رئیس دانشکده مهندسی برق و کامپیوتر مجله مهندسی برق دانشگاه تبریز 2008-7799 55 4 2025 12 22 Distributionally Robust Joint Chance-Constrained Optimization Framework for Electricity Imbalance: Integrating Renewables and Storages چارچوب بهینه سازی مقاوم توزیعی با قیود احتمالی مشترک برای ناترازی انرژی برق: تجمیع منابع تجدیدپذیر و ذخیره سازها 687 696 19442 10.22034/tjee.2025.63090.4884 FA امیر نوری گروه کنترل و سیستم، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی بابک توسلی گروه کنترل و سیستم، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی علیرضا فریدونیان گروه سیستم های قدرت، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی Journal Article 2024 08 23 Integrating Distributed Energy Resources (DERs) with peer-to-peer (P2P) energy trading offers promising solutions for grid modernization by incentivizing prosumers to participate in mitigating peak demand. However, this integration also introduces operational uncertainties and computational challenges. This paper aims to address these challenges with a novel scalable and tractable distributionally robust joint chance-constrained (DRJCC) optimization framework that effectively facilitates P2P energy trading by enhancing flexibility provision from large-scale DER operations under uncertain supply and demand. Therefore, a practical framework is proposed to solve the core challenges of DRJCC by integrating three key components: (1) a Wasserstein ambiguity set that effectively quantifies uncertainty with sparse data, (2) a CVaR-based approximation of joint chance constraints to balance computational efficiency with risk control, and (3) a privacy-preserving ADMM algorithm that enables distributed implementation through decomposition. To discern patterns in the data that indicate collaboration potential and adjust ambiguity sets for improved efficiency, K-means clustering is applied to historical scenarios. Simulation results show that the proposed framework reduces peak demand by approximately 28% and total community costs by around 31%, underscoring its effectiveness in enhancing grid robustness, operational reliability, and economic optimization in renewable-based energy management. یکپارچه‌سازی منابع انرژی توزیع‌شده با تجارت انرژی همتا-به-همتا راه‌حل‌های امیدوارکننده‌ای برای مدرن‌سازی شبکه قدرت با تشویق تولید-مصرف‌کنندگان (پروسیومرها) به کمک در کاهش تقاضای اوج ارائه می‌دهد. با این حال، این ادغام عدم‌قطعیت‌های عملیاتی و چالش‌های محاسباتی جدیدی را به همراه دارد. این مقاله با هدف مواجهه با این چالش‌ها، یک چارچوب نوآورانه بهینه‌سازی مقاوم توزیعی با قیود احتمالی مشترک (DRJCC) مقیاس‌پذیر و محاسبه‌پذیر ارائه می دهد که تجارت انرژی همتا-به-همتا را از طریق ارتقا استحصال انعطاف‌ حاصل از عملکرد منابع انرژی توزیع شده در مقیاس بزرگ تحت عدم‌قطعیت عرضه و تقاضا تسهیل می بخشد. چارچوب عملی پیشنهاد شده شامل سه مؤلفه کلیدی است: (1) یک مجموعه ابهام واسرستین که عدم‌قطعیت را با داده‌های کم به‌طور مؤثر احصا می‌کند، (2) یک تقریب مبتنی بر CVaR از قیود احتمالی مشترک برای تعادل بین کارایی محاسباتی و کنترل ریسک، و (3) الگوریتم ADMM با حفظ حریم خصوصی امکان اجرای توزیع‌شده از طریق تجزیه مساله را فراهم می‌آورد. برای شناسایی الگوهای داده که نشان‌دهنده پتانسیل همکاری هستند و تنظیم پارامترهای مجموعه‌های ابهام به منظور افزایش کارایی، از خوشه‌بندی K-means بر اساس سناریوها و داده‌های تاریخی استفاده شده است. نتایج شبیه‌سازی نشان می‌دهد که این چارچوب پیشنهادی تقاضای اوج را حدود 28% کاهش داده و هزینه‌های کلی جامعه را حدود 31% کاهش می‌دهد، که بیانگر اثربخشی آن در بهبود تاب‌آوری شبکه، قابلیت اطمینان عملیاتی و بهینه‌سازی اقتصادی در مدیریت انرژی منابع تجدیدپذیر توزیع شده است. https://tjee.tabrizu.ac.ir/article_19442_c9bdc5cd219bf3f354e4a008150671b4.pdf