Distributed Coordination of Deferrable Loads: A Real-time Market with Self-fulfilling Forecasts
对可变可再生能源发电的增加吸收和能源需求的进一步电气化需要有效协调灵活的需求资源，以最有效地利用电力系统资产。灵活的电力负载通常是小的，众多的，异构的，由自私的代理人拥有。考虑到灵活性的多时间性质和所涉及的不确定性，调度它们是一项复杂的任务。本文提出了一种预测中介的实时基于市场的控制方法（F-MBC）的成本最小化协调的不间断时移（即延期）负荷。F-MBC是可扩展的，隐私保护的，并可由具有小计算能力的设备代理使用。此外，F-MBC被证明可以克服同品种器械相互冲突的决策挑战。在一个简化但具有挑战性的案例研究中进行的模拟表明，F-MBC在多个时间步长内产生接近最佳的行为。
2020-06-15 cs.SY eess.SY
Strategic Spatial Load Shifting and Market Efficiency
Laboratory for Information and Decision Systems, MIT（麻省理工学院信息与决策系统实验室）；MIT Energy Initiative, MIT（麻省理工学院能源倡议）；Department of Electrical and Computer Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校电气与计算机工程系）
本文研究了空间负荷转移对批发电力市场的影响，发现分散式负荷转移未必最优，且在DC-OPF运行边界处存在不一致现象，通过73节点测试系统验证了其对系统成本和利润的 redistributive 效果。
2026-07-03 cs.SY eess.SY
Remunerating Space-Time, Load-Shifting Flexibility from Data Centers in Electricity Markets
我们研究了电力市场清算的制定，旨在补偿时空，负载转移的灵活性提供的数据中心（DaCes）。负荷转移灵活性是电网运营商的关键资产，因为他们的目标是整合更大量的间歇性可再生能源并使电网脱碳。我们研究的核心是虚拟链接的概念，它提供了非物理路径，可以被DaCes用来在空间和时间上转移功率负载（通过转移计算负载）。我们使用虚拟链接表明，清算配方对待DaCes作为生产者，同时请求负载，并提供负载转移的灵活性服务。我们的分析还表明，DaCes的报酬提供的负荷转移的灵活性的基础上节点的价格差异（跨空间和时间）。我们还表明，DaCe灵活性有助于缓解时空价格波动，并表明清算公式满足协调市场预期的基本经济属性（例如，提供竞争性均衡，并实现收入充足和成本回收）。提出的概念适用于其他关键的市场参与者，可以提供时空转移的灵活性，如分布式制造设施和存储系统。案例研究来证明这些属性。
2021-08-16 cs.SY eess.SY math.OC
Strategic Data Center Load Shifting: Implications for Market Efficiency and Transmission Value
Laboratory for Information & Decision Systems, MIT（麻省理工学院信息与决策系统实验室）；Department of Electrical & Computer Engineering, UW-Madison（威斯康星大学麦迪逊分校电气与计算机工程系）
本文研究了数据中心负载转移对市场效率和传输价值的影响，发现价格信号可能无法准确反映系统价值，提出了双区模型揭示两种市场失灵现象。
2026-02-18 cs.SY eess.SY
Aggregated demand flexibility prediction of residential thermostatically controlled loads and participation in electricity balance markets
本文提出基于蒙特卡洛模拟与二分法极值搜索的概率方法，预测住宅温控负荷聚合虚拟电池的需求灵活性，并在西班牙平衡市场中验证其参与竞标的有效性。
2024-04-05 cs.SY eess.SY
Efficient and Robust Equilibrium Strategies of Utilities in Day-ahead Market with Load Uncertainty
我们考虑的情况下，$N$公用事业公司战略性地在日前的市场上竞标电力，并在实时市场上平衡承诺供应和实际需求之间的不匹配，考虑需求和当地可再生能源发电的不确定性。我们将公用事业之间的相互作用建模为非合作博弈，每个公用事业的目标是最小化其单位电力成本。我们研究了公用事业公司的最优报价策略，并证明了所有公用事业公司根据（净负荷）预测报价是一个唯一的纯策略纳什均衡，具有两个显著性质。首先，它不会造成效率损失;因此，公用事业之间的竞争不会增加社会成本。其次，它是鲁棒的和（0，$N-1$）故障免疫的。也就是说，非理性效用者的错误行为只会降低其他理性效用者的成本。同时使期望的市场供需不匹配最小化，提高了电力供应链的规划和供需匹配效率。我们证明了相关的预测误差和一般类的实时现货定价模型，捕捉现货价格，前一天的清算价格，和市场水平的不匹配之间的关系的设置下的结果。基于真实世界痕迹的模拟证实了我们的理论发现。我们的研究为市场机制设计提供了新的见解。特别是，我们推导出一组相当普遍的充分条件，市场运营商设计实时定价方案，使公用事业之间的相互作用承认所需的均衡。
2021-09-14 cs.SY eess.SY
Integrated Learning and Optimization to Control Load Demand and Wind Generation for Minimizing Ramping Cost in Real-Time Electricity Market
提出集成学习与优化（ILO）框架，通过最小化特定遗憾函数联合训练神经网络预测负荷与风电，生成最小化实时市场发电机爬坡成本的经济调度决策，优于传统顺序学习优化方法。
2025-10-30 cs.SY eess.SY
A Stackelberg-Bayesian Capacity-Market Game of Carbon Regulation and Second-Life Battery Investment under AI Data-Center Load Growth
University of Michigan–Dearborn（密歇根大学迪尔伯恩分校）
针对AI数据中心负荷增长带来的成本与碳排放问题，构建三级斯塔克尔伯格-贝叶斯博弈模型，量化碳税等政策对SLB储能投资及碳减排的影响。
2026-08-05 cs.SY eess.SY
Data-driven Analysis of Regional Capacity Factors in a Large-Scale Power Market: A Perspective from Market Participants
一个竞争性的电力批发市场是由成千上万个相互作用的市场参与者组成的。在电力市场中，受燃料价格、系统负荷和天气变化的影响，市场参与者之间的竞争非常激烈，行为也各不相同。虽然电力市场趋于更加透明，但市场参与者仍然无法公开获得大量市场信息。因此，基于公共数据的数据驱动分析对于市场参与者更好地理解和建模大规模电力市场，并最终在电力交易中表现更好至关重要。针对以往大规模电力市场的研究大多基于合成网络的情况，提出了一种利用实际电力市场数据的数据驱动方法。首先，从美国能源信息署（EIA）获得发电厂的月度净发电量和容量数据，并汇总以计算月度区域容量因子，用于为市场参与者表征市场的区域行为。在此基础上，结合计量负荷和天然气价格，分析了区域容量因素对发电商行为的影响。分析揭示了区域天然气价格对容量因子的影响以及发电行为对系统负荷的响应。分析结果为市场参与者对未来大规模电力市场的建模和验证提供了坚实的证据和合理的参考。
2019-10-31 cs.SY eess.SY
Competitive Equilibrium for Electricity Markets with Spatially Flexible Loads
Elmore Family School of Electrical and Computer Engineering, Purdue University（普渡大学埃尔莫电气与计算机工程学院）
本文提出广义竞争均衡概念，用于分析电力市场中空间灵活性负荷与电网之间的相互作用及效率问题。
2026-09-10 cs.SY eess.SY
Industrial Load Modeling and Optimization for Market-Based Interaction with Power Systems
Tsinghua University（清华大学）；North China Electric Power University（华北电力大学）；The University of Hong Kong（香港大学）；Zhejiang University（浙江大学）
针对工业负荷参与电力市场化交互的瓶颈，论文开发了含统一建模、隐私保护参数识别、灵活性区域转换及协同优化框架的方法，显著提升了求解效率、降低了交互成本。
2026-08-20 cs.SY eess.SY
Benchmarking Flexible Electric Loads Scheduling Algorithms under Market Price Uncertainty
由于电力系统中间歇性和分布式发电机的数量不断增加，许多需求响应程序已经被开发来调度灵活的能量消耗。然而，缺乏适当的基准比较这些方法，特别是当决策的基础上反复更新的信息。本文提出了一种新的基准测试工具，旨在弥合这一差距。对灵活性规划算法进行分类的调查是定义基准标准的输入。该框架可以用于不同的目标，并在不同的条件下所面临的电力能源利益相关者感兴趣的灵活性调度算法。它包括一个模拟环境，捕捉前瞻性的信息，这使得比较在线规划和调度算法的演变。基准测试工具是用来测试七个规划算法测量其性能在不确定的市场条件下。结果表明，在线决策的重要性，数据质量对算法性能的影响，使用强大的随机规划方法的好处，值得信赖的基准测试的必要性。
2020-02-04 cs.SY eess.SY
Quantifying Space-Time Load Shifting Flexibility in Electricity Markets
电网正在经历重大的重组，这是由于采用了风能/太阳能，并采用了可以在空间和时间上转移负载的新的灵活技术（例如，数据中心、电池存储和模块化制造）。需要负载转移来减轻与风能/太阳能和其他中断（例如，极端天气）。负荷转移对电力市场的影响通常通过敏感性分析来量化，其目的是评估价格波动和总福利方面的影响。这种敏感性方法没有明确量化运营灵活性（例如，可行操作的范围或概率）。在这项工作中，我们提出了一个计算框架，使这一点，具体来说，我们量化的操作灵活性，通过评估多少不确定性净负荷（捕获不确定的电力注入/撤回）可以容忍的系统下不同水平的负荷转移能力。所提出的框架结合了优化配方，量化操作的灵活性与电网模型，捕捉负载转移的形式的虚拟链接（路径，跨时空转移负载）。我们的案例研究表明，增加一个单一的虚拟链路，在空间或时间转移负载可以导致系统范围内的灵活性显着改善，这是因为转移缓解时空拥塞，结果从传输约束和发电机斜升约束。我们的研究结果提供了关于灵活技术的结合如何导致非直观的、系统范围的灵活性增益的见解。
2023-03-17 cs.SY eess.SY math.OC
Load Synchronization and Sustained Oscillations Induced by Transactive Control
University of Michigan（密歇根大学）
本文研究了基于市场的协调策略在控制大量电力负载时导致负载同步和功率振荡的问题，探讨了市场价格变化、用户报价曲线多样性等因素的影响，并通过案例研究提出改进方案。
2017-02-16 cs.ET cs.SY eess.SY
A Benchmarking Case Study for Local Flexibility Markets: Network, Scenarios, and Open Inputs
Electricity Authority of Cyprus（塞浦路斯电力管理局）；Cyprus University of Technology（塞浦路斯理工大学）
本文围绕修改后的CIGRE中压网络构建了一套与方法无关的完整输入集，公开相关数据，为本地灵活性市场的基准测试提供了可公平比较的统一输入基础。
2026-08-04 cs.SY eess.SY
Chance-Constrained Economic Dispatch with Flexible Loads and RES
本文提出一种增强的日前能源市场，通过引入聚合负荷的多维灵活性竞价机制并结合机会约束经济调度问题，有效最小化发电成本并缓解了由可再生能源不确定性引起的节点边际价格波动。
2024-12-24 cs.SY eess.SY
LSTM-based approach to detect cyber attacks on market-based congestion management methods
基于市场的阻塞管理方法采用需求侧管理（DSM）技术来缓解日前市场的阻塞。这些方法对通信层的依赖使其容易受到网络攻击，影响配电网的安全性，可靠性和经济运行。在本文中，我们专注于负载改变攻击，这将损害基于市场的拥塞管理方法的操作。提出了一种使用长短期记忆（LSTM）递归神经网络（RNN）的检测技术。以IEEE 33节点系统为例，验证了所提方法的有效性。获得了97%的准确率，证明了使用LSTM-RNN检测网络中的聚合器的负载改变网络攻击的能力。
2021-09-27 cs.SY eess.SY
Duration-differentiated Energy Services with a Continuum of Loads
University of Southern California（南加州大学）；Pontificia Universidad Catolica de Chile（智利天主教 Pontificia 大学）；University of California, Berkeley（加州大学伯克利分校）
本文研究了持续时间差异化负载的能源服务分配问题，探讨了如何通过灵活的电力供应满足不同持续时间的负载需求，并分析了前向市场与现货市场在捕捉持续时间差异化负载灵活性方面的差异。
2014-08-25 cs.SY eess.SY
Market-based Control of Air-Conditioning Loads with Switching Constraints for Providing Ancillary Services
Shanghai Jiao Tong University（上海交通大学）
本文提出基于市场机制的空调负荷控制方法，用于参与辅助服务，通过改进的投标和清算策略实现切换频率调节并满足锁出时间约束，减少通信和计算成本。
2018-01-07 cs.SY eess.SY math.OC
Data-Driven Modeling of Aggregate Flexibility under Uncertain and Non-Convex Load Models
通过负荷聚合器将大量分布式能源捆绑在一起，被认为是将这些资源整合到批发能源市场的有效手段。为了简化市场清算，系统运营商允许聚合器提交简单的预先指定的多面体形状的投标模型。聚合器需要仔细设计和承诺一个多面体，最好地捕捉他们的能源灵活性沿一天前的调度范围。这项工作提出了一个基于模型的数据的聚合器，它处理的时间耦合，不确定性和非凸模型的个别负载的最佳灵活性设计。所提出的解决方案首先有效地生成一个标记的数据集（非）可分解的时间表。然后，在使用标记的数据集训练凸二次分类器时，通过椭球来近似聚合器的可行集。椭球体随后由多面体内部近似。利用Farkas引理，最后用市场决定的多面体形状对所得到的多面体进行内部逼近。数值试验表明，所提出的灵活性设计框架的有效性，设计可行的套小型和大型聚合器协调太阳能光伏，恒温控制的负载，电池和电动汽车。试验结果进一步表明，在最优柔性设计中，考虑时间耦合和不确定性是聚合器的关键。
2022-01-28 cs.SY eess.SY
A Decentralized Trading Algorithm for an Electricity Market with Generation Uncertainty
The University of British Columbia（不列颠哥伦比亚大学）；Carnegie Mellon University（卡内基梅隆大学）
本文提出一种去中心化能源交易算法，通过拉格朗日松弛技术解决隐私问题，优化负载聚合器成本和发电机利润，同时降低可再生能源短缺风险。
2017-05-07 cs.SY eess.SY
A Linear Pricing Mechanism for Load Management in Day-Ahead Retail Energy Markets
本文提出一种日前零售电力市场的线性定价机制，通过广播线性价格信号引导客户负荷，缓解过度消耗并实现拥堵管理，无需双向通信或投标程序。
2025-09-09 cs.SY econ.GN eess.SY
Integration demand response aggregator and wind power aggregators with generation units and energy storages in wholesale electricity markets
本文提出将智能电网多种能源资源与风电生产商整合形成虚拟电厂（VRP），采用p-robust方法管理VRP在日前、日内和实时多市场运营中的不确定性，以优化报价策略并显著降低相对遗憾。
2023-11-23 cs.SY eess.SY
The effect of price-based demand response on carbon emissions in European electricity markets: The importance of adequate carbon prices
基于价格的需求响应（PBDR）最近被认为是巨大的经济和环境潜力。然而，确定其对碳排放的短期影响需要了解边际排放因子（MEFs），与电网混合排放因子（XEF）相比，由于国家电力市场的复杂特征，计算起来很麻烦。因此，本研究提出了两种基于优序的方法来近似每小时的MEF，并将其应用于2017-2019年来自20个欧洲国家的现成数据集。基于由此产生的电价、MEF和XEF，模拟了标准化的日负荷转移，以量化其对边际成本和碳排放的影响。最后，通过对不同碳价格水平下的负荷转移模拟，分析了碳价格对碳排放的影响。有趣的是，模拟的基于价格的负荷转移导致20个国家中的8个国家的运营碳排放量增加，所有20个国家的平均增幅为2.1%。从基于价格的负荷转移切换到基于MEF的负荷转移将相应的碳排放量减少了35%，尽管与基于价格的负荷转移相比，货币成本节省了56%。在特定情况下，PBDR导致碳排放量增加，主要是由于褐煤和煤炭等燃料源在经济上的优势。然而，随着碳价格的增加，碳强度与燃料边际成本之间的相关性大幅增加。因此，在适当的碳价格下，PBDR可以成为经济和环境改善的有效工具。
2020-12-01 cs.SY eess.SY
Capacity Markets for Large Loads under Supply-Chain Constraints
Cornell University（康奈尔大学）
本文针对带共享供应链约束的大负荷容量市场，开发模型评估BYOC指令与灵活性认证的福利效应，发现二者收益受供应链压力影响，且对相邻市场的溢出效应不同。
2026-08-10 cs.SY econ.GN eess.SY
Pricing Mechanisms versus Non-Pricing Mechanisms for Demand Side Management in Microgrids
本文对比芬兰赫尔辛基某社区微电网需求侧管理的定价与非定价机制，发现削峰型非定价策略降峰稳流效果更优，价格型策略会抬高峰值与损耗，提出应转向基于削峰等系统需求的DSM策略。
2025-01-17 cs.SY eess.SY
Flexibility from Networks of Data Centers: A Market Clearing Formulation with Virtual Links
由大公司拥有和运营的数据中心具有高功耗，并且预计未来会增加。然而，在地理上和时间上转移计算负载的能力可以为电网提供灵活性。我们引入了虚拟链路的概念，以捕捉空间-时间负载的灵活性提供的地理分布的数据中心在市场清算程序。我们表明，虚拟链接抽象适合现有的市场清算框架，可以帮助分析和建立市场设计属性。这一点通过例证性案例研究得到了证明。
2019-10-11 cs.SY eess.SY math.OC
A Guide to Reducing Carbon Emissions through Data Center Geographical Load Shifting
最近的计算需求导致技术公司开发大规模，高度优化的数据中心。这些数据中心代表了电力网络上的大负载，这些电力网络具有在地理上和时间上转移负载的独特灵活性。本文重点介绍数据中心如何利用其地理负载灵活性，通过与电力市场的巧妙互动来减少碳排放。由于电力市场清算考虑了电网中的拥塞和电力流物理，因此与电力使用相关的碳排放在（可能地理上接近的）位置之间存在差异。利用我们对这一过程的了解，我们提出了一个新的和改进的指标来指导地理负荷转移，我们称之为位置边际碳排放$λ_{\text{CO}_2}$。我们比较了这一指标和其他三个指标在一年内减少碳排放和发电成本的能力。我们的分析表明，$λ_{\text{CO}_2}$是更有效地减少碳排放量比更普遍提出的指标，不考虑电网的具体情况。
2021-05-19 cs.SY eess.SY
Survey of Load-Altering Attacks Against Power Grids: Attack Impact, Detection and Mitigation
本文综述电网负载篡改攻击（LAAs），分析其对输配电网络及电力市场的影响，总结基于模型、数据驱动及混合方法的检测定位方案与预防、反应性缓解技术，并指出未来研究方向。
2025-04-16 cs.SY eess.SY
Market Implementation of Multiple-Arrival Multiple-Deadline Differentiated Energy Services
本文针对灵活负荷提出多到达多截止时间差异化能源服务，并在前瞻市场中证明有效竞争均衡的存在，验证经济可行性，通过仿真展示其优势。
2020-03-12 cs.SY econ.GN eess.SY
Online Algorithms for Dynamic Matching Markets in Power Distribution Systems
本文提出了配电系统中动态匹配市场的在线算法，该算法在任何实时操作情况下决定匹配或延迟供应灵活的负载与可用的可再生能源发电，其目标是最大化系统中交换的社会福利。更具体地说，两个在线匹配算法提出了以下发电负荷的情况下：（i）当可再生能源发电的平均值大于灵活的负荷的平均值，（ii）当条件（i）被逆转。随着直觉，这种算法的性能下降，随着供应和需求的随机性增加，提出了两个属性来评估算法的性能。第一个属性是收敛到最优（CO），因为可再生能源发电和客户负载的潜在随机性变为零。第二个属性是偏离最优性，作为可再生能源发电和客户负荷的潜在随机性的标准差的函数进行测量。第一种情况下，所提出的算法，以满足CO和最佳的偏差，线性变化的标准偏差的变化。但相同的算法不满足CO的第二种情况。然后，我们表明，第二种情况下提出的算法满足CO和最佳的偏差，线性变化的标准偏差加上偏移量的变化。
2020-07-16 cs.MA cs.SY eess.SY
Duration-Differentiated Services in Electricity
University of Southern California（南加州大学）；University of California, Berkeley（加州大学伯克利分校）；Pontificia Universidad Catolica de Chile（智利天主教 Pontificia 大学）
本文研究了电力系统中持续时间差异化服务的运营决策与市场实现，提出了一种负载跟随供应的方案，探讨了灵活负载的服务分配及市场均衡问题。
2014-04-03 cs.SY eess.SY
Can Carbon-Aware Electric Load Shifting Reduce Emissions? An Equilibrium-Based Analysis
本文提出碳感知均衡模型，分析碳敏感负荷在考虑碳排放信号下的电力负荷转移效果，并探讨其对碳减排的贡献。
2025-12-15 cs.SY eess.SY
Integrated Learning and Optimization for Congestion Management and Profit Maximization in Real-Time Electricity Market
Computer, Electrical, and Mathematical Sciences and Engineering Division,King Abdullah University of Science and Technology（卡布斯大学科学与工程学院计算机、电气和数学科学与工程系）
本文提出ILO方法，通过遗憾函数联合学习未知负荷与PTDF矩阵并优化ED、DCOPF，以降低实时电力市场事后惩罚和线路阻塞，效果优于以预测精度为目标的SLO。
2025-07-24 cs.AI cs.SY eess.SY
Market Model for Demand Response under Block Rate Pricing
可再生能源在发电中占据中心地位。然而，由于可再生资源（风能、太阳能等）的间歇性，在可再生资源丰富的系统中使供需匹配是一项艰巨的任务。因此，需求响应（DR）计划是现代电网的重要组成部分。一个有效的DR技术是设计不同的定价方案，鼓励客户减少或转移电力负荷。在本文中，我们考虑了一个市场模型的DR使用块率定价（BRP）的两个块。我们在竞争市场中使用效用最大化方法。我们表明，当客户采取价格和效用代价函数是二次的系统达到一个均衡。此外，均衡是唯一的和有效的，最大化社会福利。提出了一种分布式算法，以找到块和负载的最优定价。消费者和公用事业公司都在经营市场。拟议的计划鼓励客户削减或转移他们的负荷。数值结果验证了我们的技术。
2020-08-29 cs.DC cs.SY eess.SY
Market Value of Differentially-Private Smart Meter Data
本文提出了一个框架，以调查国内消费者和负荷服务实体之间共享隐私保护的智能电表数据的价值。该框架包括一个折扣差分隐私模型，以确保个人无法从聚合数据中识别，基于人工神经网络的短期负荷预测，以量化数据可用性和隐私保护对预测误差的影响，以及一天前的最佳采购问题和平衡市场，以评估隐私效用权衡的市场价值。该框架表明，当消费者群体的负荷分布不同于系统平均值时，这是使用Kullback-Leibler分歧量化的，在共享智能电表数据的同时保留个人消费者隐私具有重要价值。
2021-04-20 cs.CR cs.SY eess.SY
Investigating the Necessity of Distribution Markets in Accomodating High Penetration Microgrids
University of Denver（丹佛大学）
本文研究高渗透微电网对电力系统净负荷的影响，提出三种解决运营问题的方案，通过IEEE 6-bus测试系统进行数值研究。
2016-02-04 cs.SY eess.SY
Techno-economic optimization of hybrid steam-electric energy systems with excess heat utilization and reserve market participation
本研究针对含电极锅炉、蒸汽蓄热器与BESS的工业混合能源系统，结合余热利用与备用市场参与开展技术经济优化，明确不同市场下的最优储能配置及成本影响因素，为工业灵活性投资提供参考。
2025-06-17 cs.SY eess.SY
Transactive Local Energy Markets Enable Community-Level Resource Coordination Using Individual Rewards
本研究提出经济驱动的交互式局部能源市场ALEX，通过理性智能体仅依赖建筑级信息自私最大化利润，利用动态规划生成策略，实现了社区级分布式能源资源协调，并在所有净负荷指标上优于基准能源管理系统。
2024-03-22 cs.MA cs.SY eess.SY
TIP-Search: Time-Predictable Inference Scheduling for Market Prediction under Uncertain Load
Xibai Wang（王希拜）
提出TIP-Search框架，通过保形延迟分位数过滤、有限工作者调度和带约束在线专家选择，在不确定负载下实现市场预测的时间可预测推理，显著提升及时准确率和截止时间满足率。
2026-06-24 cs.AI cs.LG cs.SY
A Day Ahead Market Energy Auction for Distribution System Operation
本文研究了配电网日前双能源拍卖，采用混合整数线性规划实现，以本地边际价格清算，发现若不处罚DSO偏离承诺供应则拍卖弱预算平衡，并分析了LMP与DLMP动态对市场参与者及供应的影响。
2017-12-06 cs.CE cs.SY eess.SY
Distribution Network Congestion Management via Strategic Aggregator Intervention in Local Energy Markets
本文研究利润驱动的聚合器在福利导向的本地能源市场中通过市场参与部分内化配电网拥堵的机制，提出后清算价格保护干预，并与DSO控制及混合方案对比，表明聚合器参与可降低热负荷并保持社区福利。
2026-06-26 cs.SY eess.SY
Decentralized Coordination of Distributed Energy Resources through Local Energy Markets and Deep Reinforcement Learning
University of Alberta（阿尔伯塔大学）；Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所）；University of Hradec Králové（赫拉德茨-克拉洛韦大学）
本研究利用深度强化学习智能体自动化终端用户在本地能源市场中的参与，以最小化能源账单并有效降低社区层面的净负荷波动，其在削减进口、出口和峰值需求上表现出了与动态规划基准相当或更优的性能。
2024-11-14 cs.AI cs.LG cs.MA
Effects of a Coal Phase-Out on Market Dynamics: Results from a Simulation Model for Germany
电力市场动态建模越来越具有挑战性，因为随着可变可再生能源（VRE）份额的增加，需求和供应的空间和时间不平衡变得更加明显。因此，一个高分辨率的空间和时间分布的VRE和常规发电，以及负荷，是必要的建模政策措施对电力市场的影响。此外，必须详细考虑技术限制，因为它们从根本上影响市场结果。本文介绍了德国市场区在不同情景下逐步淘汰燃煤发电的电力市场模拟模型的结果和发现。结果表明，开发的空间分辨模型可以逼真地再现市场的结果，因此，适合于分析未来的情况下，增加VRE集成和减少传统的发电能力。
2019-08-27 cs.SY eess.SY
Market-Based Coordination of Price-Responsive Demand Using Dantzig-Wolfe Decomposition Method
随着分布式发电（DG）和需求响应型（DR）负荷在电力系统中所占比例的增加，基于博弈论框架的价格响应型设备（PRD）协调问题得到了新的解决。PRD被建模为自利玩家，他们试图根据价格优化他们的消费。本文首次提出了一种基于Dantzig-Wolfe（DW）分解方法的新算法来解决分布式环境下自利PRD的协调问题。通过利用Dantzig-Wolfe的分布式特性，PRD的自利算法被建模为DW的子问题，并且收集PRD的能量消耗（其能量投标）的协调器（或电网运营商）解决DW的主问题并相应地计算价格信号。该算法是快速的，因为子问题的数据仓库（这可能是数百万的PRD）可以同时解决。此外，基于DW理论，如果PRDs子问题是凸的，在有限的迭代达到最优点（等于纳什均衡）是有保证的。一个有8户参与的模拟已经进行了评估模型。每个房子都配备了两种类型的负载：作为可中断负载样本的电动汽车（EV）和作为恒温控制负载样本的电热水器（EWH）。结果表明，当该算法达到最优点时，发电成本和用户支付（基于边际发电成本）减少。此外，聚合负载的峰均比（PAR）显著降低。
2023-02-01 cs.SY eess.SY math.OC
Sparse Mean Field Load Balancing in Large Localized Queueing Systems
本研究利用稀疏平均场理论，将有界度图中的多智能体负载均衡问题简化为单智能体问题，为稀疏连接排队网络提出了一种低通信开销的近最优可扩展负载均衡框架。
2024-03-22 cs.DC cs.LG cs.NI
Parameters Overshadowed by Price Lags: Load, Climate, and Calendar Effects in ERCOT Day-Ahead Price Formation
Texas A&M University（德克萨斯农工大学）
本文针对ERCOT日前市场，提出制度敏感型XAI框架，采用HGBR与抑制比量化价格滞后对物理参数的掩盖程度，发现价格尖峰源于特定温度范围的系统反应，为电价预测模型优化提供依据。
2026-08-24 cs.SY eess.SY
An Investigation of Randomized Controlled Trial (RCT) Method as a Customer Baseline Load (CBL) Calculation for Residential Customers
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
本文研究了随机对照试验（RCT）方法在计算住宅客户客户基准负荷（CBL）时的误差和财务表现，以应对需求响应计划中的实施挑战。
2016-08-17 cs.SY eess.SY
A Physics-Informed Machine Learning for Electricity Markets: A NYISO Case Study
本文提出 PIMA-AS-OPF 物理信息机器学习方法，通过全连接神经网络预测主动约束与削减量，将最优潮流优化简化为线性方程组高效求解，在 NYISO 系统上验证了准确性与可扩展性。
2023-03-31 cs.LG cs.SY eess.SY
Data-Driven Dimension Reduction for Industrial Load Modeling Using Inverse Optimization
State Key Lab of Power System Operation and Control, Dept. of Electrical Eng., Tsinghua Univ.（清华大学电机工程与应用电子技术系电力系统国家重点实验室）；Dept. of Electrical and Electronic Eng., Imperial College London（伦敦帝国理工学院电气电子工程系）
针对工业负荷模型混合整数约束导致降维方法失效的问题，提出基于逆优化的数据驱动降维方法，经可调负荷集群模型在三个工业负荷数据集上验证，性能优于分析方法。
2026-08-26 cs.SY eess.SY
Robust Reserve Capacity Provision and Peak Load Reduction from Buildings in Smart Grids
TUM CREATE Limited（TUM CREATE有限公司）；Solar Energy Research Institute of Singapore (SERIS), National University of Singapore (NUS)（新加坡太阳能研究所（SERIS），新加坡国立大学（NUS））；Technical University of Munich (TUM)（慕尼黑工业大学（TUM））；Department of Electrical Engineering and Computer Science, University of California, Berkeley（加州大学伯克利分校电气工程和计算机科学系）
本文提出了一种用于智能电网中 HVAC 系统的鲁棒需求侧控制算法，通过优化电力成本和容量市场参与，同时满足建筑和电网的舒适度与运行约束，利用热负荷不确定性评估控制器性能。
2016-05-24 cs.SY eess.SY
Scheduling Flexible Non-Preemptive Loads in Smart-Grid Networks
由具有热力和可再生发电能力的发电机、一组非抢占式负载（即，一旦启动就不能中断的负载），并考虑独立系统操作员（ISO）。负载的特征在于持续时间，功率需求率和接收服务的效用，以及负效用函数给出服务优先的时隙的偏好。给定这些信息，连同发电机的热发电代价函数和预测的可再生能源发电，社会规划者求解混合整数规划，以确定最大化社会福利的负载激活时间表。假设采取价格行为，我们开发了一个竞争性的平衡概念的基础上，一个宽松的版本的社会规划师的问题，其中包括价格的消费和激励的灵活性，并允许概率分配的功率负载。考虑到每个负载作为一个人口的代表相同的负载与规模的特点，我们证明了放松社会规划的问题给出了一个精确的解决方案，原来的混合整数问题的大人口限制，并给出了一个市场机制，实现竞争均衡。最后，我们通过案例研究的好处，将负荷灵活性信息纳入电力消费和发电调度的比例服务的负荷和整体社会福利。
2021-12-13 cs.SY econ.GN eess.SY
Market based embedded Real Time Operation for Distributed Resources and Flexibility
UC Berkeley（加州大学伯克利分校）
本研究提出一种基于市场的嵌入式实时运营方法，用于管理分布式能源资源和灵活性，通过模型预测控制优化聚合负载计划以参与加州独立系统运营商的实时电力市场。
2018-05-15 cs.SY eess.SY
Optimal Participation of Price-maker Battery Energy Storage Systems in Energy and Ancillary Services Markets Considering Degradation Cost
本文提出了一个双层优化框架，以研究最优的市场运营策略的价格制造商电池储能系统（BESS）在实时能源，旋转储备，并支付作为性能监管市场，特别侧重于了解BESS的过度监管市场参与观察到的几个系统运营商和电池退化成本对BESS市场活动的影响。一个准确的电池退化代价函数被集成到BESS的战略投标模型。提出了一种自动发电控制（AGC）信号调度模型，在双层框架下部署AGC信号。当考虑电池退化和详细的AGC信号跟踪活动时，这使得能够对BESS在频率调节市场中的操作特性进行彻底的研究。案例研究的合成系统与现实世界的数据进行研究BESS利润最大化和批发市场业务之间的相互作用，考虑系统的年度负荷和辅助服务需求的变化。BESS容量和重置成本的影响，其收入从能源和辅助服务市场的影响也进行了研究。
2021-10-21 cs.SY eess.SY
