Adjustable Robust Nonlinear Network Design Without Controllable Elements under Load Scenario Uncertainties
针对负荷不确定下无可控元件的非线性非凸流网络设计问题,提出基于可调鲁棒优化的精确算法,通过有限次迭代求解最优鲁棒网络,适用于多种公用事业网络并经燃气网验证。
2025-01-17 math.OC
Kullback-Leibler Divergence-Based Distributionally Robust Unit Commitment Under Net Load Uncertainty
可再生能源在电力系统中的深入渗透带来了巨大的困难,这些困难尚未得到令人满意的克服。一个值得特别注意的问题是在净负荷不确定性下的电力系统短期规划。为此,我们制定了一个分布式强大的机组组合方法,明确评估与净负荷的不确定性。所提出的方法的主要优点在于它能够表示净负荷的概率性质,而不必说明其概率分布。这种强度是由模糊集的概念,在本文中采用的Kullback-Leibler分歧的建设。我们证明了所提出的方法对现实世界的数据使用代表性的研究的有效性。所进行的灵敏度分析为关于发散容差和数据集大小对最优解的影响的一系列假设问题提供了定量答案。
2020-12-13 math.OC
A Robust Power Grid Defense Model Considering Load Demand and Wind Generation Uncertainties
制定有效的策略来保护电力系统免受蓄意攻击是一项重大任务。必须全面考虑与人类和环境有关的风险和不确定性,这是现有文献所缺乏的。本文考虑了负荷需求的不确定性和风力发电的不确定性,除了相互作用的攻击者/防御者的行为。具体而言,防御者-攻击者-自然-运营商模型,它结合了攻击/防御的相互作用,正确的重新调度的运营商,攻击策略之间的协调和随机性质的负载需求和风力发电。采用列和约束生成(C&CG)算法求解该模型,将模型分解为主问题和子问题。使用MATLAB和CPLEX在修改后的IEEE RTS 79系统上进行仿真。仿真结果验证了该模型的有效性。
2018-02-23 math.OC
Robust Partitioning and Operation for Maximal Uncertain-Load Delivery in Distribution Grids
针对极端天气下配电网停电与不确定负荷问题,提出两阶段混合整数鲁棒优化及带收敛保证的割平面算法,用于联网微电网的分区配置与运行,并在 IEEE 37 节点系统验证其经济效益。
2024-04-04 cs.SY eess.SY math.OC
Robust Look-ahead Three-phase Balancing of Uncertain Distribution Loads
太阳能发电和电动汽车充电负载等高度可变组件的渗透率越来越高,这对保持现代配电系统中的三相负载平衡提出了重大挑战。未能在三个阶段保持平衡将导致资产恶化并增加交付损失。出于自动化和优化三相平衡决策的现实需求,本文介绍了一个鲁棒的前瞻性优化框架,在需求侧的不确定性存在的情况下追求平衡的阶段。我们表明,前瞻移动窗口优化可以减少相位之间的不平衡,在有限数量的相位交换操作的成本。案例研究量化的改进所提出的方法相比,传统的确定性相位平衡。所提出的方法和扩展的可能的好处的讨论。
2018-09-30 math.OC
Building Load Control using Distributionally Robust Chance-Constrained Programs with Right-Hand Side Uncertainty and the Risk-Adjustable Variants
供暖、通风和空调(HVAC)负荷的聚集可以提供储备以吸收挥发性的可再生能源,特别是太阳能光伏(PV)发电。在本文中,我们决定在不确定的光伏发电暖通空调控制计划,使用分布鲁棒机会约束(DRCC)建筑负荷控制模型下的两个典型的模糊集:基于矩和Wasserstein模糊集。我们推导出混合整数线性规划(MILP)下的DRCC问题的重新制定。特别是,对于Wasserstein模糊集,我们利用右手边(RHS)的不确定性,推导出一个更紧凑的MILP重新比通常已知的MILP重新与大M常数。所有的结果也适用于一般的个人机会约束与RHS的不确定性。此外,我们提出了一个可调整的机会约束的变体,以实现操作风险和成本之间的权衡。我们推导出Wasserstein模糊集下的MILP重构和基于矩集下的二阶锥规划(SOCP)重构。使用真实世界的数据,我们进行计算研究,以证明解决方案的方法和解决方案的有效性的效率。
2022-01-24 math.OC
Sparse Control Synthesis for Uncertain Responsive Loads with Stochastic Stability Guarantees
最近的研究表明,在提供频率响应服务的柔性负载的潜力。然而,在各种天气相关的和最终用户的行为因素的不确定性和可变性往往会影响需求侧控制性能。这项工作解决了这个问题的需求侧控制的设计,以实现负载不确定性下的频率响应。我们的方法涉及建模的负载不确定性,通过随机过程,出现作为乘法和加法的闭环电力系统动态的系统状态。扩展最近开发的随机系统的均方指数稳定性(MSES)的结果,我们制定多目标线性矩阵不等式(LMI)为基础的最优控制综合问题,不仅保证随机稳定性,但也促进稀疏性,提高闭环瞬态性能,并最大限度地允许的不确定性。最大允许(\textit{critical})的不确定性水平和最优随机稳定控制努力之间的基本权衡建立。此外,稀疏控制综合问题被推广到现实的电力系统的情况下,只有部分状态测量。IEEE 39节点系统的详细数值研究表明,闭环随机稳定性能的稀疏控制器在提高负载不确定性下的频率响应,以及说明允许的不确定性和最优控制努力之间的基本权衡。
2021-06-27 cs.SY eess.SY math.DS
Chance-Constrained Two-Stage Unit Commitment under Uncertain Load and Wind Power Output Using Bilinear Benders Decomposition
本文研究了考虑负荷和风力发电量不确定性的机组组合问题。UC问题被表述为一个机会约束的两阶段随机规划问题,其中机会约束用于限制负载不平衡的概率。除了传统的混合整数线性规划公式使用Big-M,我们提出了机会约束的双线性混合整数公式,然后推导出其线性对应的McCormick线性化方法。然后,我们开发了一个双线性变形的Benders分解方法,这是一个易于实现的算法,以解决由此产生的大规模线性对应。对典型IEEE系统的仿真结果表明:(i)双线性混合整数规划公式比传统公式更强;(ii)Benders分解算法比直接使用专业求解器计算线性和双线性机会约束UC模型快数量级.
2016-11-27 math.OC
Predictive Prescription of Unit Commitment Decisions Under Net Load Uncertainty
为了在不确定净负荷下进行机组组合决策,大多数研究采用了一种对不确定性采用一刀切表示的随机机组组合(SUC)模型。如果不考虑天气预报和时间信息等背景信息,这些模型通常会受到样本外性能差的困扰。为了有效地利用上下文信息,在本文中,我们制定了一个条件SUC问题,解决了给定的协变量观测。所提出的问题依赖于净负荷的真实条件分布,因此在实际中无法求解。为了近似其解决方案,我们提出了一个预测处方框架,该框架利用机器学习模型来获得用于解决重新加权样本平均近似问题的权重。与现有的预测处方框架相比,我们操纵学习模型基于特定数据集提供的权重,提出了一种选择相关协变量的方法,并根据其策略的样本外成本调整框架的超参数。我们进行了广泛的数值研究,其中列出了相对于各种基准的框架的相对优点。
2022-11-30 math.OC
Output Control of Smart Beams under Uncertain Dynamic Loads through Non-Collocated Sensors and Actuators
智能梁的振动控制问题在各种出版物中得到了解决,这些出版物主要利用配置的传感器和致动器,而忽略了观测器设计中测量噪声的影响。本文开发了一种自然的设计的输出控制器,利用初始连续模型的特征函数近似,消除控制溢出,从而导致一个有效的控制器,边缘化有界系统和测量干扰的影响,同时减少梁振动。它表明,这种控制方法可以实现由一个非同位致动器和一个点传感器的速度位于梁上几乎任何地方。我们在模拟中表明,所提出的方法导致一个有效的减少未知的有界干扰的梁振动。
2014-10-29 math.OC
Scheduling HVAC loads to promote renewable generation integration with a learning-based joint chance-constrained approach
通过灵活调度供热、通风和空调(HVAC)负荷等资源,可以有效促进分布式可再生能源发电(DRG)在配电网中的集成。然而,找到最佳的调度,他们是不平凡的,因为DRG输出是高度不确定的。为了解决这个问题,本文提出了一种基于学习的联合机会约束的方法来协调HVAC负荷与DRG。与采用单个机会约束来管理不确定性的前沿工作不同,本文采用联合机会约束(JCC)来控制所有关键约束的违反概率。这种联合方式可以根据运营商的偏好明确地保证整个系统的运行安全。为了克服JCC的棘手性,我们首先证明了JCC可以安全地近似鲁棒约束与适当的不确定性集。一个著名的机器学习算法,单类支持向量聚类,然后引入到这些强大的约束,构建一个足够小的多面体不确定性集。在强对偶的基础上,进一步构造了一个线性鲁棒对偶,以保证计算效率。基于各种分布不确定性的数值结果证实了所提出的方法的最优性和可行性的优势。
2022-09-30 cs.SY eess.SY math.OC
Risk-sensitive performance criteria and robustness of quantum systems with a relative entropy description of state uncertainty
本文探讨了量子控制系统原始风险敏感性能标准与其近期二次指数 counterpart 之间的联系,并讨论了最小化这些成本函数与系统-环境量子态不确定性鲁棒性的关系,类似于经典系统最小化 LQG 控制。
2018-02-01 cs.SY eess.SY math.OC
Uncertain random geometric programming problems
School of Basic Sciences, Indian Institute of Technology Bhubaneswar(印度理工学院布巴内斯瓦尔基础科学学院)
本文提出确定性方法解决不确定随机几何规划问题,通过线性-正态不确定随机变量转换为随机变量,提升优化过程的清晰度和实用性。
2023-10-03 math.OC
Fragility of Decentralized Load-Side Frequency Control in Stochastic Environment
Iowa State University(爱荷华州立大学)
本文研究了去中心化负荷侧频率控制算法在随机参数不确定性下的脆弱性,发现参数不确定性导致系统电压波动,从而引发随机不稳定。通过分析框架计算了临界方差值,并验证了可控负荷成本和可再生能源渗透率对临界方差的影响。
2017-02-12 cs.SY eess.SY math.OC
Robust Generation Dispatch with Purchase of Renewable Power and Load Predictions
本文提出考虑购买RES与负荷预测的鲁棒发电调度模型,将其建模为DDU两阶段鲁棒优化问题,并开发基于映射的C&CG算法有效求解,验证了模型与算法的有效性、必要性和可扩展性。
2023-07-30 math.OC
Anisotropy-based robust performance criteria for statistically uncertain linear continuous time invariant stochastic systems
Australian National University(澳大利亚国立大学)
本文研究了由统计不确定随机过程驱动的线性连续时间不变随机系统的稳健性能标准,通过使用复平面上单位盘的一参数族共形映射,量化了输入偏离标准维纳过程的均各向异性,并基于此提出了一种适用于连续时间情况的两参数各向异性约束规范。
2019-03-05 cs.SY eess.SY math.OC
Deep Reinforcement Learning for Community Battery Scheduling under Uncertainties of Load, PV Generation, and Energy Prices
Monash University(莫纳什大学);Monash Energy Institute(莫纳什能源研究所)
本文提出以SAC为核心并结合噪声网络的深度强化学习策略,在PV、负荷和价格不确定下实现社区电池的多重调度目标,实验证明其优于PPO、DDPG及优化基准。
2023-12-04 cs.AI cs.LG math.OC
Robust Coordinated Transmission and Generation Expansion Planning Considering Ramping Requirements and Construction Periods
随着风力发电的快速增长,输电规划中出现了两个关键问题。首先,由于风力发电的高度可变性,日常运行中的严重功率斜升事件对多年规划决策提出了巨大挑战。其次,输电线路的建设周期较长,可能无法跟上可再生能源发电日益一体化带来的快速增长的不确定性。为了解决这些问题,我们提出了一个全面的鲁棒规划模型,考虑不同的资源,即输电线路,发电机和FACTS设备。考虑了各种因素,包括灵活性要求,施工周期和成本。我们构造了小时净负荷斜坡不确定性(HLRU)集来表征小时净负荷(包括风力发电)的变化,和年净负荷持续时间曲线不确定性(LDCU)集正常年净负荷持续时间曲线的不确定性。这导致在两个阶段的鲁棒最优化模型与两种不同类型的不确定性集,这是解耦成两个不同的子问题,使整个解决方案的过程易于处理。实际数据的数值模拟表明,所提出的模型和求解方法能够有效地协调不同的柔性资源,给出鲁棒的扩展规划策略。
2016-12-01 math.OC
Robust stability analysis of DC microgrids with constant power loads
研究了具有不确定恒功率负载的直流微网的稳定性分析。众所周知,CPL具有负阻抗效应,这可能导致DC微电网的不稳定。现有的研究工作通常是基于CPL的某些名义值来研究给定平衡点附近的稳定性。然而,在实际应用中,直流微电网的平衡取决于经常随时间变化的负载条件。不同于以往的许多结果,本文开发了一个框架,可以分析直流微电网的稳定性为一个给定的范围内的CPL。将该问题转化为一个多面体不确定线性系的鲁棒稳定性问题。通过利用问题的结构,我们得到了一组充分条件,可以保证鲁棒稳定性。可以通过求解凸优化问题来有效地检查条件,该问题的复杂性不随微电网中的总线数量而增长。仿真结果表明了该框架的有效性和非保守性。
2017-02-24 math.OC
A Polynomial-Time Method for Testing Admissibility of Uncertain Power Injections in Microgrids
我们研究了单相微电网中功率注入的可接受性,其中电气状态由复杂的节点电压表示并由节点功率注入控制。假设(i)存在满足安全约束和负荷流雅可比矩阵的非奇异性的初始电气状态,以及(ii)功率注入驻留在某个不确定集合中。我们说,如果确保电气状态的任何连续轨迹是安全的且非奇异的,只要功率注入保持在不确定性集中,则不确定性集对于初始电气状态是可容许的。我们使用最近提出的V-控制,并显示两个新的结果。首先,如果一个复杂的节点电压集V是凸的,并且V中的每个元素都是非奇异的,那么V是唯一域。其次,我们给出了充分条件,以保证每个元素在某个功率注入集S有一个在V中的负荷流解,基于不可能获得的负荷流解的边界V。这些结果,我们开发了一个框架的容许性测试方法,这个框架是可扩展的多相网格。在此框架下,我们利用凸优化的不可行性检验建立了一个多项式时间方法。该方法进行了数值评估。
2018-10-15 math.OC
Robust Dynamic State Estimation of Multi-Machine Power Networks with Solar Farms and Dynamics Loads
电网的常规状态估计例程主要依赖于基于化石燃料的资源的动态模型。这些模型通常包含描述同步发电机模型的微分方程和建模潮流/平衡方程的代数方程。因此,由惯性较小的可再生能源驱动的无燃料电力系统将需要新的模型和升级的估计程序。为此,在本文中,我们提出了一个强大的估计互联模型的电力网络,包括一个全面的九阶同步发电机模型,先进的电力电子为基础的模型,光伏(PV)发电厂,恒定功率负载,恒定阻抗负载和电动机负载。基于非线性微分代数方程(DAE)模型的李雅普诺夫稳定性准则,将状态估计器设计问题转化为凸半定优化问题. IEEE-39总线测试系统上进行了全面的仿真研究,以展示所提出的估计器对来自负载需求和太阳辐照度的未知不确定性的鲁棒性。
2022-09-20 cs.SY eess.SY math.OC
Distributed Robust Control for Systems with Structured Uncertainties
我们提出了D-Phi迭代:一种用于结构不确定性系统的分布式、局部化和可扩展的鲁棒控制算法。该算法将分布式控制的系统级综合(SLS)参数化与L1,LInf和nu鲁棒控制的稳定性准则相结合。我们在仿真中表明,该算法实现了良好的标称性能,同时大大增加了鲁棒稳定裕度相比,LQR控制器。据我们所知,这是第一个分布式和本地化的算法结构鲁棒控制,此外,算法的复杂性只取决于局部邻域的大小,是独立的全球系统的大小。我们还表征了分布式和本地化计算的不同鲁棒性标准的适用性。
2022-09-19 cs.SY eess.SY math.OC
An analytical study in multi physics and multi criteria shape optimization
一个简单的多物理系统的潜在流动的流体通过一个机械部件,如涡轮叶片,放置在护罩,数学建模。然后,我们考虑一个多准则形状最优化问题,当组件的形状是允许变化的一组特定的二阶Hölder连续可微变换的基线形状与边界的相同的连续类。作为目标函数,我们考虑一个简单的损失模型的流体动力学效率和组件的故障概率,由于重复应用的负载,干从流体的静压。对于这个多物理系统,它表明,在一定条件下的Pareto前沿是最大的意义上的Pareto前沿的可行集重合的Pareto前沿的闭包。我们还表明,所有的最佳形式的集合相对于标量化技术变形连续(在Hausdorff度量)的偏好参数。
2020-10-28 math.OC
Scenario theory for multi-criteria data-driven decision making
Dipartimento di Elettronica Informazione e Bioingegneria, Politecnico di Milano(米兰理工大学电子、信息与生物工程系);Dipartimento di Ingegneria dell’Informazione, Università degli studi di Brescia(布雷西亚大学信息工程系)
本文提出多标准数据驱动决策的场景理论,通过集体处理各标准违反风险,提升鲁棒性认证精度,为不确定性下的决策设计提供理论基础。
2026-04-01 cs.LG cs.SY eess.SY