​تعهد واحد مقاوم انطباقی با در نظر گرفتن عدم قطعیت توزیعی ​

برای کاهش قابلیت استفاده از روش‌های مبتنی بر بهینه‌سازی استوار مبتنی بر بهینه‌سازی استوار، مجموعه عدم قطعیت معمولا با توجه به توزیع منابع تجدید پذیر نامشخص، یعنی توان باد، از پیش تعیین می‌شود. با این حال، از آنجایی که قانون اعداد بزرگ همیشه در عمل کار نمی‌کند، توزیع احتمال بدست‌آمده ممکن است غیرقابل‌اعتماد باشد. در این مقاله، یک روش بهینه‌سازی مقاوم مبتنی بر داده برای تعهد واحد در سیستم‌های قدرت عمده با انتگرال گیری توان بادی سطح بالا پیشنهاد می‌شود. متفاوت از روش‌های مرسوم تعهد واحد، عدم قطعیت توزیعی توان باد در روش پیشنهادی به خوبی مورد توجه قرار می‌گیرد. یک روش مبتنی بر مدل ایمپرس – دیریکله برای ایجاد مجموعه ابهام از توان باد توسعه داده می‌شود، که تمام توزیع‌های احتمالی محتمل را با داده‌های تاریخی تایید می‌کند. مجموعه می‌تواند به طور پویا با داده‌ها تغییر کند، به عنوان مثال، داده‌های معتبر تری که داریم، مجموعه ابهام کوچک‌تر خواهد شد. با توجه به مرزه‌ای مجموعه ابهام، مجموعه عدم قطعیت چند سطحی از توان باد ساخته شده‌است. با تنظیم پارامترهای مجموعه عدم قطعیت، تعادلی بین کارایی عملیاتی و

To reduce the conservativeness of robust optimization-based unit commitment methods, an uncertainty set is usually prespecified with respect to the distributions of uncertain renewable resources, i.e., wind power. However, since the law of large numbers does not always work in practice, the obtained probability distribution may be unreliable. In this paper, a data-driven adaptive robust optimization method for the unit commitment of bulk power systems with high-level wind power integration is proposed. Different from the conventional robust unit commitment methods, the distributional uncertainty of wind power is well respected in the proposed approach. An imprecise-Dirichlet-model-based method is developed to construct the ambiguity set of wind power, which incorporates all possible probability distributions confirmed by historical data. The set can dynamically change with the data, i.e., the more valid data we have, the smaller the ambiguity set will become. With respect to the bounds