[论文解读] Optimal scheduling of energy storage resources
本文提出了一种用于最小化确定性和随机需求下预期未供电能量（EEU）及加权EEU的多储能资源最优调度的分析框架。推导出一种贪心、时间无关的策略，通过基于速率约束优先放电实现最优，关键结果表明：在最小化EEU时，最优调度与未来需求无关；非线性惩罚项要求采用动态、状态相关的策略。
It is likely that electricity storage will play a significant role in the balancing of future energy systems. A major challenge is then that of how to assess the contribution of storage to capacity adequacy, i.e. to the ability of such systems to meet demand. This requires an understanding of how to optimally schedule multiple storage facilities. The present paper studies this problem in the cases where the objective is the minimisation of expected energy unserved (EEU) and also a form of weighted EEU in which the unit cost of unserved energy is higher at higher levels of unmet demand. We also study how the contributions of individual stores may be identified for the purposes of their inclusion in electricity capacity markets.
研究动机与目标
- 为应对高比例可再生能源渗透的未来电力系统中多储能设施协调优化的日益增长需求。
- 开发一种在容量和速率约束下最小化多个储能单元预期未供电能量（EEU）的方法。
- 识别单个储能单元的贡献，以纳入电力容量市场，尤其针对加权EEU目标。
- 分析非线性成本函数对未供电能量的影响，反映对大规模短缺的更高惩罚。
- 提供一种理论基础坚实、分析上可处理的储能调度解决方案，适用于确定性和随机环境。
提出的方法
- 建立[0,T]时间段内连续时间的需求模型，储能单元由容量E和放电速率P定义。
- 提出一种贪心调度策略，以最大速率放电，直至耗尽或需求期结束，证明其在最小化EEU时最优。
- 推导出在给定约束下，一组储能单元完全满足需求的必要和充分条件。
- 应用动态规划与随机优化技术求解具有非线性成本函数w(d) = d^p的加权EEU问题。
- 采用确定性近似（以期望值替代随机需求）推导随机需求下的近似最优策略，通过实例分析验证。
- 结合数学分析与示例说明，在线性EEU下时间无关策略的最优性，以及在非线性惩罚下状态相关策略的必要性。
实验结果
研究问题
- RQ1在确定性和随机需求下，多个储能单元最小化预期未供电能量（EEU）的最优调度策略是什么？
- RQ2如何公平地评估单个储能单元的价值并量化其在电力容量市场中的贡献？
- RQ3在何种条件下一组储能单元能够完全满足给定的需求过程，以及如何通过分析确定？
- RQ4当未供电能量的成本随未满足需求水平非线性增加时，最优调度策略如何变化？
- RQ5在非线性成本函数下，用期望值替代随机需求在多大程度上可作为最优调度的有效近似？
主要发现
- 对于线性EEU目标，最优策略为贪心且时间无关：以最大速率放电，直至耗尽或需求期结束。
- 最小化EEU的最优调度策略与未来需求实现无关，即使在随机环境中也可实现确定性实施。
- 基于总能量和总放电速率的可用性，推导出一组储能单元完全满足需求过程的必要和充分条件。
- 在非线性加权EEU（w(d) = d^p）下，最优策略变为状态相关，需根据当前需求和剩余储能进行动态决策。
- 仅当p ≈ 1.79时，使用期望需求的确定性近似才与真实最优策略高度接近；否则，其显著偏离。
- 在双时段随机模型中，最优放电速率x随p从1增至∞而单调递减，从2降至0，反映出对高剩余需求的日益增强的风险规避。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。