With large-scale deployment of renewable resources, the power systems 的简体中文翻译

With large-scale deployment of rene

With large-scale deployment of renewable resources, the power systems are evolving to a horizontal structure with multiple supplies and interoperable power exchange. Such evolution largely improves system reliability and resilience. The first and foremost step toward these benefits is renewable energy planning. Whereafter, owning these renewable generation resources, the power systems concern renewable energy operation. Motivated by these, this thesis focuses on controlling and optimizing the renewable energy planning and operation involving the uncertainty in smart grid systems. In the first part of the thesis, we study the optimal location planning of renewable distributed generation (RDG) units by taking into account the random uncertainties of renewable generation and load demand. In presence of the random uncertainties, location planning problem is naturally a two-stage stochastic mixed integer nonlinear programming problem, which is hard to solve efficiently. Instead of using traditional sampling methods or robust optimization methods, we propose a novel analytical approach to solve the problem efficiently and optimally. In particular, analytical expressions are derived for efficiently evaluating the performance of a candidate RDG-placement decision. In this way, the stochastic mixed integer nonlinear programming problem is equivalently transformed into a deterministic integer problem, which can be solved efficiently using off-the-shelf tools. In the second part of the thesis, we study the optimal sizing planning of RDG in distribution networks to minimize the long-term cost, including investment cost, maintenance cost, and operating cost. In particular, the operating cost itself is optimized by solving an optimal power flow (OPF) problem at each time t based on uncertain time-varying RDG output and load demand. As a result, the sizing planning problem is a bilevel stochastic programming problem, which is hard to solve. Instead of resorting to conventional metaheuristic algorithms, this chapter first proposes a novel data-driven approach based on the philosophy of online convex optimization to solve the problem with drastically lower complexity. As a key step to facilitate the algorithm, we derive a closed-form expression to iteratively update the sizing solution upon drawing each data sample. With sufficient data samples, the proposed algorithm guarantees to converge to the global optimal solution regardless of the underlying probabilistic distribution of RDG output and load demand. In the third part of the thesis, we propose a broker-based transactive energy (TE) framework in a networked microgrid system, where the broker facilitates energy transactions between microgrids, and in return makes profit by charging a commission. Based on OPF, the broker computes an optimal price that incentivizes the microgrids to dispatch their distributed energy resources in a way that maximizes their payoffs. Noticeably, the proposed optimal pricing mechanism serves the purpose of distributed coordination for the operation of microgrids and the power exchange between them. Moreover, to accelerate the distributed algorithm, we derive the closed form solution of the optimal operation for each microgrid with respect to different market prices, and an efficient updating rule of the transactive price with optimality guarantee.
0/5000
源语言: -
目标语言: -
结果 (简体中文) 1: [复制]
复制成功!
随着可再生资源的大规模部署,电力系统不断发展,以多电源供电,可互操作的功率交换水平结构。这种演变在很大程度上提高了系统的可靠性和弹性。对这些利益的首要步骤是可再生能源的规划。此后,拥有这些可再生能源发电,电力系统关注可再生能源的操作。这些启发,本文的重点是控制和优化的可再生能源规划和运营涉及的智能电网系统中的不确定性。在本文的第一部分,我们考虑到可再生能源发电和负荷需求的不确定性,随机研究可再生能源分布式发电(RDG)为单位的最佳位置规划。在随机不确定因素的存在,位置规划问题是自然的两阶段随机混合整数非线性规划问题,这是很难有效地解决。而不是使用传统的采样方法或稳健优化方法,我们提出了一种新的分析方法,以高效,最佳解决问题。特别是,解析表达式导出用于有效地评估候选RDG-布置决定的性能。以这种方式,非线性规划问题的随机混合整数等效变换为确定性的整数的问题,这可以有效地利用现成的,货架工具来解决。在论文的第二部分,我们研究RDG的最佳上浆规划分销网络,以尽量减少长期成本,包括投资成本,维护成本和操作成本。尤其是,操作成本本身由基于不确定时变RDG输出和负载需求在每个时间t求解最优功率流(OPF)问题进行了优化。其结果是,施胶规划问题是一个二层随机规划的问题,这是很难解决的。而不是诉诸传统的元启发式算法,本章首先提出基于在线凸优化的理念与急剧较低复杂度来解决该问题的新颖的数据驱动的方法。作为关键步骤,以促进该算法中,我们得出在拉伸每个数据样本的封闭形式的表达式来迭代更新施胶溶液。用足够的数据采样,所提出的算法保证收敛于无论RDG输出和负载需求的基本概率分布的全局最优解。在论文的第三部分,我们提出了在网络微电网系统,居间人促成微型电网之间的能量交易,并在返回通过收取佣金获利,使基于券商中介的能量(TE)的框架。根据OPF,经纪人计算是刺激行为微型电网调度的分布式能源资源,最大限度地提高他们的收益方式的最优价格。值得注意的是,所提出的最优定价机制提供分布式协调的微型电网的运行和它们之间的电力交换的目的。此外,要加快分布式算法,我们得出的最佳操作的每个微电网的封闭形式的解决方案针对不同的市场价格,和中介的价格与最优保障的有效更新规则。我们建议在网络微电网系统,居间人促成微型电网之间的能量交易基于券商中介的能量(TE)的框架,作为回报,通过收取佣金获利使。根据OPF,经纪人计算是刺激行为微型电网调度的分布式能源资源,最大限度地提高他们的收益方式的最优价格。值得注意的是,所提出的最优定价机制提供分布式协调的微型电网的运行和它们之间的电力交换的目的。此外,要加快分布式算法,我们得出的最佳操作的每个微电网的封闭形式的解决方案针对不同的市场价格,和中介的价格与最优保障的有效更新规则。我们建议在网络微电网系统,居间人促成微型电网之间的能量交易基于券商中介的能量(TE)的框架,作为回报,通过收取佣金获利使。根据OPF,经纪人计算是刺激行为微型电网调度的分布式能源资源,最大限度地提高他们的收益方式的最优价格。值得注意的是,所提出的最优定价机制提供分布式协调的微型电网的运行和它们之间的电力交换的目的。此外,要加快分布式算法,我们得出的最佳操作的每个微电网的封闭形式的解决方案针对不同的市场价格,和中介的价格与最优保障的有效更新规则。
正在翻译中..
结果 (简体中文) 2:[复制]
复制成功!
随着可再生资源的大规模部署,电力系统正在演变为具有多种电源和可互操作的电力交换的水平结构。这种演变在很大程度上提高了系统的可靠性和弹性。实现这些好处的首要步骤是可再生能源规划。其中,拥有这些可再生能源,电力系统涉及可再生能源的运行。在此基础上,本文着重对智能电网系统的不确定性进行控制和优化可再生能源规划和运行。在研究的第一部分,我们研究了可再生分布式发电(RDG)机组的最佳位置规划,并考虑到可再生能源发电和负荷需求的随机不确定性。在存在随机不确定性的情况下,位置规划问题自然是一个两阶段随机混合整数非线性编程问题,难以有效解决。我们提出一种新的分析方法,而不是使用传统的采样方法或可靠的优化方法,以有效和最佳的方式解决问题。特别是,分析表达式的推导是为了有效地评估候选 RDG 放置决策的性能。通过这种方式,随机混合整数非线性编程问题被等效地转化为确定性整数问题,可以使用现成的工具有效地解决。在二部分,我们研究了配电网络中RDG的最佳规模规划,以最大限度地降低长期成本,包括投资成本、维护成本和运营成本。特别是,通过根据不确定的时变 RDG 输出和负载需求,在每次 t 时解决最佳功率流 (OPF) 问题,从而优化了运营成本本身。因此,大小规划问题是一个难以解决的双级随机编程问题。本章首先提出了一种基于在线凸优化哲学的新型数据驱动方法,而不是采用传统的元启发式算法,以大大降低复杂性地解决问题。作为促进算法的关键步骤,我们派生了一个闭格式表达式,以在绘制每个数据样本时迭代更新大小调整解。通过足够的数据样本,建议的算法可确保收敛到全局最优解决方案,而不考虑 RDG 输出和负载需求的基本概率分布。在本文的第三部分,我们提出了一个基于经纪人的跨活性能源(TE)框架,在一个联网的微电网系统中,经纪人促进微电网之间的能源交易,作为回报,通过收取佣金来获利。基于 OPF,经纪商计算一个最优价格,激励微电网以最大化其回报的方式调度其分布式能源资源。值得注意的是,所提出的最优定价机制有助于微电网的运行和电网之间的电力交换进行分布式协调。此外,为了加速分布式算法,我们推导出了针对不同市场价格的每个微电网最优操作的封闭形式解,以及具有最优保证的互不活动价格的有效更新规则。
正在翻译中..
结果 (简体中文) 3:[复制]
复制成功!
随着可再生资源的大规模部署,电力系统正在向多电源、互操作的水平结构演进。这样的进化很大程度上提高了系统的可靠性和弹性。实现这些好处的第一步也是最重要的一步是可再生能源规划。之后,拥有这些可再生能源,电力系统涉及到可再生能源的运行。基于此,本文针对智能电网系统中存在的不确定性,对可再生能源规划和运行进行控制和优化。在论文的第一部分中,我们考虑到可再生能源发电和负荷需求的随机不确定性,研究了可再生能源分布式发电(RDG)机组的最优选址规划问题。在存在随机不确定性的情况下,选址规划问题自然是一个两阶段随机混合整数非线性规划问题,难以有效求解。我们提出了一种新的分析方法来代替传统的抽样方法或稳健优化方法,有效地解决问题。特别地,导出了用于有效评估候选RDG布局决策性能的解析表达式。这样,随机混合整数非线性规划问题等价地转化为确定性整数问题,利用现成的工具可以有效地求解。在论文的第二部分中,我们研究了配电网RDG的最优规模规划,以最小化长期成本,包括投资成本、维护成本和运营成本。特别是,在不确定时变RDG输出和负荷需求的基础上,通过求解每个时刻t的最优潮流(OPF)问题来优化运行成本本身。因此,规模规划问题是一个难以求解的双层随机规划问题。本章首先提出了一种基于在线凸优化思想的数据驱动方法,以解决复杂度大大降低的问题。作为简化算法的关键步骤,我们推导了一个闭合表达式,在绘制每个数据样本时迭代更新大小调整解决方案。在数据样本充足的情况下,该算法保证了在不考虑RDG输出和负载需求潜在概率分布的情况下收敛到全局最优解。在论文的第三部分,我们提出了一个网络化微电网系统中基于经纪人的交易性能源(TE)框架,经纪人为微电网之间的能源交易提供便利,并通过收取佣金获利。基于OPF,经纪人计算一个最优价格,激励微电网以最大化其收益的方式调度他们的分布式能源。值得注意的是,所提出的最优定价机制为微电网的运行和它们之间的电力交换提供了分布式协调的目的。此外,为了加快分布式算法的速度,我们推导了不同市场价格下每个微电网最优运行的闭式解,并给出了具有最优保证的交易价格的有效更新规则。
正在翻译中..
 
其它语言
本翻译工具支持: 世界语, 丹麦语, 乌克兰语, 乌兹别克语, 乌尔都语, 亚美尼亚语, 伊博语, 俄语, 保加利亚语, 信德语, 修纳语, 僧伽罗语, 克林贡语, 克罗地亚语, 冰岛语, 加利西亚语, 加泰罗尼亚语, 匈牙利语, 南非祖鲁语, 南非科萨语, 卡纳达语, 卢旺达语, 卢森堡语, 印地语, 印尼巽他语, 印尼爪哇语, 印尼语, 古吉拉特语, 吉尔吉斯语, 哈萨克语, 土库曼语, 土耳其语, 塔吉克语, 塞尔维亚语, 塞索托语, 夏威夷语, 奥利亚语, 威尔士语, 孟加拉语, 宿务语, 尼泊尔语, 巴斯克语, 布尔语(南非荷兰语), 希伯来语, 希腊语, 库尔德语, 弗里西语, 德语, 意大利语, 意第绪语, 拉丁语, 拉脱维亚语, 挪威语, 捷克语, 斯洛伐克语, 斯洛文尼亚语, 斯瓦希里语, 旁遮普语, 日语, 普什图语, 格鲁吉亚语, 毛利语, 法语, 波兰语, 波斯尼亚语, 波斯语, 泰卢固语, 泰米尔语, 泰语, 海地克里奥尔语, 爱尔兰语, 爱沙尼亚语, 瑞典语, 白俄罗斯语, 科西嘉语, 立陶宛语, 简体中文, 索马里语, 繁体中文, 约鲁巴语, 维吾尔语, 缅甸语, 罗马尼亚语, 老挝语, 自动识别, 芬兰语, 苏格兰盖尔语, 苗语, 英语, 荷兰语, 菲律宾语, 萨摩亚语, 葡萄牙语, 蒙古语, 西班牙语, 豪萨语, 越南语, 阿塞拜疆语, 阿姆哈拉语, 阿尔巴尼亚语, 阿拉伯语, 鞑靼语, 韩语, 马其顿语, 马尔加什语, 马拉地语, 马拉雅拉姆语, 马来语, 马耳他语, 高棉语, 齐切瓦语, 等语言的翻译.

Copyright ©2024 I Love Translation. All reserved.

E-mail: