← 論文一覧に戻る

A Bilevel Optimisation Model for Distributed Energy Storage Considering Wind‐Solar Uncertainty and Carbon Trading

風力・太陽光の不確実性と炭素取引を考慮した分散型エネルギー貯蔵のための二段階最適化モデル (AI 翻訳)

Xiaonan Li, Rongxin Sun, Wenxu Zhang, Zhanhong Wei, Xiping Ma

IET Smart Grid📚 査読済 / ジャーナル2026-01-01#再生可能エネルギーOrigin: CN
DOI: 10.1049/stg2.70059
原典: https://doi.org/10.1049/stg2.70059

🤖 gxceed AI 要約

日本語

本論文は、風力・太陽光の出力不確実性と段階的炭素取引制度を考慮した分散型エネルギー貯蔵の二段階最適化モデルを提案。GANとクラスタリングでシナリオ生成の質を向上させ、改良型Osprey最適化アルゴリズムで解法を開発。シミュレーションにより、炭素排出量22.6%、電力損失22.3%、電力購入コスト9.2%の削減を実証。

English

This paper proposes a bilevel optimization model for distributed energy storage configuration that integrates wind-solar uncertainty and a tiered carbon trading scheme. It uses SNGAN and K-means for scenario generation, and an improved Osprey Optimization Algorithm. Simulation results show 22.6% reduction in carbon emissions, 22.3% reduction in daily active power loss, and 9.2% reduction in daily electricity purchase cost.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

日本でも再エネ大量導入時の系統安定化とカーボンプライシングの設計が課題。本手法は、電力貯蔵の最適配置と炭素取引の連携を示しており、日本のGX政策における系統運用や炭素市場設計の参考となり得る。

In the global GX context

This paper addresses the global challenge of integrating high shares of renewables with carbon pricing. The bilevel optimization framework and scenario generation method are applicable to any region implementing carbon trading, such as the EU ETS or emerging systems in Asia. It contributes to the literature on energy storage planning under uncertainty and market mechanisms.

👥 読者別の含意

🔬研究者:Researchers working on energy system optimization, machine learning for scenario generation, or carbon trading mechanisms will find the bilevel model and SNGAN approach novel.

🏢実務担当者:Utility and energy storage planners can use the optimization framework to configure distributed storage while accounting for carbon costs and renewable uncertainty.

🏛政策担当者:Policymakers designing carbon trading schemes can see how coupling carbon prices with storage incentives can reduce emissions and system costs.

📄 抄録（日本語訳）

「ダブルカーボン」戦略目標を達成するため、高比率の再生可能エネルギーの統合は、電力システムの安定性と経済効率に重大な課題をもたらす。本論文は、風力・太陽光発電の不確実性と炭素取引メカニズムを統合した分散型エネルギー貯蔵配置のための二段階最適化手法を提案する。まず、スペクトル正規化生成敵対ネットワーク（SNGAN）を用いて、多数の風力・太陽光発電出力シナリオを生成する。これらのシナリオは、K-meansクラスタリングアルゴリズムを用いて削減され、代表的な典型シナリオを得ることで、シナリオ生成の品質を大幅に向上させる。次に、段階的炭素取引スキームを考慮した分散型エネルギー貯蔵配置のための二段階最適化モデルを構築する。上位レベルのモデルは、エネルギー貯蔵投資、系統電力購入、炭素取引コストを含む総コストの最小化を目的とし、下位レベルのモデルは、電力系統の脆弱性指標と有効電力損失の最小化に焦点を当てる。最後に、改良型オスプレイ最適化アルゴリズムを開発し、二段階モデルを解く。シミュレーション結果は、提案手法がESSと炭素取引がない場合と比較して、年間炭素排出量を22.6%、日間有効電力損失を22.3%、日間電力購入コストを9.2%削減し、電力システム全体の性能を大幅に向上させることを実証している。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

📄 Abstract（原文）

To achieve the ‘Dual Carbon’ strategic goals, the integration of a high proportion of renewable energy poses significant challenges to the stability and economic efficiency of power systems. This paper proposes a bilevel optimisation method for distributed energy storage configuration that integrates wind‐solar power uncertainty and a carbon trading mechanism. First, a spectral normalisation generative adversarial network (SNGAN) is employed to generate a large number of wind‐solar power output scenarios. These scenarios are then reduced using the K‐means clustering algorithm to obtain typical representative scenarios, significantly improving the quality of scenario generation. Second, a bilevel optimisation model is constructed for distributed energy storage configuration considering a tiered carbon trading scheme. The upper‐level model aims to minimise the total cost, including energy storage investment, grid electricity purchase and carbon trading costs, whereas the lower‐level model focuses on minimising power grid vulnerability indices and active power losses. Finally, an improved Osprey Optimisation Algorithm is developed to solve the bilevel model. Simulation results demonstrate that the proposed method reduces annual carbon emissions by 22.6%, daily active power loss by 22.3% and daily electricity purchase cost by 9.2% compared to the case without ESS and carbon trading while significantly enhancing overall power system performance.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。