Traducido del inglés al español - www.onlinedoctranslator.

com

Disponible en línea enwww.sciencedirect.com

Ciencia Directa

Informes energéticos 8 (2022) 163–171

www.elsevier.com/locate/egyr

2022 La 4ª Conferencia Internacional sobre Energía Limpia y Sistemas Eléctricos (CEES 2022),
2 a 4 de abril de 2022, Tokio, Japón

Estrategia de programación y oferta del agregador para energías renovables

Integración basada en la teoría de la decisión sobre la brecha de información.

Jia Mei Lia, Qian Aia,∗, Minyu Chena, Kaiyi Huangb

aUniversidad Jiao Tong de Shanghai, No. 800 Dongchuan RD. Distrito de Minhang, Shanghái 20024, China
bCompañía de suministro de energía eléctrica State Grid Shanghai Fengxian, No. 688, Nanqiao RD. Distrito de Fengxian, Shanghái 201400, China

Recibido el 7 de mayo de 2022; aceptado el 17 de mayo de 2022

Disponible en línea el 30 de mayo de 2022

Abstracto

Debido a la creciente penetración de las energías renovables, el problema de limitar la energía eólica y fotovoltaica es cada vez más importante. Se
establece un mercado de máxima regulación para la integración de energías renovables en China. Gracias a la flexibilidad en el lado de la demanda, el
agregador puede participar en el mercado de máxima regulación. Para este propósito, este artículo tiene como objetivo derivar una estrategia óptima de
programación y oferta para el agregador en el mercado de máxima regulación. La estrategia propuesta aplica la teoría de la decisión sobre la brecha de
información (IGDT) para abordar la incertidumbre del precio de equilibrio del mercado. Primero, se da la estrategia determinista del agregador que
considera dos tipos de carga: carga de control de temperatura (TCL) y vehículo eléctrico (EV). Y con base en IGDT se presenta la estrategia robusta y la
estrategia oportunista. Luego, para reducir aún más la pérdida de ganancias causada por el error previsto del precio de equilibrio del mercado, se
desarrolla la curva de oferta escalonada. Finalmente, los resultados de los estudios de caso validan la efectividad de la estrategia propuesta.

© 2022 Los Autores. Publicado por Elsevier Ltd. Este es un artículo de acceso abierto bajo licencia CC BY (
http://creativecommons.org/licenses/by/4.0/).

Revisión por pares bajo responsabilidad del comité científico de la 4ta Conferencia Internacional sobre Energías Limpias y Sistemas Eléctricos, CEES, 2022.

Palabras clave:Integración renovable; Regulación máxima; Curva de oferta escalonada; Teoría de la decisión sobre la brecha de información; Agregador

1. Introducción
En el contexto del desarrollo sostenible, la energía renovable es una opción importante para que los países logren la transición energética.
En la actualidad, muchos países tienen una proporción significativa de energía renovable en sus sistemas de suministro de energía. En 2020,
el 46 por ciento del consumo de energía de Alemania se cubrió con energías renovables [1]. La capacidad instalada de energías renovables ha
alcanzado el 1×106megavatios en China. Sin embargo, la integración de las energías renovables plantea grandes desafíos para el
funcionamiento seguro y estable de la red eléctrica. El exceso de producción de energía renovable ha provocado frecuentes precios negativos
de la electricidad en Australia y Alemania. Las restricciones en energía eólica y fotovoltaica son muy graves en China. Cómo abordar el
desajuste entre las curvas de producción de energía renovable y la demanda se ha convertido en un problema urgente para muchos países.
China busca resolver los problemas mencionados mediante el diseño de políticas razonables.

∗ Autor correspondiente.
Dirección de correo electrónico:aiqian@sjtu.edu.cn (P. Ai).

https://doi.org/10.1016/j.egyr.2022.05.131
2352-4847/© 2022 Los autores. Publicado por Elsevier Ltd. Este es un artículo de acceso abierto bajo licencia CC BY (http://creativecommons. org/
licenses/by/4.0/).
Revisión por pares bajo responsabilidad del comité científico de la 4ta Conferencia Internacional sobre Energías Limpias y Sistemas Eléctricos, CEES,
2022.
J. Li, Q. Ai, M. Chen et al. Informes energéticos 8 (2022) 163–171

Nomenclatura

Superíndices

AGG Agregador
Máximo minimo Máximo mínimo
SOY Modelo de agregación
fotovoltaica fotovoltaico
Base Caso base sin servicio de regulación pico AGG
B/S compra/venta de energía
F Mercado de regulación máxima

mi Energía
D/R/O Determinista/Robusto/Oportunista

Conjunto e índices

i Índice del grupo de agregación de vehículos

t,t eléctricos Índice y conjunto de tiempo

s Índice de los pasos

Parámetros

∆t Duración del período Coeficiente de costo de la

λ carga Temperatura exterior y establecida
θColocarθafuera
Capacidad y resistencia térmica equivalente
Ca,R Eficiencia de conversión termoeléctrica Número
η
norte

W. variable de estado del vehículo eléctrico

A,td Tiempo de entrada y salida del vehículo

pagmi eléctrico Precio de compra/venta de

S energía Cantidad de pasos

variables
pagF Precio del servicio de regulación pico
C Costo
θ Temperatura
PAG Fuerza
mi,EE.UU. Variable energética y variable auxiliar de
En Renta EV
DE Oferta
B Beneficio del servicio de regulación pico

mecanismo de mercado. Así, se ha establecido un mercado de máxima regulación en el que las generaciones tradicionales operan en condiciones de

baja carga y obtienen rendimientos de mercado. Mientras tanto, con la ayuda de la tecnología de red inteligente, los recursos de carga como TCL y EV

son programables. En [2] y [3], TCL y EV se modelan como almacenes de energía virtuales controlados por agregadores. Por lo tanto, el agregador puede

participar en el mercado de máxima regulación mediante la programación de recursos de demanda.

El precio de equilibrio del mercado lo determinan los miembros del mercado y la demanda del mercado, por lo que es incierto. Existen

principalmente tres métodos para abordar la incertidumbre. En primer lugar, es un método robusto, pero demasiado conservador y se centra más en el

peor de los casos [4]. En segundo lugar, el método de optimización estocástica, que requiere escenarios típicos de incertidumbre.

164
J. Li, Q. Ai, M. Chen et al. Informes energéticos 8 (2022) 163–171

variables [5]. En tercer lugar, IGDT. IGDT no necesita una gran cantidad de datos históricos para formar la función de distribución de densidad
de variables inciertas [6], y puede proporcionar decisiones según las preferencias del agregador. Al mismo tiempo, cuando el agregador
proporciona la curva de oferta escalonada en el mercado, las capacidades exitosas son desiguales para diferentes precios de compensación,
lo que puede reflejar mejor el impacto del cambio del precio de compensación del mercado en la participación del agregador en el mercado.
Además, el método IGDT se puede utilizar para formar la curva de oferta escalonada porque proporciona a los tomadores de decisiones una
variedad de estrategias y garantiza los beneficios preestablecidos bajo diferentes desviaciones de pronóstico.

Este artículo presenta un nuevo enfoque para la estrategia de programación y oferta del agregador basado en el IGDT. En un primer
momento, se aborda la rutina de máxima regulación del mercado para la integración de energías renovables. En segundo lugar, se propone
el modelo determinista para el agregador en el mercado de máxima regulación, que considera dos tipos de recursos de carga. Mientras tanto,
basándose en el método IGDT, el modelo determinista se convierte en un modelo robusto y en un modelo oportunista y se transforma en un
modelo de un solo nivel. Luego, se investiga el método de construcción de la curva de oferta escalonada para el agregador. Finalmente, se
entrega un estudio de caso para verificar la efectividad de la estrategia propuesta.

2. Rutina del mercado

En la etapa diaria, los integrantes de generación y consumo presentan los planes de operación. Según los planes operativos, el
operador de la red evalúa si existe el problema de abandonar la energía eólica y fotovoltaica. Si aparecen restricciones en energía
eólica y fotovoltaica, se abre un mercado de regulación de picos para promover los consumos de energía eólica y fotovoltaica. Y los
planes operativos sirven como base para evaluar las contribuciones de los participantes del mercado en el mercado de máxima
regulación. Los participantes del mercado ofrecen precios y capacidad en el mercado de máxima regulación, y el operador de la red
adopta un precio uniforme de compensación del mercado para calcular el pago.

3. Estrategia determinista

3.1. TCL

El agregador proporciona a TCL servicios de refrigeración y calefacción. TCL y el agregador han fijado la
temperatura confortable de antemano. Si el agregador no puede mantener la temperatura del TCL a una
temperatura cómoda, el agregador debe pagar el costo incómodo.CTCLa TCL.
∑t
λTCL ( θColocar−θ)2 (1)
CTCL= t
t=1
( 1
) ( 1
)
norteTCLθt+1=norteTCLθt + 1-mi− RCa ηPAGTCL
t + norteTCL1-mi − RCa θafuera
t (2)
PAGTCL,mín. TCL ≤PAGTCL,mamá X
t ≤PAGt t (3)
θTCL,mín.≤θt≤θTCL,máximo (4)
Ec.(2)Da la relación entre la temperatura interior y la potencia TCL. Restricciones(3)–(4)limita los rangos de
potencia del TCL y la temperatura interior.

3.2. vehículo eléctrico

El agregador proporciona a los vehículos eléctricos el servicio de carga. Debido a los diferentes tiempos de entrada y salida de los
vehículos eléctricos, consideramos agruparlos en grupos según los tiempos de entrada y salida. El grupo de agregación.imodelo se muestra
de la siguiente manera:
miSOY,máximo
{ ( ) }
él =mín. norteEV,yo mi De mi a mi+PAGi
máximo
(t−Ai)∆t , norte
EV,yo mii
máximo
t∈(Ai, T di) t∈( (5)
miSOY,mín. { ( ex+PAGmín.
) minorte
}
él =máximo norteEV,yo mii i (T di−t)∆t , norte EV,yomi Ai, t di) (6)
{( ) }i
mín.
PAGSOY,máximo
él =mín. él+1 −
mivehículo eléctrico,máximo mivehículo eléctrico,
él /∆t, norteEV,yoPAGvehículo eléctrico,
i
máximo
t∈(Ai, T di−1) (7)
{( ) }
PAGSOY,mín. V,mín.
él =mín. él+1 − mi
mivehículo eléctrico,mín. V,
élmi
máximo
/∆t, norte EV,yoPAGmi i t∈(Ai, T di−1) (8)
misoy, intercambio =miSOY,máximo( )
él+1 él+1 W.2él+1−W.2 él (9)
165
J. Li, Q. Ai, M. Chen et al. Informes energéticos 8 (2022) 163–171

PAGSOY,mín. ≤PAGsoy, ev ≤PAGSOY,máximo

él él él (10)
miSOY,mín. ≤miSOY,máximo
él ≤miSOY
él él (11)
PAGsoy, ev
él + él
+1=miSOY
élSOY
EE.UU. ∆t (12)
miSOY
él+1=EE.UU.SOY
él+1+misoy,t+1
intercambio (13)
Ecuaciones.(5)–(8)calcular los límites de potencia y energía del grupo EVi. Ec.(9)Proporciona el cambio de energía causado por la
entrada y salida del vehículo eléctrico. Restricciones(10)–(11)limita los alcances del grupo EVesel poder y la energía. Ecuaciones
(12)–(13)muestra el proceso de actualización del grupo EVesenergía.
Además, dado que los vehículos eléctricos prefieren cargarse a la máxima potencia inmediatamente después de su entrada, el agregador debe pagar los costos
de despacho para programar el tiempo de carga de los grupos de vehículos eléctricos. Considerando la desigualdad de medias aritméticas y geométricas, los
agregadores tienen el costo más bajo cuando las desviaciones de energía se distribuyen uniformemente dentro del grupo de vehículos eléctricos. Por lo tanto, el
costo de envío de vehículos eléctricosCvehículo eléctricose da de la siguiente manera:

∑ ∑ (t+1 )2
Cvehículo eléctrico=
λvehículo eléctricomiSOY,máximo
él − EE.UU.
élSOY (14)
NEV, es=1

3.3. Agregador

El agregador tiene como objetivo minimizar el costo de operación.CAGG,que se compone de cuatro términos: el costo de compra y
venta de energíaCmi,el pico de ingresos del mercado de regulaciónEnF,el incómodo costo del TCL y el costo de despacho del EV.

CAGG=mín. Cmi−EnF+CTCL+Cvehículo eléctrico (15)

calle(1)∼(14)
∑ ( )
B
Cmi= pagmi PAG−t PAG
t S (dieciséis)

t
∑
F
EnF= pagFDE (17)
tF
∑ PAGsoy, ev
PAG
t B−PAGtS = él + PAGTCL−PAGfotovoltaica
t t (18)
NEV,yo

PAG B tS − PAG
t−PAG t Base=DEF (19)
Ecuaciones.(dieciséis)y(17)dar el costo de compra y venta de energía y los ingresos máximos del mercado de regulación. Ec.(18)
Restringe el equilibrio de poder del agregador. Ec.(19)Calcula la capacidad de oferta del agregador en el mercado de máxima
regulación. YPAGBaseEstá formado por el modelo del agregador sin el servicio de regulación de picos.

4. Modelo de teoría de la decisión sobre la brecha de información

4.1. Teoría de la decisión sobre la brecha de información

La teoría de la decisión sobre la brecha de información es un enfoque no probabilístico para abordar la incertidumbre, que modela el
error de intervalo entre los datos reales y los datos pronosticados sin una gran cantidad de información histórica. Además, el método IGDT
puede proporcionar dos tipos de estrategias: robustas y oportunistas, mientras se alcanza el beneficio crítico del tomador de decisiones. El
modelo IGDT suele contener las siguientes tres partes: modelo del sistema, modelo de incertidumbre y configuración de rendimiento.

(1)Modelo de sistemaB(D,v) demuestra la entrada y salida del modelo IGDT.Des la variable de decisión
vector, que incluye el poder de programación del agregador y la oferta máxima del mercado de regulación.vrepresenta la variable incierta,
que es el precio de compensación en el mercado de máxima regulaciónpagF.
(2)Modelo de incertidumbrese aplica para describir la brecha de fluctuaciónαentre la variable inciertavy el
valor previstoṽ, que se da de la siguiente manera:
{ }
|v−ṽ|
ω (α, ṽ)=v: ≤α α≥0 (20)
ṽ
166
J. Li, Q. Ai, M. Chen et al. Informes energéticos 8 (2022) 163–171

(3)Configuración de rendimientorepresentan la preferencia del tomador de decisiones, que refleja el grado de robustez u
oportunidad de la estrategia de oferta frente a la incertidumbre.

4.2. Estrategia sólida

Para quienes toman decisiones con aversión al riesgo, se utiliza una estrategia sólida para evitar en la medida de lo posible la influencia de
la variable incierta en los resultados de la optimización. Bajo la condición de que el beneficio del tomador de decisiones alcance el umbral
preestablecido, la brecha de fluctuación es máxima.
{ }
α̂ (D,BR)=máximo α: mín. B (D,v)≥BR=(1-σR)BD (21)
D v∈ω(α,ṽ)

DóndeσRdenota el factor de nivel de beneficio robusto.

Según el modelo determinista de la sección3, el modelo equivalente de un solo nivel se muestra a continuación:

máximoα (22)
D
calle(1)∼(19)
∑
EnF= ( pagF−αp̃F) DEF (23)
tF
( )
CAGG,base−Cmi+EnF−CTCL−Cvehículo eléctrico≥(1-σR)CAGG,base−CAGG,D (24)

4.3. Estrategia oportunista

Para un tomador de decisiones que busca riesgos, la estrategia oportunista se aplica para buscar un mayor beneficio y prestar menos atención al
riesgo. Encuentra la brecha de fluctuación mínima, mientras que se puede obtener el beneficio máximo preestablecido por quien toma las decisiones.

{ }
α̂ (D,Boh)=mín. α: máximo B (D,v)≥Boh=(1 +σoh) BD (25)
D v∈ω(α,ṽ)

Dóndeσohdenota el factor de nivel de beneficio oportunista.

Según el modelo determinista de la sección3, el modelo equivalente de un solo nivel se muestra a continuación:

mín.α (26)
D
calle(1)∼(19)
∑
EnF= ( pagF+αp̃F) DEF (27)
tF
( )
CAGG,base−Cmi+EnF−CTCL−Cvehículo eléctrico≥(1 +σoh) CAGG,base−CAGG,D (28)

5. Desarrollar la curva de oferta escalonada

En esta sección, desarrollamos la curva de oferta escalonada para el agregador en el mercado de máxima regulación. El
proceso detallado se da enFigura 1, dóndeBD=CAGG,base−CAGG,D.

6. Estudio de caso

6.1. datos básicos

Aggregator gestiona 1500 TCL y 600 EV, los parámetros de TCL y EV se derivan de [7,8]. Según la predicción diaria, habrá
sobregeneración de energía eólica durante 24 h-2 h. El mercado de regulación máxima está abierto a la compra de recursos
de regulación máxima de 24 h a 2 h. Los precios de la energía se muestran entabla 1y el precio máximo previsto en el
mercado de regulación es de 0,6 CNY/kW. Para verificar este método, configuramos los siguientes casos:
Caso 1: estrategia básica del agregador sin servicio de regulación máxima;
Caso 2: estrategia determinista del agregador;
Caso 3: La sólida estrategia de Aggregator conσR= 0.1; Caso 4:
La estrategia oportunista del agregador conσoh= 0.1;
167
J. Li, Q. Ai, M. Chen et al. Informes energéticos 8 (2022) 163–171

Figura 1.Curva de oferta escalonada en desarrollo.

Tabla 1.Precio de la energía.

Tiempo Precio/(CNY/kW)

22 h – 8 h 0.3139
9 h–12 h, 18 h–21 h 1.0697
13 h–17 h 0.6418

Figura 2. (a) potencia del vehículo eléctrico; (b) potencia TCL.

6.2. Caso determinista

Cuando el agregador no proporciona el servicio de regulación pico, el costo de operación es 496,0 CNY. Y cuando ag
el gregator pro véase el registro pico servicio de ulación, el costo de operación es −1240,5 CNY. Se puede ver que ofrecer e
En él
t regulación máxima ion m el mercado es abl reduce el costo operativo del agregador. La capacidad de oferta del agregador en una hora
de tél regulación pico vicio es de 1.676,4 kW. DeFigura 2, podemos encontrar que la potencia del EV disminuye
servicio de ción

en15 h, 16 h, 19 h, 22 h, 23 h y la potencia de TCL disminuye en 22 h, 23 h, 3 h, 4 h. Por lo tanto, el agregador puede aumentar el

consumo.mptio norte duranteel PE Período de regulación ak para la integración de energías renovables.

6.3. modelo IGDT

Fig. 3Delaware fotos del pe Alaska regulación pacidades p Proporcionado por TCL y EV en diferentes casos. La oferta del agregador
California

capacidad en una hour de Caso2, Caso3, Caso 4 son respectivamente 1676,4 kW, 1585,8 kW, 1759,3 kW, y las ganancias
operativas son 1240,5 CNY, 1066,8 CNY, 1414,1 CNY, que ilustran la siguiente relación: estrategia oportunista>
168
J. Li, Q. Ai, M. Chen et al. Informes energéticos 8 (2022) 163–171

Fig. 3.Oferta de capacidad de regulación máxima.

estrategia determinista>estrategia robusta. Estos resultados son consistentes con las diferentes preferencias del tomador de decisiones.
Además, se puede calcular que el servicio de regulación de horas pico lo proporciona principalmente EV en 24 h y 1 h, mientras que TCL
proporciona principalmente el servicio de regulación de horas pico en 2 h.

6.4. Paso ofreciendo curvas

Figura 4Da las curvas de paso de oferta en diferentes precios y pasos pronosticados. Se puede observar que los
diferentes precios previstos conducen a diferentes rangos de variación del precio de oferta y de la capacidad. Cuando los
precios previstos son 0,6 CNY/kW, 0,4 CNY/kW, 0,8 CNY/kW, los rangos de variación de precios son 0,4 CNY/kW-0,81 CNY/kW,
0,27 CNY/kW-0,55 CNY/kW, 0,53 CNY/kW -1,1 CNY/kW, los rangos de variación de capacidad son 1270 kW-2100 kW, 1000
kW-1550 kW, 1500 kW-2400 kW. Y cuantos más pasos haya en la curva de oferta, más preciso será el impacto del cambio de
precio en la capacidad de oferta.

Tabla 2.Beneficios del agregador bajo una estrategia de oferta diferente con precio previsto = 0,6.

Error previsto Beneficio/(CNY)

Oferta determinista oferta de paso oferta de paso

paso = 7 paso = 13

− 10%/+10% 1434,7/2038,2 1446,3/2049,1 1446,3/2049,1

− 15%/+15% 1283,8/2189,1 1310,6/2207,4 1310,6/2215,7
− 20%/+20% 1132,9/2340,0 1164,2/2386,4 1177,9/2386,4
− 25%/+25% 982,0/2490,9 1049,0/2555,6 1055,3/2561,6
−30%/+30% 831,2/2641,8 933,8/2741,4 933,8/2741,4

Tabla 2proporciona las distribuciones de ganancias bajo diferentes estrategias de oferta con precio previsto = 0,6. La curva de
oferta escalonada puede garantizar más beneficios para el agregador que la oferta determinista. Cuanto mayores sean los errores
de predicción, mayores serán las diferencias de beneficios entre la oferta escalonada y la oferta determinista. Cuando el error
previsto aumenta del 10% al 30%, la diferencia de beneficios aumenta de 11,6CNY a 102,6CNY. Y cuando el error previsto es del 15%,
20%, 25%, la oferta escalonada con 13 pasos es más rentable para el agregador que la oferta escalonada con 7 pasos, lo que
significa que aumentar el número de pasos puede garantizar más beneficios para el agregador.

7. Conclusión
En este artículo, se presenta una estrategia de programación y oferta basada en IGDT en el mercado de máxima regulación para
el agregador que gestiona TCL y EV. Considerando el precio de equilibrio del mercado como variable incierta, se desarrolla una curva
de oferta escalonada para el agregador. Los resultados del caso verifican la aplicabilidad del enfoque de oferta estratégica
desarrollado. Y los resultados arrojan las siguientes conclusiones:
(1) Para brindar el servicio de regulación pico, el agregador traslada el consumo al período de regulación pico.
Y participar en el mercado de máxima regulación puede reducir el costo operativo para el agregador.
(2) Las capacidades de oferta y los beneficios de la operación tienen relación en diferentes casos: estrategia oportunista>
estrategia determinista>estrategia sólida, que sea consistente con la preferencia de quien toma las decisiones.

169
J. Li, Q. Ai, M. Chen et al. Informes energéticos 8 (2022) 163–171

Figura 4. (a) Precio previsto = 0,6, paso = 7; ( = b) Pr prevista hielo = 0,6, paso = 13; (c) Precio previsto = 0,4, precio = 7; (d) Precio previsto
0,4, paso = 13; (e) Precio previsto = 0,8, paso = 7; (f) para refundido por pasos = 0,8, paso = 13.

(3) El agregador que ofrece los s curva tep en Mientras el mercado de regulación máxima puede obtenerHay más beneficios
oferta determinista. Y el pr más grande error de edición más, mayores diferencias de beneficios entre los pasos que la oferta e step y el
oferta determinista. Además, aumenta entumecido pueden garantizar más beneficios para el mercado. agregador.

Declaración de intereses contrapuestos

Los autores declaran que han no conocido c Competencia con intereses financieros o relaciones Aciones que podrían
parecido influir en el trabajo re portado en th personales.

Expresiones de gratitud

Este trabajo fue apoyado por el Nat Tecla ional R Programa &D de China (2021YFB240120 3).
170
J. Li, Q. Ai, M. Chen et al. Informes energéticos 8 (2022) 163–171

Referencias
[1] Wire Clean Energy, 2021. Objetivos de transición energética y emisiones de gases de efecto invernadero de Alemania (en línea). Disponible:https://www.cleanene
rgywire.org/factsheets/germanys-greenhouse-gas-emissions-and-climate-targets.
[2]Hao H, Wu D, Lian J, Yang T. Coordinación óptima de cargas de edificios y almacenamiento de energía para la red eléctrica y los servicios al usuario final. IEEE Trans
Smart Grid 2018;9.5(2018):4335–45.
[3]Wu J, Hu J, Ai X, Zhang Z, Hu H. Gestión de energía en múltiples escalas de prosumidores basados en modelos de vehículos eléctricos mediante el uso de un
modelo de batería virtual. Appl Energy 2019;251(2019):113312.
[4]Mehdizadeh A, Taghizadegan N. Enfoque de optimización sólido para la estrategia de licitación de microrredes basadas en generación renovable bajo gestión del
lado de la demanda. Renovación IET. Generador de energía. 2017;11(2017):1446–55.
[5]Shi L, Luo Y, G. Tu. Estrategia de licitación de microrred con consideración de incertidumbre para participar en el mercado eléctrico. Int J Electr Power
Energy Syst 2014;59(2014):1–13.
[6]Shafiee S, Zareipour H, Knight AM, Amjady N, Mohammadi-Ivatloo B. Estrategia de licitación y oferta con riesgo limitado para una planta comercial de
almacenamiento de energía de aire comprimido. IEEE Trans Power Syst 2017;32.2:946–57.
[7]Iria J, Soares F, Matos M. Estrategia de oferta óptima para un agregador de prosumidores en los mercados de energía y de reserva secundaria. Appl
Energy 2019;238(2019):1361–72.
[8] Zhang J, Che L, Wan X, Shahidehpour M. Coordinación jerárquica distribuida de estaciones de carga en red basada en el comercio entre pares y la cuantificación
de la flexibilidad de carga de vehículos eléctricos. Traducción IEEE. Sistema de energía. para ser publicado.

171