Adversarially and Distributionally Robust Virtual Energy Storage Systems via the Scenario Approach
Georgios Pantazis, Nicola Mignoni, Raffaele Carli, Mariagrazia Dotoli, Sergio Grammatico
我们提出了一个优化模型,其中停车场经理(PLM)可以聚合停放的EV电池,以提供在不确定的EV偏离和充电状态上限下可证明稳健的虚拟储能服务。 我们的配方产生了一个数据驱动的凸优化问题,其中消费者社区同意与PLM签订合同,在有限范围内提供存储服务。 利用情景方法的最新结果,我们认证出样本约束安全性。 此外,我们通过情景放松实现可调盈的利润风险权衡,并扩展我们的模型,以考虑到基于Wasserstein的模糊性设置的对抗性扰动和分配转移。 所有的方法都伴随着紧密的有限样本证书。 数值研究证明了我们提出的模型与开发的理论保证相比,我们提议的模型的出样本和出类比约束的满意度,显示了他们在稳健和高效的虚拟能源服务中的有效性和潜力。
We propose an optimization model where a parking lot manager (PLM) can aggregate parked EV batteries to provide virtual energy storage services that are provably robust under uncertain EV departures and state-of-charge caps. Our formulation yields a data-driven convex optimization problem where a prosumer community agrees on a contract with the PLM for the provision of storage services over a finite horizon. Leveraging recent results in the scenario approach, we certify out-of-sample constraint ...
