Elektrik mikro şebekelerinin işletimi, kısa vadeli talep belirsizlikleri karşısında oldukça savunmasız durumda. Geleneksel yaklaşımlar, önce tahmin yapıp sonra optimizasyon uygulama prensibine dayansa da, bu yöntemler olasılıksal tahmin kalitesini operasyonel performansla tam olarak uyumlaştıramıyor.
Yeni geliştirilen çerçeve, CVaR (Conditional Value at Risk) tabanlı karar odaklı öğrenme ve risk tetiklemeli yeniden optimizasyon stratejisini kullanıyor. Sistem, öncelikle olasılıksal yük tahmin modeli aracılığıyla çok-kantil çıktılar üretiyor ve bunları tahmin aralıklarına dönüştürerek iki aşamalı sağlam optimizasyon modelinin belirsizlik setini parametreleştiriyor.
Araştırmanın en önemli yeniliklerinden biri, zor ve yüksek riskli işletme koşulları altında tahmin güvenilirliğini artıran CVaR-güdümlü tahmin hedefi. Bu yaklaşım, kuyruk-duyarlı örneklere özel önem vererek sistem performansını kritik durumlarda optimize ediyor.
Tahmin-karar arasındaki boşluğu kapatmak için geliştirilen konveks düzenlenmiş vekil TSRO modeli ve yumuşak pişmanlık kaybı, operasyonel geri bildirimin tahmin sürecine aktarılmasını mümkün kılıyor. Bu entegrasyon, sistem performansının sürekli iyileştirilmesine olanak tanıyor.
Bu gelişme, yenilenebilir enerji kaynaklarının artan kullanımıyla birlikte daha da önem kazanan mikro şebeke yönetiminde önemli bir adım teşkil ediyor.