Mechanism Design for Demand-Side Management

Akasiadis, Charilaos; Chalkiadakis, Georgios

doi:10.1109/mis.2017.6

Cited by 10 publications

(3 citation statements)

References 14 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…For example, retrofitting existing meters into smart meters to do real-time monitoring and evaluation of the grid was considered in [30]. What is, therefore, noticeable in almost all the studies reviewed is that they assume that the cost of peaking is the critical constraint on the overall network as well as the preservation of consumers' comfort of use [31], [32].…”

Section: Introductionmentioning

confidence: 99%

Heuristic Optimization for Microload Shedding in Generation Constrained Power Systems

et al. 2020

View full text Add to dashboard Cite

While the causes of power system outages are often complex and multi-faceted, an apparent deficit in generation compared to a known demand for electricity could be more alarming. A sudden hike in demand at any given time may ultimately result in the total failure of an electricity network. In this paper, algorithms to efficiently allocate the available generation is investigated. Dynamic programming based algorithms are developed to achieve this constraint by uniquely controlling home appliances to reduce the overall demands for electricity by the consumers on the grid in context. To achieve this, heuristic optimization method (HOM) based on the consumers' comfort and the benefits to the electricity utility is proposed. This is then validated by simulating microload management in generation constrained power systems. Three techniques; General Shedding (GS), Priority Based Shedding (PBS) and Excess Reuse Shedding (ERS) techniques were studied for effecting efficient microload shedding. The research is aimed at reducing the burden imposed on the consumers in a generation constrained power system by the traditional load shedding approach. Additionally, the reduction of the excess curtailment is a prime objective in this paper as it helps the utility companies to reduce wastage and ultimately reduce losses resulting from over shedding. Reducing the peak-to-average ratios (PAR) on the entire network in context as a critical factor in the determination of the efficiency of an electricity network is also investigated. In the long run, the PAR affects the price charged to the final consumer. Simulation results show the associated benefits that include effectiveness, deployability, and scalability of the proposed HOM to reduce these burdens. INDEX TERMS Demand-side management (DSM), microload management, smart grid, smart metering, optimization, peak-to-average ratio (PAR).

show abstract

Section: Introductionmentioning

confidence: 99%

Heuristic Optimization for Microload Shedding in Generation Constrained Power Systems

et al. 2020

View full text Add to dashboard Cite

show abstract

“…The scope of the work presented in this chapter is shown in Figure 5-2. Parts of the research ideas described in this chapter appeared originally in [11].…”

Section: Incorporation Of Large Numbers Of Evsmentioning

confidence: 99%

“…Notice that in order for inequality c t h →t l < p h − p g (r t h C ) to hold, it is not required that each c t h →t l i is less than the price difference too, because the quantity of shifted load also matters. This allows for the possibility that reducers with high 11 This is assuming that allr t h C pledged to be shifted is actually later on consumed at t l . If only…”

mentioning

confidence: 99%

Multiagent demand-side management for real-world energy cooperatives

Akasiadis¹,

Ακασιάδης²

View full text Add to dashboard Cite

Η εξισορρόπηση της ζήτησης και της παραγωγής ενέργειας στα σύγχρονα έξυπνα δίκτυα με αυξημένη διείσδυση των ανανεώσιμων πηγών ενέργειας είναι ένα μεγάλο πρόβλημα, για τη λύση του οποίου απαιτούνται περίπλοκοι μηχανισμοί για την αποτελεσματική διαχείριση της ζήτησης ενέργειας (DSM). Σε αυτή τη διατριβή, προτείνουμε μηχανισμούς για το σχηματισμό συνεταιρισμών ευφυών πρακτόρων που προσφέρουν υπηρεσίες DSM μεγάλης κλίμακας, και παρουσιάζουμε ένα ολοκληρωμένο πλαίσιο λειτουργίας. Τα σχήματα λαμβάνουν υπόψη τα ατομικά κόστη μετατόπισης κατανάλωσης και ανταμείβουν τους συνεισφέροντες ανάλογα με την αποδοτικότητα τους. Επίσης, για να επιτρέψουμε τον αποκεντρωμένο συντονισμό των συνεταιρισμών καταναλωτών-παραγωγών ενέργειας,συνδυάζουμε έναν αυστηρά αρμόζοντα κανόνα βαθμολόγησης με ένα κρυπτονόμισμα βασισμένο σε “αλυσίδα από μπλοκ” (blockchain). Επιπλέον, προτείνουμε αλγόριθμο για φόρτιση και αποφόρτιση ηλεκτρικών οχημάτων που προωθεί επιχειρηματικά μοντέλα που κάνουν χρήση της δυνατότητας των ηλ. οχημάτων να αποθηκεύουν ενέργεια. Συμπληρωματικά, για να αξιολογήσουμε την αβεβαιότητα των συμμετεχόντων, και να προβλέψουμε σωστά τη μελλοντική τους συμπεριφορά, υιοθετούμε τεχνικές μηχανικής μάθησης. Τέλος, παρέχουμε μεθοδολογία για την παροχή υπηρεσιών διαχείρισης ζήτησης (DSM) μεγάλης κλίμακας βασισμένη σε αρχιτεκτονική διαδικτύου των πραγμάτων (IoT). Τα αποτελέσματα από τις προσομοιώσεις που χρησιμοποιούν δεδομένα από τον πραγματικό κόσμο, δείχνουν ότι η χρήση των προτεινόμενων μεθόδων σε συνθήκες μεγάλης κλίμακας μπορεί να ωφελήσει σημαντικά τους τελικούς χρήστες, το δίκτυο, και το περιβάλλον.

show abstract