Avec l'intégration rapide des ressources énergétiques distribuées, atteindre un équilibre entre l'efficacité économique et la durabilité environnementale dans les systèmes multi-microréseaux (MMG) est crucial. Cependant, les études existantes traitent généralement les opérateurs de microréseaux comme des entités entièrement conformes. Elles négligent souvent la dimension « confiance-risque » ainsi que les comportements de défaut potentiels sur les marchés décentralisés. Cet article propose un nouveau modèle de planification co-optimisé pour les systèmes urbains MMG, centré sur un cadre de couplage « Social–Économique–Physique » unifié. Pour garantir l'intégrité des transactions, un cadre d'évaluation de la réputation robuste est développé en utilisant l'erreur quadratique moyenne (RMSE), l'erreur absolue moyenne (MAE), ainsi que le Dynamic Time Warping (DTW). Ce cadre identifie efficacement les données frauduleuses ou les violations contractuelles. De plus, pour améliorer l'équité tout en promouvant la décarbonisation, le modèle intègre une stratégie de tarification dynamique du réseau basée sur la valeur de Shapley. Il fonctionne aux côtés d'un schéma d'échange de carbone de type récompense-pénalité pondéré par la réputation. Le modèle proposé est formulé comme un problème de programmation linéaire en nombres mixtes (MILP) et résolu en utilisant MATLAB R2025b avec CPLEX 12.10. Les résultats des simulations démontrent que l'approche intégrée optimise significativement la performance du système. Les émissions totales de carbone sont réduites de 49,6 tonnes. Pendant ce temps, les revenus de l'Alliance MMG, des microréseaux individuels et des opérateurs de stockage d'énergie partagé augmentent de 4,08% à 33,00%. Le cadre proposé offre une solution de gouvernance pratique pour les systèmes multi-microréseaux de ville intelligente, traitant efficacement le défi « confiance-risque » sur les marchés énergétiques urbains décentralisés. Les résultats valident que le mécanisme proposé favorise effectivement un environnement commercial digne de confiance, atteignant un résultat « gagnant-gagnant » pour la rentabilité économique et la résilience énergétique urbaine.
Fang et al. (2026) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: