In this paper, the optimal operation problem of smart micro-grids integrated with the pricing of Time-of-Use (TOU) demand response (DR) program is modeled as a two-stage stochastic programming problem with the aim of minimizing the cost of MG operation and running TOU in the presence of renewable resources and incentive-based DR programs. Here, TOU as the most common type of time-based DR programs is implemented using a linear function based on the concept of self- and cross-price elasticity of load demand. In the presented model, the forecasting errors of generation of renewable resources are modeled by probability density functions. The operator of MG decides on two stages for optimal management of its network; the first stage refers to the operation of base condition of MG and the second one is pertaining to after the realization of different scenarios for generation of renewable resources. The base condition of MG refers to the situation in which the active power productions of renewables are equal to the predicted values. The proposed model is solved by Particle Swarm Optimization algorithm. A typical MG is employed to investigate and analyze the different features of the method. By varying the demand response potential of MG consumers, TOU tariffs are determined, and their impact on the results of energy and reserve cost as well as voltage and load profiles of MG are analyzed. Numerical results show the efficiency of DR in reducing costs as well as covering the uncertainty resulting from renewables.

中文翻译：

---

智能微电网能源和储备管理随机规划中最佳使用时间定价的集成

在本文中，与使用时间 (TOU) 需求响应 (DR) 计划定价相结合的智能微电网优化运行问题被建模为两阶段随机规划问题，目的是最小化成本在存在可再生资源和基于激励的 DR 计划的情况下，MG 运营和运行 TOU。在这里，TOU 作为最常见的基于时间的 DR 程序类型是使用基于负载需求的自我和交叉价格弹性概念的线性函数来实现的。在所提出的模型中，可再生资源发电的预测误差是通过概率密度函数建模的。MG 的运营商决定对其网络进行优化管理的两个阶段；第一阶段是指MG基础条件的运行，第二阶段是关于可再生资源发电的不同场景实现之后。MG 的基本条件是指可再生能源的有功发电量等于预测值的情况。提出的模型通过粒子群优化算法求解。采用典型的 MG 来研究和分析该方法的不同特征。通过改变 MG 消费者的需求响应潜力，确定 TOU 关税，并分析它们对 MG 的能源和储备成本以及电压和负载曲线的影响。数值结果表明 DR 在降低成本以及覆盖可再生能源带来的不确定性方面的效率。MG 的基本条件是指可再生能源的有功发电量等于预测值的情况。提出的模型通过粒子群优化算法求解。采用典型的 MG 来研究和分析该方法的不同特征。通过改变 MG 消费者的需求响应潜力，确定 TOU 关税，并分析它们对 MG 的能源和储备成本以及电压和负载曲线的影响。数值结果表明 DR 在降低成本以及覆盖可再生能源带来的不确定性方面的效率。MG 的基本条件是指可再生能源的有功发电量等于预测值的情况。提出的模型通过粒子群优化算法求解。采用典型的 MG 来研究和分析该方法的不同特征。通过改变 MG 消费者的需求响应潜力，确定 TOU 关税，并分析它们对 MG 的能源和储备成本以及电压和负载曲线的影响。数值结果表明 DR 在降低成本以及覆盖可再生能源带来的不确定性方面的效率。采用典型的 MG 来研究和分析该方法的不同特征。通过改变 MG 消费者的需求响应潜力，确定 TOU 关税，并分析它们对 MG 的能源和储备成本以及电压和负载曲线的影响。数值结果表明 DR 在降低成本以及覆盖可再生能源带来的不确定性方面的效率。采用典型的 MG 来研究和分析该方法的不同特征。通过改变 MG 消费者的需求响应潜力，确定 TOU 关税，并分析它们对 MG 的能源和储备成本以及电压和负载曲线的影响。数值结果表明 DR 在降低成本以及覆盖可再生能源带来的不确定性方面的效率。