인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Virtual power plant (VPP) operation commonly follows a predict-then-optimize framework, in which forecasts of generation, demand, and prices feed downstream optimization. However, minimizing statistical forecast errors overlooks cost asymmetry across error directions and periods, and the nonlinear response of decisions. This has motivated decision-focused learning, which incorporates downstream cost, profit, and risk into training or uncertainty representation. This paper reviews VPP and adjacent studies from three perspectives. Market participation benefits from identifying profit-sensitive periods and variables; resource operation requires attention to physical and time-coupled constraints and operational feasibility; and uncertainty handling improves when forecasts are aligned with downstream outcomes. Forecasts should therefore be evaluated using statistical metrics together with economic, operational, and risk implications. We further identify when such approaches are advantageous.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
