This paper proposes a distributed method to schedule supply and flexible demand in a congested network, accommodating diverse benefits of end-users. We look at two different time horizons to schedule supply and demand; a day ahead and an hour ahead, which we refer to as day-ahead and real-time clearing. For day-ahead clearing, we decompose the system-level problem and solve it in an iterative way to schedule supply and flexible demand over multiple time steps. However, after the day-ahead quantities are cleared and the actual consumption/production is to occur sooner, we use moving-horizon functional clearing. We show an application of this framework to the IEEE 30-bus test system with a large number of various air conditioning loads. The experiment shows effectiveness of the methods in managing congestion and in coping with unexpected conditions such as a rise in the weather temperature

چکیده

این مقاله یک روش توزیع شده را برای زمان بندی عرضه و تقاضای انعطاف پذیر در یک شبکه ی متراکم، با آماده کردن منافع متنوع کاربران نهایی ارائه می دهد. ما به دو افق زمانی مختلف برای زمان بندی عرضه و تقاضا نگاه می کنیم؛ یک روز پیش رو و یک ساعت جلوتر، که ما به عنوان پاکسازی روز پیش رو و پاکسازی بلادرنگ ذکر می کنیم. برای پاکسازی روز پیش رو، ما مسئله ی سطح سیستم را تجزیه کرده و آن را در یک راه تکراری برای زمان بندی عرضه و تقاضای انعطاف ­پذیر در گام های زمانی مختلف حل می کنیم. با این حال، پس از اینکه مقادیر روز پیش رو پاک شدند و مصرف/تولید واقعی، زودتر به وجود آمد، ما از پاکسازی عملکردی افق متحرک استفاده می نماییم. ما کاربرد این چارچوب را برای سیستم تست 30 باسه IEEE با تعداد زیادی از بارهای تهویه مطبوع مختلف نشان می دهیم. آزمایش، تاثیر روش ها را در مدیریت تراکم و در مقابله با شرایط غیر منتظره مانند افزایش درجه حرارت آب و هوا نشان می دهد.

1-مقدمه

این مقاله مربوط به زمان بندی منابع تقاضای انعطاف پذیر مربوط به یک روز یا زمان کوتاهتر از عملیات است. اهداف عبارتند از: 1) برآوردن نیازهای متنوع تعداد زیادی از کاربران نهایی، 2) زمان بندی منابع در راهی که تراکم شبکه قدرت را مدیریت کند، و 3) مقابله با شرایط غیر منتظره برای مصرف مانند درجه حرارت آب و هوای بالاتر از پیش بینی. ما منابع تولید و تقاضا را در افق های زمانی مختلف، با در نظر گرفتن پویایی موقتی منحصر به فرد هر منبع زمان بندی می کنیم. این کار فرمت مستقیمی از مرجع [1] است، با محدودیت های خطی شبکه که اضافه شده اند...