ترجمه مقاله نقش ضروری ارتباطات 6G با چشم انداز صنعت 4.0
- مبلغ: ۸۶,۰۰۰ تومان
ترجمه مقاله پایداری توسعه شهری، تعدیل ساختار صنعتی و کارایی کاربری زمین
- مبلغ: ۹۱,۰۰۰ تومان
This paper proposes a real-time pricing scheme that reduces the peak-to-average load ratio through demand response management in smart grid systems. The proposed scheme solves a two-stage optimization problem. On one hand, each user reacts to prices announced by the retailer and maximizes its payoff, which is the difference between its quality-of-usage and the payment to the retailer. On the other hand, the retailer designs the real-time prices in response to the forecasted user reactions to maximize its profit. In particular, each user computes its optimal energy consumption either in closed forms or through an efficient iterative algorithm as a function of the prices. At the retailer side, we develop a Simulated-Annealing-based Price Control (SAPC) algorithm to solve the non-convex price optimization problem. In terms of practical implementation, the users and the retailer interact with each other via a limited number of message exchanges to find the optimal prices. By doing so, the retailer can overcome the uncertainty of users’ responses, and users can determine their energy usage based on the actual prices to be used. Our simulation results show that the proposed realtime pricing scheme can effectively shave the energy usage peaks, reduce the retailer’s cost, and improve the payoffs of the users.
این مقاله طرح قیمت گذاری زمان واقعی را ارائه می کند که نسبت بار متوسط به پیک را از طریق مدیریت پاسخ تقاضا در سیستم های شبکه هوشمند ارائه می کند. طرح ارائه شده مسئله بهینه سازی دوبخشی را حل می کند. از سوی دیگر، هر کاربری به قیمت های اعلام شده توسط خرده فروش واکنش نشان می دهد و پرداخت آن را به حداکثر می رساند، که تفاوت میان استفاده از کیفیت آن و پرداخت به خرده فروش می باشد. در سوی دیگر، خرده فروش قیمت های زمان واقعی را در پاسخ به واکنش های پیش بینی شده کاربر به منظور به حداکثر رساندن سود آن طراحی می کند. به طور ویژه، هر کاربر مصرف انرژی بهینه آن را در شکل های بسته یا از طریق الگوریتم تکرار شونده بعنوان تابعی از قیمت ها محاسبه می کند. در طرف خرده فروش، الگوریتم کنترل قیمت مبتنی بر آنلینگ بهینه سازی شده (SAPC) را برای حل مسئله بهینه سازی قیمت غیرمحدب توسعه می دهیم. با توجه به پیاده سازی عملی، کاربران و خرده فروش با یکدیگر از طریق تعداد محدودی از تبادلات پیام به منظور یافتن قیمت های مطلوب مبادله می کنند. پس با انجام این کار، خرده فروش می تواند بر عدم قطعیت پاسخ کاربران غلبه کند، و کاربران می توانند کاربرد انرژی آنها را بر اساس قیمت های واقعی مورد استفاده مشخص کنند. نتایج شبیه سازی ما نشان می دهد که طرح قیمت گذاری زمان واقعی بطور موثری پیک-های استفاده از انرژی را هموار می کند، هزینه خرده فروش را کاهش می دهد، و پرداخت های کاربران را بهبود می بخشد.