A robust, decentralized, and real-time power management system is proposed by taking into account the economic dispatch constraints, overhead transmission lines reduction, and self-healing failure's mechanisms. Designed state of the art model is applicable to all the sectors of electricity consumers (residential, commercial, and industrial), utility companies and the power grid. Paramount importance is given to microgrids (MGs), while both of its modes (isolated and grid connected) are analyzed to examine the features of economic dispatch and system's net revenue in our prototypic. To deal with uncertainty in the demand curves, an innovative approach is adopted for the classification of electric load, according to their physical characteristics and user preferences. Furthermore, electricity generation is predominantly dependent on renewable energy sources (RESs), facilitated with the energy storage systems (ESSs); optimal scheduling methodology for power is introduced to tackle its intrinsically stochastic nature. Our problem minimizes the power system's aggregated cost with respect to power generation, consumption, and worst case transaction costs. Subgradient method is applied to solve our optimization problem, while lagrangian dual decomposition is used to transform the problem into subproblem for the accomplishment of all the objectives in distributed manners. For the corroboration of our strategy, results are reported after extensive numerical analysis.

通过考虑经济调度约束，减少架空输电线路和自愈故障机制，提出了一种健壮，分散，实时的电源管理系统。设计的最先进模型适用于电力消费者（住宅，商业和工业），公用事业公司和电网的所有部门。对微电网（MG）极为重要，同时对这两种模式（隔离和并网）进行了分析，以检验原型中的经济调度特征和系统的净收入。为了应对需求曲线中的不确定性，根据其物理特性和用户喜好，采用了一种创新的方法对电力负荷进行分类。此外，发电主要依靠可再生能源（RES），并通过储能系统（ESS）来促进；引入了用于电力的最佳调度方法以解决其固有的随机性。我们的问题最大程度地降低了电力系统在发电，消耗和最坏情况下的交易成本方面的总成本。应用次梯度法解决了我们的优化问题，而拉格朗日对偶分解则将问题转化为子问题，从而以分布式的方式实现了所有目标。为了证实我们的策略，我们在进行了广泛的数值分析后报告了结果。引入了用于电力的最佳调度方法以解决其固有的随机性。我们的问题最大程度地降低了电力系统在发电，消耗和最坏情况下的交易成本方面的总成本。应用次梯度法解决了我们的优化问题，而拉格朗日对偶分解则将问题转化为子问题，从而以分布式的方式实现了所有目标。为了证实我们的策略，我们在进行了广泛的数值分析后报告了结果。引入了用于电力的最佳调度方法以解决其固有的随机性。我们的问题最大程度地降低了电力系统在发电，消耗和最坏情况下的交易成本方面的总成本。应用次梯度法解决了我们的优化问题，而拉格朗日对偶分解则将问题转化为子问题，从而以分布式的方式实现了所有目标。为了证实我们的策略，我们在进行了广泛的数值分析后报告了结果。而拉格朗日对偶分解则将问题转化为子问题，以分布式方式实现所有目标。为了证实我们的策略，我们在进行了广泛的数值分析后报告了结果。而拉格朗日对偶分解则将问题转化为子问题，以分布式方式实现所有目标。为了证实我们的策略，我们在进行了广泛的数值分析后报告了结果。