A community integrated energy system (CIES) is an important carrier of the energy internet and smart city in geographical and functional terms. Its emergence provides a new solution to the problems of energy utilization and environmental pollution. To coordinate the integrated demand response and uncertainty of renewable energy generation (RGs), a data-driven two-stage distributionally robust optimization (DRO) model is constructed. A comprehensive norm consisting of the 1-norm and infinity-norm is used as the uncertainty probability distribution information set, thereby avoiding complex probability density information. To address multiple uncertainties of RGs, a generative adversarial network based on the Wasserstein distance with gradient penalty is proposed to generate RG scenarios, which has wide applicability. To further tap the potential of the demand response, we take into account the ambiguity of human thermal comfort and the thermal inertia of buildings. Thus, an integrated demand response mechanism is developed that effectively promotes the consumption of renewable energy. The proposed method is simulated in an actual CIES in North China. In comparison with traditional stochastic programming and robust optimization, it is verified that the proposed DRO model properly balances the relationship between economical operation and robustness while exhibiting stronger adaptability. Furthermore, our approach outperforms other commonly used DRO methods with better operational economy, lower renewable power curtailment rate, and higher computational efficiency.

中文翻译：

---

考虑综合需求响应的具有不确定可再生能源发电的社区综合能源系统的数据驱动分布式稳健调度

社区综合能源系统（CIES）是能源互联网和智慧城市在地域和功能上的重要载体。它的出现为能源利用和环境污染问题提供了新的解决方案。为了协调可再生能源发电 (RG) 的综合需求响应和不确定性，构建了一个数据驱动的两阶段分布式稳健优化 (DRO) 模型。由1范数和无穷范数组成的综合范数作为不确定性概率分布信息集，避免了复杂的概率密度信息。为了解决 RG 的多重不确定性，提出了一种基于 Wasserstein 距离和梯度惩罚的生成对抗网络来生成具有广泛适用性的 RG 场景。为了进一步挖掘需求响应的潜力，我们考虑了人体热舒适度的模糊性和建筑物的热惯性。因此，建立了一个综合的需求响应机制，有效地促进了可再生能源的消纳。所提出的方法在华北地区的实际 CIES 中进行了模拟。与传统的随机规划和鲁棒优化相比，验证了所提出的DRO模型在表现出更强的适应性的同时，很好地平衡了经济运行与鲁棒性之间的关系。此外，我们的方法优于其他常用的 DRO 方法，具有更好的运营经济性、更低的可再生能源弃电率和更高的计算效率。我们考虑了人体热舒适度的模糊性和建筑物的热惯性。因此，建立了一个综合的需求响应机制，有效地促进了可再生能源的消纳。所提出的方法在华北地区的实际 CIES 中进行了模拟。与传统的随机规划和鲁棒优化相比，验证了所提出的DRO模型在表现出更强的适应性的同时，很好地平衡了经济运行与鲁棒性之间的关系。此外，我们的方法优于其他常用的 DRO 方法，具有更好的运营经济性、更低的可再生能源弃电率和更高的计算效率。我们考虑了人体热舒适度的模糊性和建筑物的热惯性。因此，建立了一个综合的需求响应机制，有效地促进了可再生能源的消纳。所提出的方法在华北地区的实际 CIES 中进行了模拟。与传统的随机规划和鲁棒优化相比，验证了所提出的DRO模型在表现出更强的适应性的同时，很好地平衡了经济运行与鲁棒性之间的关系。此外，我们的方法优于其他常用的 DRO 方法，具有更好的运营经济性、更低的可再生能源弃电率和更高的计算效率。所提出的方法在华北地区的实际 CIES 中进行了模拟。与传统的随机规划和鲁棒优化相比，验证了所提出的DRO模型在表现出更强的适应性的同时，很好地平衡了经济运行与鲁棒性之间的关系。此外，我们的方法优于其他常用的 DRO 方法，具有更好的运营经济性、更低的可再生能源弃电率和更高的计算效率。所提出的方法在华北地区的实际 CIES 中进行了模拟。与传统的随机规划和鲁棒优化相比，验证了所提出的DRO模型在表现出更强的适应性的同时，很好地平衡了经济运行与鲁棒性之间的关系。此外，我们的方法优于其他常用的 DRO 方法，具有更好的运营经济性、更低的可再生能源弃电率和更高的计算效率。