2020年7月16日
德州已经成为一个领导者在替代能源,如太阳能和风能。状态走向一个“智能电网”交付系统,提供能源服务的公司正急于确定供需平衡的最好方法。
王,我国工业工程副教授德克萨斯大学阿灵顿使用3年,466068美元从美国国家科学基金会的资助来决定如何满足极其动态和不确定的需求,能源市场。欧洲杯线上买球电气工程教授Wei-Jen李和工业工程陈教授维多利亚和杰罗桑伯格是首席调查人员对项目。
电能是一种商品,其发电和负荷必须平衡不断在实时系统的可靠性和电能质量。除了传统的generation-side管理、负载参与未来智能电网的可持续发展至关重要。
小王和他的团队将开发机器学习模型,预测实时市场价格和管理大规模的住宅需求响应参与项目。我们的目标是创建一个动态的决策分析和优化框架,使高效,实时能源管理系统未来的智能能源市场。
该小组还计划建立一个智能电网仿真平台,测试开发机器学习和优化框架使用历史数据从大型能源和公用事业公司。
“如果我们可以决定如何最好地预测能源需求和快速反应需求的波动和市场价格,那么我们可以使用这些信息来做出更高效的智能能源供应系统,减少运营成本和提高系统可靠性,”王说。“从消费者的角度来看,更高效的能源市场转化为更大的节省能源成本。”
本研究将有利于公用事业公司,load-serving实体和客户通过减少峰值需求。市场参与者有财政激励来达到减少。
王的预测模型提供了连续的能源市场预估。与目前的模型相比,使用确定性或因果预测,团队将开发一个概率深度学习方法能够量化的市场不确定性决策管理和风险控制。
能源市场预测模型将允许能源公司计算要求第二天,然后贸易计算在日前市场高峰需求减少。最后,王将创建一个智能电网仿真框架来评估预测和优化模型使用真实数据集从大型公用事业公司在纽约和得克萨斯。
“这是高度相关的研究与潜在的深远的影响我们如何将交付和使用能源在未来,”Paul Componation说UTA椅子的工业、制造业和系统工程部门。
来源:https://www.uta.edu/