Під час виконання енергетичного управління ІЕС важливо вирішити різні види невизначеностей. Загально використовувані методи – стохастична оптимізація (так) [10,11]та надійна оптимізація (RO) [6,[12], [13], [14]]. Метод SO використовує створені типові сценарії для опису невизначених факторів, але очікування всіх типових сценаріїв може призвести до надмірно оптимістичного прийняття рішень. Метод RO широко використовується в плануванні оптимізації IES завдяки його простоті, масштабованій та широкій застосовності. Довідник [15] Використовує регульований набір невизначеності для опису невизначеності РЕ, і створює IES на основі двоступеневого методу RO, спрямований на мінімізацію експлуатаційних витрат системи за найгіршим сценарієм. Довідник [16] Пропонує двоступеневу модель RO для інтегрованої енергетичної системи парку, засновану на динамічній стратегії програмування, щоб обробляти невизначеність у вітряних сонячних навантаженнях. Довідник [17] Встановлює багаторівневу двоступеневу модель RO, яка включає в себе безліч невизначеностей цін та цін на електроенергію. Довідник [18] Сформулює проблему з прийняттям оперативних рішень IES як двоступеневої моделі RO для обробки невизначеності в RE та навантаженні. Довідник [19] Створює двоступеневу двоступеневу модель RO для побудови систем управління енергією на основі багатогранної невизначеності для RE та навантаження. Наведене вище дослідження розширює традиційний метод RO на двоступеневий метод RO. Однак рішення на другому стадії двоступеневого RO приймається після виявлення всіх невизначеностей, що не узгоджується з розвитковою природою невизначеностей багаторічних періодів та послідовною природою рішень у часі. Тому двоступеневий метод RO не враховує належним чином неочікуваності, що призводить до обмежень при реагуванні на динамічні зміни [20].
Щоб подолати обмеження неочікуваності, притаманні традиційним двоступеневим РО, дослідники поширюють їх на багатоступеневі рамки RO для підвищення чутливості до динамічних невизначеностей. У існуючому дослідженні конструктивні підходи багатоступеневої RO, як правило, можна класифікувати на три типи: 1) Розкладання часу вводиться для перетворення оригінальної структури RO на динамічну рамку прийняття рішень, що дозволяє більш ефективно реакцію на тимчасову еволюцію невизначеностей [[21], [22], [23]]; 2. [[24], [25], [26]]; та 3) інтегровані рамки, які поєднують розкладання часу з безліччю джерел невизначеності, щоб більш всебічно відображати складні реальні операційні середовища [20]. Перший та третій типи методів в першу чергу зосереджуються на невизначеності, пов'язаних з відновлюваною енергією та навантаженням, які, безсумнівно, є критичними для підтримки стабільності системи. Однак невизначеність цін на електроенергію, особливо в енергетичних середовищах, орієнтованих на ринок, також відіграє ключову роль, оскільки цінові сигнали безпосередньо впливають на ключові операційні рішення, такі як планування енергії, участь ринку та реагування на попит. Нехтування цим фактором може призвести до неоптимальних або навіть економічно неповних рішень. Зважаючи на те, що робота ІЕС передбачає багаторазові взаємодіючі невизначеності, які виявляються послідовно з часом, важливо застосувати підхід до моделювання, здатний захопити ці різноманітні фактори. У зв'язку з цим другий підхід, який явно включає в себе безліч невизначеностей, вважається придатним для вирішення багатогранних та динамічних характеристик ІЕ, що забезпечує більш реалістичну та надійну рамку прийняття рішень. Однак загальне обмеження в існуючих творів [[20], [21], [22], [23], [24], [25], [26]]- це залежність від попередньо визначених наборів невизначеності полігедри, які зазвичай побудовані на основі пропорційних відхилень прогнозу. Незважаючи на обчислювально простежувані, ці набори часто є жорсткими і не можуть пристосуватися до різних переваг надійності або оперативного середовища, що може призвести до систематичного зміщення витрат та обмеження пристосованості моделі. Ці обмеження підкреслюють необхідність більш гнучкої рамки моделювання, яка може спільно розглянути невизначеності RE, завантаження та електроенергії, дозволяючи при цьому адаптивне надійне налаштування для кращого відображення ставлення до ризику системи.
Зважаючи на те, що багатоступеневий RO зосереджується на найгіршому сценарії, отримані рішення, як правило, надто консервативні, що може призвести до високих операційних витрат та зниження практичної доцільності в ІЕ. На відміну від цього, так часто дає надмірно оптимістичні операційні стратегії через його залежність від очікуваних результатів сценарію. Щоб досягти балансу між консерватизмом та оптимізмом у прийнятті рішень, поєднання RO і так служить ефективним рішенням. Цей підхід не тільки певною мірою пом'якшує відповідні обмеження кожного методу, але й дозволяє розширювати представлення факторів невизначеності та в побудові підходів наборів невизначеності. З точки зору генерації сценарію, посилання [26] використовує генеративну змагальну мережу (GAN) для побудови сценаріїв навантаження на джерело, в той час як посилання [27] Використовує метод статистичної оцінки для встановлення параметрів розподілу ймовірностей для генерування репрезентативних сценаріїв помилок прогнозу ПВ. У IES вітрові та сонячні ресурси часто знаходяться в тісній географічній близькості та впливають подібні метеорологічні умови, що призводить до значних просторово -часових кореляцій у випусках. Однак методи, прийняті в [26] і [27] Не вдалося зафіксувати ці кореляції між рез. Щоб вирішити це, посилання [28] Застосовує метод виноградної копули в поєднанні з відбором Монте-Карло для генерації корельованих сценаріїв повторного виводу. Хоча посилання [28] Враховує просторову кореляцію, часову кореляцію, яка відображає динамічну еволюцію випусків РЕ, не включається в процес моделювання. Крім того, у міру збільшення кількості відновлюваних джерел енергії підхід на основі копули стає все більш складним з точки зору вибору моделі, побудови структури та оцінки параметрів. Це не тільки обмежує масштабованість, але й накладає значні обчислювальні та моделювальні навантаження. Ці обмеження підкреслюють необхідність більш масштабованого та керованого даними методом генерації сценаріїв, який може ефективно фіксувати як просторові, так і тимчасові кореляції між численними відновлюваними джерелами.
У плануванні кластеру IES, розподіл енергії сприяє економічному взаємному розвитку [[29], [30]]. Однак складні інтереси існують під час взаємодії різних ІЕ, що може призвести до низької ефективності в спільних операціях. Тому для задоволення потреб економічних інтересів кожної сутності та максимізації загальної вигоди кластера теорія кооперативних ігор приймається як ефективне рішення. Цей підхід врівноважує індивідуальні інтереси та загальні вигоди, забезпечує захист конфіденційності під час співпраці та покращує загальну ефективність роботи кластера. Посилання [31, 32] прийняти методи цінності та ядерного ядерного розподілу. Незважаючи на те, що методи ядерного та шаплі ефективно стимулюють співпрацю між учасниками, час обчислення зростає експоненціально з кількістю учасників. Посилання [33–35] Використовуйте теорію переговорів Неша для моделювання взаємодій між енергетичними суб'єктами, але часто припускає рівну переговорну силу, що може призвести до несправедливої розподілу виплат. Щоб вирішити це, деякі вчені прийняли асиметричну теорію торгів Неша для розподілу вигоди. Посилання [36] і [37] Обчисліть здатність до переговорів IES та багатоенергетичних мікросетки на основі обсягу транзакцій. На основі цього посилання [38] Далі включає резерви реагування на попит (DR) та зростання прибутку для оцінки переговорної здатності ІЕС. Довідник [39] Враховує асиметричний метод розподілу витрат на основі торгівлі електроенергією та граничні наслідки торгівлі викидів вуглецю. Окремо, посилання [40] Використовує обмеження для розподілу вигоди в IES. Посилання [38] до [40] в першу чергу оцінити переговорну здатність учасників на основі граничних внесків. Однак у міру збільшення кількості факторів невизначеності, покладання лише на граничні внески більше не може забезпечити всебічну оцінку здатності до переговорів у практичних операціях. Зокрема, відхилення у виробництві, спричинені невизначеністю, можуть вплинути на надійність та стабільність внеску учасників, які не захоплюються граничним внеском. Ці обмеження підкреслюють необхідність більш справедливого та реалістичного механізму оцінювання, який спільно розглядає як граничні внески, так і вихідні відхилення. Такий підхід може краще відображати фактичний вплив учасників при невизначеності та покращити механізми розподілу справедливості.
У таблиці 1 порівнюються моделі, що використовуються в існуючих дослідженнях, і узагальнює наступне питання: 1) У процесі побудови наборів невизначеності для багатоступеневих RO, поточні дослідження не враховують гнучкість наборів невизначеності. Більшість наборів невизначеності є заздалегідь визначеними, що може призвести до неоптимальних результатів рішення. Крім того, існуючі дослідження не стосуються потенціалу, щоб інтегрувати консерватизм багатоступеневих методів RO. 2) Завдяки географічній близькості та подібних метеорологічних умовах, зазвичай спостерігаються значні кореляції. Однак у більшості досліджень часові та просторові кореляції між РЕЗ не всебічно розглядаються при розгляді факторів невизначеності, що може призвести до неточних уявлень про поведінку RE. 3) У теорії кооперативних ігор на основі асиметричних переговорів Неша існуючі дослідження, як правило, використовують обмін кількості електроенергії як коефіцієнт переговорів. Існує обмежене дослідження щодо кількісного визначення декількох факторів, таких як гранична швидкість внеску та відхилення фактора невизначеності, як здатність учасників.
