The constantly increasing electricity and energy demand in residential buildings, as well as the need for higher absorption rates of renewable sources of energy, demand for an increased flexibility at the end-users. This need is further reinforced by the rising numbers of residential Photovoltaic (PV) and battery-storage systems. In this case, flexibility can be viewed as the excess energy that can be charged to or discharged from a battery, in response to a group objective of several such battery-storage systems (aggregation). One such group objective considered in this paper includes marketing flexibility (charging or discharging) to the Day-ahead (DA) spot market, which can provide both a) financial incentives to the owners of such systems, and b) an increase in the overall absorption rates of renewable energy. The responsible agent for marketing and offering such flexibility, herein aggregator, is directly controlling the participating batteries, in exchange to some financial compensation of the owners of these batteries. In this paper, we present an optimization framework that allows the aggregator to optimally exchange the available flexibility to the DA market. The proposed scheme is based upon a reinforcement-learning approach, according to which the aggregator learns through time an optimal policy for bidding flexibility to the DA market. By design, the proposed scheme is flexible enough to accommodate the possibility of erroneous forecasts (of weather, load or electricity price). Finally, we evaluate our approach on real-world data collected from currently installed battery-storage systems in Upper Austria.

中文翻译：

---

电池池提前优化的协作需求响应框架

住宅建筑物中电力和能源需求的不断增长，以及对可再生能源的更高吸收率的需求，都要求最终用户增加灵活性。住宅光伏（PV）和电池存储系统的数量不断增加，进一步增强了这种需求。在这种情况下，可以将灵活性视为响应于多个此类电池存储系统（集合）的组目标可以充入电池或从电池中放电的多余能量。本文中考虑的一个此类团体目标包括针对日前（DA）现货市场的营销灵活性（充电或放电），这可以提供a）此类系统所有者的财务激励，以及b）总体上的增长可再生能源的吸收率。负责营销和提供这种灵活性的责任代理（此处称为聚合器）直接控制参与的电池，以换取这些电池所有者的经济补偿。在本文中，我们提出了一个优化框架，该框架可使聚合器以最佳方式交换DA市场的可用灵活性。提议的方案基于强化学习方法，根据该方法，聚合器可以通过时间学习针对DA市场竞标灵活性的最佳策略。通过设计，该提议的方案足够灵活，可以容纳（天气，负荷或电价）错误预测的可能性。最后，我们根据从上奥地利州当前安装的电池存储系统收集的真实数据评估我们的方法。这里的聚合商直接控制参与的电池，以换取这些电池所有者的经济补偿。在本文中，我们提出了一个优化框架，该框架可使聚合器以最佳方式交换DA市场的可用灵活性。提议的方案基于强化学习方法，根据该方法，聚合器可以通过时间学习针对DA市场竞标灵活性的最佳策略。通过设计，该提议的方案足够灵活，可以容纳（天气，负荷或电价）错误预测的可能性。最后，我们根据从上奥地利州当前安装的电池存储系统收集的真实数据评估我们的方法。这里的聚合商直接控制参与的电池，以换取这些电池所有者的经济补偿。在本文中，我们提出了一个优化框架，该框架可使聚合器以最佳方式交换DA市场的可用灵活性。提议的方案基于强化学习方法，根据该方法，聚合器可以通过时间学习针对DA市场竞标灵活性的最佳策略。通过设计，该提议的方案足够灵活，可以容纳（天气，负荷或电价）错误预测的可能性。最后，我们根据从上奥地利州当前安装的电池存储系统收集的真实数据评估我们的方法。以换取这些电池所有者的经济补偿。在本文中，我们提出了一个优化框架，该框架可使聚合器以最佳方式交换DA市场的可用灵活性。所提出的方案基于强化学习方法，据此聚合器可以通过时间学习一种针对DA市场竞标灵活性的最佳策略。通过设计，该提议的方案足够灵活，可以容纳（天气，负荷或电价）错误预测的可能性。最后，我们根据从上奥地利州当前安装的电池存储系统收集的真实数据评估我们的方法。以换取这些电池所有者的经济补偿。在本文中，我们提出了一个优化框架，该框架允许聚合器以最佳方式交换DA市场的可用灵活性。提议的方案基于强化学习方法，根据该方法，聚合器可以通过时间学习针对DA市场竞标灵活性的最佳策略。通过设计，该提议的方案足够灵活，可以容纳（天气，负荷或电价）错误预测的可能性。最后，我们根据从上奥地利州当前安装的电池存储系统收集的真实数据评估我们的方法。提议的方案基于强化学习方法，根据该方法，聚合器可以通过时间学习针对DA市场竞标灵活性的最佳策略。通过设计，该提议的方案足够灵活，可以容纳（天气，负荷或电价）错误预测的可能性。最后，我们根据从上奥地利州当前安装的电池存储系统收集的真实数据评估我们的方法。所提出的方案基于强化学习方法，据此聚合器可以通过时间学习一种针对DA市场竞标灵活性的最佳策略。通过设计，该提议的方案足够灵活，可以容纳（天气，负荷或电价）错误预测的可能性。最后，我们根据从上奥地利州当前安装的电池存储系统收集的真实数据评估我们的方法。