处理需求侧灵活性的关键概念。从在电力消费者的供应点处不使用细粒度能量计量的考虑出发,即,所测量的能量的粒度(在15分钟、30分钟或1小时的时间步长处),基于事件的能量计量(EDM)被指示为提供需求模式的非常详细的重构的可行选项。EDM的使用使得能够高质量地跟踪需求峰值,并且相对于在常规时间步长测量能量以达到类似峰值跟踪能力所需的数据而言,数据的数量减少。从EDM的结果,一类新的选项,建立关税或合同的灵活性,根据需求持续时间曲线,设想。
2019-09-04 cs.SY eess.SY
Simulation to Scaled City: Zero-Shot Policy Transfer for Traffic Control via Autonomous Vehicles
University of California, Berkeley(加州大学伯克利分校);University of Delaware(德克萨斯大学)
本文通过深度强化学习训练自动驾驶车辆在环形交叉口的控制策略,并将训练好的策略迁移至缩放智能城市进行测试,发现注入噪声的策略在迁移后表现更佳,实现了交通流的优化。
2019-02-22 cs.AI cs.RO cs.SY
A Bayesian Perspective on Residential Demand Response Using Smart Meter Data
University of California, Berkeley(加州大学伯克利分校)
本文通过引入隐变量区分用户用电行为类型,提升短期负荷预测精度,并发现使用智能家电的用户在需求响应中减少用电量更显著。
2016-08-12 cs.SY eess.SY
Economic Impact Assessment of Denial-of-Service and Time-Delay Attacks on Advanced Metering Infrastructure
Wentworth Institute of Technology(温特沃斯理工学院);University of Massachusetts Boston(马萨诸塞大学波士顿分校)
本文通过Mininet仿真结合DNP3协议模型,评估DoS和TDA对AMI通信的影响,发现攻击会降低网络性能、增加通信不可用率,还会导致能源需求估算不确定性,在10000台智能电表的区域部署下可造成每日最高5097美元的经济损失。
2026-08-11 cs.CR cs.SY eess.SY
Privacy-Preserving Power Flow Analysis via Secure Multi-Party Computation
本文针对智能电网中智能电表数据的隐私泄露问题,提出基于安全多方计算的潮流分析方法,通过SMPC实现牛顿法在加密产消者数据上的潮流计算,并在通用可组合框架下验证安全性,实验表明该方法在特定场景下可有效缓解隐私问题。
2024-11-21 cs.CR cs.SY eess.SY
Multi-timescale Trading Strategy for Renewable Power to Ammonia Virtual Power Plant in the Electricity, Hydrogen, and Ammonia Markets
可再生能源制氨(RePtA)是一种重要的零碳脱碳途径。由于可再生能源和生产能源需求之间的不平衡,RePtA系统依赖于与电网的电力交换。作为虚拟电厂参与电力市场可能有助于降低能源成本。然而,当地光伏发电和风力涡轮机的功率分布与市场上的类似,导致传统战略下的能源成本上升。因此,我们为RePtA VPP在电力,氢气和氨市场中制定了多时间尺度的交易策略。通过利用氢气和氨缓冲系统,RePtA VPP可以最佳地协调生产计划。此外,我们发现有可能在一个统一的框架中描述电力,氨和氢的交易。将电力市场两阶段鲁棒优化模型推广到多市场,并采用列约束生成(CC &G)算法进行求解。案例来源于内蒙古自治区的一个实际项目。敏感性分析表明,加入多个市场的RePtA VPP比传统的战略的经济优势,并揭示了氢和氨缓冲和反应器的灵活性的必要性。
2023-02-18 cs.SY eess.SY
An application of reinforcement learning to residential energy storage under real-time pricing
随着高级计量基础设施(AMI)的普及,电力公司和消费者可以获得更多的实时数据。如此大量的数据促进了超越统一费率和分时电价的创新电价结构。其中一项创新是实时定价(RTP),即批发市场清算价格按小时直接传递给消费者。虽然很少见,但RTP在美国部分地区存在,并被观察到可以减少电费。虽然这些减少在很大程度上是偶然的,RTP可能代表一个机会,大规模调峰,需求响应,和经济效率时,与智能控制系统配对。控制灵活的负载和能量存储的算法已经部署在文献中的其他地方的需求响应,但很少有研究调查这些算法在RTP环境中。如果适当优化,RTP和智能控制之间的动态有可能抵消分布式可再生能源发电和电动汽车(EV)日益增长的渗透所驱动的不受欢迎的需求高峰和低谷。本文提出了一种简单的强化学习(RL)应用程序的RTP信号的最佳电池控制。
2021-11-22 cs.SY eess.SY
Development of Microcontroller Based Smart Grid Framework
智能电网技术已被公认为是解决下一代高效节能电力系统以缓解能源危机的一个有前途的解决方案。智能电网提供高度一致和可靠的服务、高效的能源管理实践、智能计量集成、自动化和精确的决策支持系统以及自我修复设施。智能电网引入了传感、监测和控制系统,通过实时定价随时为最终用户提供能源成本。传统的电力系统操作不控制负载,除非在紧急情况下,当一部分负载可以根据需要被丢弃以平衡电网发电与其负载时。此外,智能电网提供了使用可再生能源的平台,作为防止互联电网完全停电的保障。在这项工作中,所有涉及的概念,智能电网机制是实现与PIC 18F452微控制器和其他补充组件。具有存储容量的太阳能组件连接到所提出的系统,以最大限度地减少电网能耗,并发挥一次能源的最大限度地利用绿色能源。这种智能设备可以固有地减少高峰时段的电能消耗,并允许消费者使用双向技术将电力售回电网。本文还讨论了有关技术和用户作用的障碍、挑战、好处和未来趋势。
2021-11-21 cs.SY eess.SY
Parallel Statistical Model Checking for Safety Verification in Smart Grids
通过使用部署在用户场所的小型计算设备,自主需求响应(ADR)使用户的电力消耗适应给定的时间依赖性电价。这使得最终用户可以节省电费,配电系统运营商可以通过避免需求高峰来优化(通过适当的时间依赖性电价)电网管理。不幸的是,即使有ADR,用户的功耗也可能偏离预期的(最小成本)功耗,例如,因为ADR设备不能正确地预测用户房屋处的能量需求。结果,聚合的电力需求可能呈现不期望的峰值。在本文中,我们解决这样的问题,提出的方法和软件工具(APD分析仪)实现它们,使配电系统运营商有效地验证,即使最终用户偏离他们的预期行为时,一个给定的时间依赖性电价达到预期的目标。我们通过一个现实的情况下,从中压丹麦配电网所提出的方法的可行性。
2021-06-20 cs.DC cs.SY eess.SY
Dynamic Pricing and Fleet Management for Electric Autonomous Mobility on Demand Systems
乘车共享系统的普及是自动驾驶和电动汽车技术进步的主要驱动力。本文考虑了联合路由,电池充电和定价问题所面临的利润最大化的运输服务提供商,经营一个车队的自动电动汽车。我们首先建立静态规划问题,考虑时不变的系统参数,并确定最优的静态策略。虽然静态策略提供了稳定的客户队列等待游乐设施,即使考虑系统动态,我们看到,它是低效的,利用静态策略,因为它可以导致客户等待时间长,利润低。为了适应出行需求、可再生能源可用性和电价的随机性,并在需要生成整数分配的情况下进一步优化管理自主车队,需要实时策略。基于系统完整状态信息执行动作的最优实时策略是复杂动态规划的解。然而,我们认为使用精确动态规划方法精确求解最优策略是很困难的,因此应用深度强化学习来开发接近最优的控制策略。我们在曼哈顿和旧金山进行的两个案例研究证明了我们的实时策略在网络稳定性和利润方面的有效性,同时保持队列长度比静态策略少200倍。
2020-10-01 cs.SY eess.SY
Cost-optimal Fleet Management Strategies for Solar-electric Autonomous Mobility-on-Demand Systems
本文针对太阳能电动自主按需出行系统,提出基于有向无环图和混合整数线性规划的车队管理优化框架,并通过黄金海岸案例证明其可降低10-15%运营成本,且大电池容量车辆在V2G操作中能进一步降低成本甚至盈利。
2023-05-30 cs.SY eess.SY
Large-Scale Demonstration of Precise Demand Response Provided by Residential Heating Systems
Swiss Federal Institute of Technology, Zurich(苏黎世联邦理工学院);IBM Research–Zurich(IBM苏黎世研究实验室)
本文通过300多栋安装热泵的住宅建筑,展示如何利用能耗数据和室外温度数据自主识别系统灵活性,并量化群体需求响应潜力,通过负载削减和反弹阻尼实验验证方法有效性。
2018-06-20 cs.SY eess.SY
On the interaction between Autonomous Mobility-on-Demand systems and the power network: models and coordination algorithms
Stanford University(斯坦福大学);University of California, Santa Barbara(加州大学圣巴巴拉分校)
本文研究了自主出行-on-demand系统与电力网络的相互作用,提出了一种模型来捕捉两者之间的耦合关系,并通过联合优化算法协调两个系统。
2019-06-08 cs.MA cs.RO cs.SY
Event-Triggered Regulation of Mixed-Autonomy Traffic Under Varying Traffic Conditions
针对由人类驾驶车辆与自动驾驶车辆组成的混合自主交通系统,本文基于扩展ARZ模型提出带观测器的事件触发匝道控制框架,可在低控制更新成本下稳定交通流、缓解拥堵。
2025-11-17 cs.SY eess.SY
Combined Stochastic and Robust Optimization for Electric Autonomous Mobility-on-Demand with Nested Benders Decomposition
Chalmers University of Technology(查尔姆斯理工大学)
本文提出结合随机与鲁棒优化的MPC框架,利用时空贝叶斯神经网络预测与多阶段随机优化模型,通过嵌套Benders分解实现高效求解,降低乘客等待时间和能耗成本。
2026-04-13 cs.SY eess.SY
Joint Optimization of Autonomous Electric Vehicle Fleet Operations and Charging Station Siting
Stanford University(斯坦福大学)
本文提出联合优化自动驾驶电动车队运营与充电站选址的线性规划,以最小化总成本,案例研究表明小型高能效电动车最具成本效益,且最优选址更分散,可降低总成本、空驶和峰值负荷达10%。
2021-07-21 cs.MA cs.RO cs.SY
Electrical peak demand forecasting- A review
University of Essex(埃塞克斯大学);Durham University(杜伦大学);University College Cork(科克大学学院)
电力系统正在经历快速发展,先进的计量基础设施和本地能源应用(如电动汽车)的推出以及间歇性可再生能源在输配电层面的渗透率不断提高,这使得高峰负荷需求具有更强的随机性和更低的可预测性,因此对电网安全构成威胁。由于储存大量电力以满足负荷需求既不经济也不环保,因此有效的高峰需求管理策略和可靠的高峰负荷预测方法对于优化电力系统运行至关重要。为此,本文提供了一个及时和全面的综述文献中的高峰负荷需求预测方法。据我们所知,这是第一次对这一主题进行全面审查。本文首先给出了高峰负荷需求预测问题的精确而统一的定义。其次,对139篇关于高峰负荷预测方法的文献进行了系统的回顾,按照时间轴的不同,对高峰负荷预测方法进行了分类。再次,对各种高峰负荷预测方法进行了比较分析,并对提高预测性能的优化方法进行了探讨。论文最后对所评论的论文进行了全面总结,并讨论了未来潜在的研究方向。
2021-08-03 cs.AI cs.LG cs.SY
Open Datasets for Grid Modeling and Visualization: An Alberta Power Network Case
本文以阿尔伯塔电网为例,提出从开放公共数据集中恢复电网拓扑和线路潮流方向的优化方法,实现发电与需求交互的高效分析与可视化,为清洁能源转型提供开源、可推广的建模与决策支持。
2025-04-10 cs.HC cs.SY eess.SP
Physics-inspired machine learning for power grid frequency modelling
电力系统的运行受到各种技术、经济和社会因素的影响。社会行为决定负荷模式,电力市场调节发电,依赖天气的可再生能源引起电力波动。因此,电力系统动力学必须被视为一个非自治系统,其参数随时间强烈变化。然而,外部驱动因素通常只能在粗略的尺度上获得,并且动态系统参数的实际依赖性通常是未知的。在这里,我们提出了一个受物理启发的机器学习模型,该模型弥合了电力系统的大规模驱动和短期动态之间的差距。结合随机微分方程和人工神经网络,我们构建了一个概率模型的电网频率动态在欧洲大陆。其概率预测优于每日平均曲线,这是一个重要的基准。使用集成模型,我们从数据中识别并解释了动力系统的参数,这揭示了它们的强时间依赖性及其与风力发电和快速发电斜坡等外部驱动因素的关系。最后,我们从模型中生成合成时间序列,成功地再现了电网频率的中心特征,如它们的重尾分布。总而言之,我们的工作强调建模电力系统动态作为一个随机的非自治系统的内在动态和外部驱动器的重要性。
2022-11-02 cs.SY eess.SY physics.data-an