多時間スケール不確実性と弾力的DR調整を考慮したPIESの低炭素ロバスト計画

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides a novel method for joint optimization of multi-energy systems under multi-timescale uncertainties, with demand response modeling.

🏢実務担当者:Offers a planning tool for park-level energy systems that can significantly reduce costs and emissions, useful for energy service companies.

パーク統合エネルギーシステム（PIES）の広範な応用に伴い、多エネルギー連携、高い投資コスト、多種多様な不確実性といった課題がますます顕著になっている。既存の研究では、短期的不確実性に対して典型的なシナリオ生成やロバスト最適化を採用することが多いが、長期的な負荷成長の不確実性には対応が難しく、計画段階において需要側リソースの柔軟性を十分に活用できていない。本論文は、動的デマンドレスポンスとマルチタイムスケールの不確実性を考慮したPIESのロバスト計画手法を提案する。まず、冷熱、熱、電力、ガス、水素を包含するエネルギーフロー枠組みを構築する。従来の固定境界DRの限界を克服するため、転移可能型、代替可能型、削減可能型を特徴とする動的弾性DRメカニズムを確立する。転移可能な需要境界は価格-需要弾性行列によって定義され、実際の応答はシステムの電力バランス条件と連携して動的に調整され、最適な構成が実現される。第二に、多変量動的時間伸縮法と階層的クラスタリングアルゴリズムにより、短期的不確実性を考慮した典型的な日次シナリオを導出する。最後に、情報ギャップ決定理論が長期的な負荷成長の不確実性を特徴付け、両方のタイムスケールに対処するロバスト計画モデルを構築する。ケーススタディによると、柔軟なリソースとデマンドレスポンスによりライフサイクルコストが55.24%削減され、炭素排出量が47.75%削減される。提案されたデマンドレスポンス手法は、さらにコストを153,800元、排出量を11.36%削減する。ロバスト計画手法はマルチタイムスケールの不確実性に相乗的に対処し、経済性を確保しながら不確実な変動に対する耐性を最大化する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

With the widespread application of park integrated energy systems (PIESs), challenges of multi-energy coupling, high investment costs, and multi-type uncertainties have become increasingly prominent. Existing research often employs typical scenario generation or robust optimization for short-term uncertainties but struggles with long-term load growth uncertainties and fails to fully utilize the flexibility of demand-side resources during the planning phase. This paper proposes a robust planning method for PIESs considering dynamic demand response and multi-timescale uncertainties. First, an energy flow framework encompassing cooling, heating, electricity, gas, and hydrogen is constructed. To overcome the limitations of traditional fixed-boundary DR, a dynamic elastic DR mechanism featuring transferable, substitutable, and curtailable types is established. Transferable demand boundaries are defined by a price–demand elasticity matrix, and actual responses are dynamically adjusted in synergy with system power balance conditions for optimal configuration. Second, multivariate dynamic time warping and hierarchical clustering algorithms derive typical daily scenarios accounting for short-term uncertainties. Finally, information gap decision theory characterizes long-term load growth uncertainty, constructing a robust planning model addressing both timescales. Case studies show that flexible resources and demand response reduce lifecycle cost by 55.24% and carbon emissions by 47.75%. The proposed demand response method further cuts costs by 153,800 yuan and emissions by 11.36%. The robust planning method synergistically addresses multi-timescale uncertainties, ensuring economy while maximizing resilience to uncertain fluctuations.

• openalex https://doi.org/10.3390/en19133207first seen 2026-07-09 05:15:17