Implementing a Unit Commitment Power Market Model in FICO Xpress-Mosel
从[Carrión 2006]中发表的基本机组组合问题开始,我们为Xpress Mosel开发了一个功能齐全的运行实现,可用于电力市场建模。模型的约束条件进行了详细讨论,并提出了解决方案,左开放的实施问题,如何处理数据输入(从两个,数据库和Excel),以及数据输出(到Excel)的指导方针。
2014-12-15 math.OC
An Overview of Application of Optimization Models Under Uncertainty to the Unit Commitment Problem
最优化模型已被广泛用于能源工业,作为有用的决策系统调度和调度电力能源资源,这是应用在一个系统称为机组组合(UC)。机组组合是在满足输电模型和计算资源的运行约束条件下,为满足一定需求的电力能源设备寻求最大价格的发电机组合方案。考虑到这些过程中的风险可变性,并检查它们的比较整体性能为一个单一的或多阶段的能源模型作为货币性能的函数,除了与承诺的决定有关的风险。随机规划和鲁棒优化是在净负荷不确定性下最广泛研究的UC方法。这些技术将在本文中讨论。
2022-03-31 math.OC
Continuous Time Multi-stage Stochastic Reserve and Unit Commitment
本文提出了一种连续时间多阶段随机最优化方法,用于日前电力批发市场中的机组调度、机组的组合、备用容量及其连续时间发电剖面。我们的公式近似的解决方案的变分问题,其中的平衡,发电容量和斜坡的限制是在连续的时间。由于我们的斜坡事件表示的更大的准确性,这种方法提高了系统可靠性,并降低了实时成本。
2018-03-19 math.OC
Improving Accuracy and Efficiency of Start-up Cost Formulations in MIP Unit Commitment by Modeling Power Plant Temperatures
本文提出了一种改进的混合整数模型来求解火电机组组合问题。通过为每个热单元的温度引入新的变量,停机时间相关的启动成本被准确地建模,并且具有比最先进的配方更低的完整性差距。这种新的方法显着提高了计算效率相比,现有的配方,即使他们只是一个粗略的近似模型的启动成本。我们的研究结果在使用CPLEX的真实测试案例中得到了验证。
2015-06-26 math.OC
The Value of Multi-stage Stochastic Programming in Risk-averse Unit Commitment under Uncertainty
日前发电计划或机组组合问题是电力系统中一个重要且具有挑战性的最优化问题。可再生能源技术的日益普及所产生的净负荷的变化,激发了各种类型的随机机组组合模型的研究。在两阶段模型中,全天的发电计划是固定的,而调度是适应的不确定性,而在多阶段模型中的发电计划也允许动态地适应不确定性的实现。多阶段模型在发电调度方面提供了更大的灵活性,然而,它们需要比两阶段模型高得多的计算工作量。为了证明这一额外的计算工作,我们提供了理论和实证分析的价值,多阶段解决方案的风险规避多阶段随机机组组合模型。多阶段解决方案的价值衡量多阶段解决方案相对于两阶段解决方案的相对优势。结果表明,机组组合模型的多阶段解的价值随不确定性水平和周期数的增加而增加,随决策者风险规避程度的增加而减小。
2018-08-02 math.OC
Global Solution Strategies for the Network-Constrained Unit Commitment Problem with AC Transmission Constraints
提出了一种新的全局求解算法,用于求解输电网非线性交流模型下的网络约束机组组合问题,该问题是一个非凸混合整数非线性规划(MINLP)问题.我们的算法基于多树全局优化方法,该方法在混合整数下界问题和非线性上界问题之间迭代。我们利用数学结构的机组组合问题与交流潮流约束(UC-AC)和杠杆优化为基础的界限收紧,二阶锥松弛,分段外近似,以保证全局最优解收敛。四个基准问题的数值结果表明,我们的算法的有效性,无论是在收敛速度和解的质量。
2018-07-02 math.OC
Polynomial Time Algorithms and Extended Formulations for Unit Commitment Problems
近年来,可再生能源发电的渗透率不断提高,这给电力系统运营商带来了挑战,因为可再生能源发电的间歇性和每个发电机组的离散决策,使其难以进行有效的发电日调度。在需要考虑的所有方面中,机组组合多面体是基本的,并且嵌入在电力系统规划和运行的不同阶段的模型中。本文分别对一般凸费用函数和分段线性费用函数下的机组组合问题给出了多项式时间算法。针对一般凸成本函数下的确定性单机机组组合问题,改进了$\mathcal{O}(T^3)$时间算法,其中$ T $表示时间段的个数,并在高维空间中得到了一个扩展公式,该公式能够提供整数解,其中描述了决策变量的物理意义.这意味着原问题可以作为凸规划而不是混合整数凸规划来求解。此外,对于成本函数是分段线性的情况,通过探索最优性条件,我们推导出更有效的算法,用于确定性(即,$\mathcal{O}(T)$时间)和随机(即,$\mathcal{O}(N)$时间,其中$N$表示随机情景树中的节点数)\rred{single-generator}机组组合问题。我们还开发了相应的扩展配方的确定性和随机单发电机机组组合问题,解决原来的混合整数线性规划的线性规划。同样,决策变量的物理意义进行了探讨,以显示新的建模方法的见解。
2019-10-19 math.OC
Quantum Restricted Boltzmann Machine for Fast Unit Commitment
The Chinese University of Hong Kong(香港中文大学)
提出量子受限玻尔兹曼机方法,通过量子硬件兼容的能量评分预测机组组合模式,再经仿射映射恢复最优解,相比现有方法所需量子比特减少223倍,计算时间降低99.96%。
2026-08-04 math.OC
A Dual Approximate Dynamic Programming Approach to Multi-stage Stochastic Unit Commitment
本文研究了多阶段随机机组组合问题,在该问题中,机组组合和发电决策可以在每个时段内进行调整。我们制定这个问题作为一个马尔可夫决策过程,这是“弱耦合”的意义上说,如果需求约束放松,问题分解成一个单独的,低维的,马尔可夫决策过程为每个发电机。我们演示了如何调整Barty,Carpentier和Girardeau的对偶近似动态规划方法(RAIRO运筹学,44:167-183,2010)来获得该问题的边界和策略。以前的方法让拉格朗日乘子只依赖于时间,这可能会导致弱下界。其他方法让乘数依赖于过去随机观测的整个历史;虽然这提供了一个强大的下界,但它处理大量样本路径或场景的能力有限。我们演示了如何桥接这些方法的随机机组承诺问题,让乘数取决于当前观察到的需求。这允许在强下界与场景数量的良好可伸缩性之间进行良好的权衡。我们说明了这种方法数值上的168阶段的随机机组组合问题,包括最小的故障,停机时间,和斜坡的限制。
2018-06-22 math.OC
Benders' decomposition of the unit commitment problem with semidefinite relaxation of AC power flow constraints
在本文中,我们提出了一个公式的机组组合问题的交流潮流约束。它是通过Benders分解,其中的机组组合主问题制定为一个混合整数问题与线性化的发电约束,以提高收敛性。在子问题中采用了矩形交流最优潮流的半定规划松弛法,提供了一定程度的保守性。数值算例研究,包括6节点和IEEE 118节点网络,提供了我们的建议来测试的有效性。我们表明,在我们的数值实验中,使用这种策略提高了质量的可行性和最优性削减所产生的解决方案的凸松弛的子问题,从而减少了算法收敛所需的迭代次数。
2020-11-23 math.OC
A Low-Rank Rounding Heuristic for Semidefinite Relaxation of Hydro Unit Commitment Problems
水电机组组合是指在满足短期水库运行约束和长期目标的前提下,在多个水电站的日常运行中,使水资源利用效率最大化,同时使启动成本最小化的问题。一个低秩舍入启发式半定松弛的混合整数二次约束制定这个问题。除了水库和发电机运行的限制,传输约束表示的近似交流潮流模型。在我们提出的方法中,数学规划等价地制定为QCQP问题解决的凸松弛的基础上半定规划,其次是MILP解决方案的未定义的机组承诺时间表。最后,一个降秩过程。所提出的启发式的有效性进行比较,分支定界的解决方案,不同大小的发电和输电系统的数值案例研究。
2017-11-16 math.OC
Modelling the Hidden Flexibility of Clustered Unit Commitment
本文提出了一种可预测机组组合(CUC)公式,以准确地建模灵活性要求,如斜坡,储备,和启动/关闭的限制。CUC由于其计算上的优势,常被应用于大型和长期规划模型中,以近似电力系统中机组的运行灵活性。然而,经典的CUC本质上和隐藏地高估了单个单元的灵活性,因此无法复制单个UC的结果。然后,本文提出了一组约束条件,以正确地表示集群内的单位的隐藏的灵活性,主要是由单个单位的斜坡和启动/关闭能力,包括向上/向下储备定义。不同的案例研究表明,拟议的CUC复制的目标函数的个人UC,同时解决显着更快,5至311倍之间的速度。因此,建议的CUC正确地代表了集群内单个单元的斜坡和储备灵活性,可以直接应用于长期规划模型,而不会显着增加其计算负担。
2018-11-06 math.OC
Unit commitment constrained Nash equilibrium in power markets
University of Copenhagen(哥本哈根大学);University College Dublin(都柏林大学学院);University of Edinburgh(爱丁堡大学)
本文针对电力市场中的机组组合约束纳什均衡问题,提出混合整数凸规划的最优性条件与互补问题求解方法,并证明古诺-纳什均衡的存在性,案例显示忽略机组组合会带来显著福利损失。
2026-09-25 math.OC
Convex Hulls for the Unit Commitment Polytope
本文考虑了机组组合多面体的多面体结构。特别地,我们在以下不同设置下提供了问题的凸包结果:1)在一般$T$时间周期设置下的积分最小上升/下降时间和斜坡多胞形的凸包,其中斜坡速率分别等于生成上界和下界之间的间隙以及等于生成上界和下界之间的间隙的一半,2)在一般$T$时间周期设置下的问题的集成最小上升/下降时间和斜升多面体的凸包,以及3)在一般$T$时间周期设置下的问题的集成最小上升/下降时间和斜降多面体的凸包。
2017-01-31 math.OC
Column generation for the discrete Unit Commitment problem with min-stop ramping constraints
具有最小停机爬坡约束的离散机组组合问题优化了火电厂(煤、气、燃料机组)的日生产。对于这个问题,紧凑型线性规划(ILP)配方已被设计来解决确切的小实例和实际大小的实例。本文研究是否Dantzig-Wolfe重新制定允许改善以前的精确方法和数学。提出了扩展的ILP公式,并采用列生成算法求解其线性松弛。实验结果表明,Dantzig-Wolfe重构并没有改善最紧紧凑ILP公式的线性松弛的质量。计算实验也提出了一个猜想,这将解释这样的结果:紧凑的ILP制定的最小停止斜坡约束将是紧的。这样的结果验证了以前设计的紧凑的ILP配方的基础上的精确的方法和数学的质量。
2019-12-13 math.OC
An Accelerated-Decomposition Approach for Security-Constrained Unit Commitment with Corrective Network Reconfiguration
将安全约束机组组合模型用于电力系统日前调度。然而,目前的SCUC模型使用静态网络来提供电力并最佳地满足需求。动态网络可以提供较低的最优成本并缓解网络拥塞。然而,由于计算复杂性和缺乏有效的算法,网络重构尚未被纳入SCUC模型。针对安全约束机组组合(SCUC)中的校正网络重构(CNR)问题,提出了一种新的处理SCUC中计算复杂性的方法,并通过快速筛选SCUC-CNR非关键子问题的加速分解方法,兼顾SCUC的可扩展性。所提出的方法提供了大量的计算效益,也适用于SCUC。IEEE 24节点系统的仿真结果表明,所提出的方法是在不损失的解决方案的质量,而可扩展性的好处,证明使用较大的情况下,IEEE 73节点系统,IEEE 118节点系统和波兰系统的速度大大加快。
2021-12-14 math.OC
Two-Stage Robust Unit Commitment Problem with Complex Temperature and Demand Uncertainties
在本文中,我们提出并研究了一个强大的机组组合模型和一些变种,考虑复杂的温度和需求的不确定性。由于在实际系统中,气体发生器的效率、需求和温度之间存在很强的关系,因此我们的鲁棒模型具有左侧和右侧(分别为LHS和RHS)的不确定性。与许多现有的鲁棒模型与RHS的不确定性,LHS的不确定性的引入带来了巨大的挑战,在计算鲁棒的解决方案。对于这些复杂的公式,我们分析它们的结构,推导出重要的属性,并设计精确和快速的近似解决方案的列和约束生成框架下的策略。在典型的IEEE测试系统上进行了数值实验,展示了我们的解决方案的巨大性能,并证明了系统操作中复杂和相关的不确定性的明显影响。
2022-06-18 math.OC
A Center-Point Algorithm for Unit Commitment with Carbon Emission Trading
提出了一种全局最优化方法,以保证在求解含碳排放权交易的机组组合问题时能找到较好的解。该方法由两部分组成。在第一部分中,首先求解一系列线性整数松弛子问题,以快速生成原混合整数非线性规划问题(MINLP)模型的紧线性松弛。算法的第二部分引入了中心割的思想,使算法能快速找到好的解。该方法测试了10个测试实例,单位范围从35到1560在24小时的调度期,并与国家的最先进的求解器CPLEX。结果表明,该算法能在较短的时间内找到比CPLEX更好的解。它比CPLEX更适合于求解大规模的UC问题。
2019-08-27 math.OC
An Open Source Stochastic Unit Commitment Tool using the PyPSA-Framework
本研究基于PyPSA框架开发了含市场竞价、随机优化等模块的开源随机机组组合工具,并以德国带储热和BESS的垃圾电厂为例,在价格与热负荷不确定场景下验证了其UC优化功能。
2024-05-10 math.OC
Contingency-Constrained Unit Commitment With Intervening Time for System Adjustments
N-1-1事故判据考虑了电力系统中两个元件的连续损失,并考虑了系统调整的干预时间。在本文中,我们考虑的问题,优化发电机组组合(UC),同时确保N-1-1安全。由于与连续元件损耗相关联的时间段的耦合,所得到的问题是非常大规模的混合整数线性最优化模型。为了得到有效解,我们引入了一种新的分支切割算法,该算法使用了一个时间分解的两层分离预言机。使用多个IEEE测试系统的模型和算法进行评估,并进行全面的分析,以比较不同的应急标准的系统性能。计算结果表明,在总成本和系统鲁棒性方面考虑系统调整的干预时间的价值。
2016-04-19 math.OC
Combined Heat and Power Unit Commitment with Smart Parking Lots of Plug-in Electric Vehicles
车联网(V2G)技术近年来引起了人们极大的兴趣,其效率取决于插电式电动汽车(PEV)作为智能停车场中的小型便携式发电厂的充电过程的调度。另一方面,从集中式发电到分散式发电的积极转变和对环境的关注导致了电力系统中热电联产(CHP)机组利用率的增加。本研究的目的是开发和模拟一种新的方法,热电联产机组的承诺与PEVs在电力系统中的成本降低。本文提出了一种随负荷曲线变化的纯电动汽车充放电过程的时间表。采用一个由常规热电机组、热电联产机组和纯电动汽车组成的试验系统,研究了纯电动汽车对发电调度的影响。对于修改后的测试系统,得到的结果是令人鼓舞的,并表明所提出的技术的可行性和其有效性的发电调度。
2017-06-21 math.OC
Warm-Startable Progressive Integrality Outer-Inner Approximation for AC Unit Commitment with Conic Formulation
本文提出一种可热启动的外内近似框架,通过混合整数线性规划和凸二次锥规划求解交流单元调度问题,采用渐进积分策略和时间块Benders割提升计算效率和鲁棒性。
2026-08-13 math.OC
Closed-Loop Hierarchical Operation for Optimal Unit Commitment and Dispatch in Microgrids: A Hybrid System Approach
为了促进智能电网,机组的承诺和调度(UCD)是一个非常重要的问题,在未来的微电网环境中重新审视。在考虑需求响应(DR)和碳排放交易(CET)的情况下,研究了传统火电机组和分布式发电机组的UCD问题。然后,UCD问题转化为混合系统的最优切换问题。该方法可以方便地处理动态规划(DP)的启动费用随时间变化的问题。之后,闭环分层操作(CLHO)算法是能够产生的闭环行为的最优调度。理论分析也表明等价的重新制定和CLHO算法的有效性。最后,通过仿真研究进一步验证了该算法的闭环性能和有效性。低排放配额和高排放权交易价格有助于减少碳排放总量。
2018-12-24 math.OC
Unit Commitment With Gas Network Awareness
最近发电燃料组合的变化,特别是天然气发电厂(GFPP)的增加,在电力和天然气输送系统之间产生了显著的相互依赖性。然而,尽管这些网络在物理和经济上相互关联,但它们仍然是独立运作的,市场机制并不同步。这种运行模式可能会在拥挤的环境中导致重大的经济和可靠性风险,正如美国东北部经历的2014年极涡事件所揭示的那样。为了降低这些风险,同时保持目前的市场结构,本文探讨了将天然气网络意识引入标准机组组合模型的想法。在假设电力系统运营商对天然气需求预测和天然气网络有一定(或全部)了解的情况下,提出了一种三层数学规划,其中天然气分区价格由天然气流量守恒约束的对偶解给出,承诺决策受投标有效性约束,以确保承诺的GFPs的经济可行性。这个三层程序可以被重新表述为一个单层混合二阶锥程序,然后可以使用专用的Benders分解来求解。该方法在美国东北部的案例研究中得到了验证[1],该案例研究可以重现2014年初冬期间经历的天然气和电力价格飙升。案例研究的结果表明,在机组组合中的天然气意识有助于避免电价高峰,同时保持天然气价格在合理的水平。
2019-02-08 math.OC
Use of Machine Learning Models to Warmstart Column Generation for Unit Commitment
针对能源领域机组组合问题的反复求解需求,提出用机器学习模型为列生成算法生成初始对偶值的热启动方法,相比基线方法求解更快且可扩展至大规模算例。
2023-12-15 math.OC
Impacts and Benefits of UPFC to Wind Power Integration in Unit Commitment
统一潮流控制器(UPFC)被公认为是电力系统运行中最强大的灵活交流输电系统(FACTS)装置。本文讨论了统一潮流控制器如何探索传输的灵活性,并促进不确定性和波动性的风力发电集成。为此,提出了一种考虑统一潮流控制器和不确定风力发电的综合机组组合模型。在此基础上,提出了统一潮流控制器对电力系统运行可靠性、安全性和经济性影响的评价指标。此外,不同的调度策略的UPFC进行了比较,提供了有益的指导,充分利用UPFC对冲不确定性。此外,对于具有挑战性的混合整数非线性非凸问题,提出了近似模型,为有效地解决这些问题提供了一个起点。所有这些模型都很容易适应其他类型的FACTS设备。提供了说明性的数值结果。
2017-09-29 math.OC
Analytical Solution for Stochastic Unit Commitment Considering Wind Power Uncertainty with Gaussian Mixture Model
为了刻画可再生能源发电出力的随机特性,机会约束机组组合(CCUC)模型被广泛应用。传统的CCUC解析解通常基于简化的概率假设或忽略某些操作约束,否则采用基于场景的方法来近似概率,计算量大。本文采用高斯混合模型(GMM)来描述风电场之间的相关性及其预测误差的概率分布。在该模型中,保证了备用充足率和支路潮流边界等机会约束以预定的概率满足。为了解决这个CCUC问题,我们提出了一个基于牛顿法的程序来获取分位数和转换机会约束到确定性约束。因此,CCUC模型有效地解决了混合整数二次规划问题。在几个系统上进行了数值测试,以说明所提出的方法的效率和可扩展性。
2019-05-29 math.OC
Is learning for the unit commitment problem a low-hanging fruit?
机器学习和人工智能的冲击波也已经到达了电力系统社区,在它所留下的方法和黑盒工具的狂热中,有时很难察觉到奥卡姆剃刀原理的一丝曙光。在这封信中,我们使用机组组合问题(UCP),一个NP难的数学程序,是电力系统运行的基础,以表明简单性必须指导任何策略来解决它,特别是那些基于从过去的UCP实例学习。为此,我们应用一个天真的算法来产生候选解决方案的UCP和显示,使用各种现实大小的电力系统,我们能够找到最佳或准最优解显着的加速。因此,我们主张,任何复杂的学习方法都必须得到这封信中结果的统计学显着改善的支持。
2021-06-22 math.OC
Variable aggregation-based formulations for pumped storage hydro model in the day-ahead unit commitment problem
针对抽水蓄能电站多机组共享水库导致的对称结构问题,提出两种基于变量聚合的新公式,有效打破对称性,提升混合整数规划求解效率。
2025-10-09 math.OC
Risk-Aware Unit Commitment in District Heating Networks: Chance-Constrained and CVaR Optimization Under Demand Uncertainty
Zuse Institute Berlin(柏林祖斯研究所)
针对区域供热网络热需求不确定性,本文将CC和CVaR优化适配到混合整数机组组合问题,结合贝叶斯模型生成的热需求预测分布,通过真实与合成数据评估了两种鲁棒优化方法的性能。
2026-10-23 math.OC
Quantification of the Impact of GHG Emissions on Unit Commitment in Microgrids
全球气候变化迫切需要减少火力发电资源(TGR)的温室气体(GHG)排放。虽然微电网有助于更深入地渗透可再生资源,但微电网的短期规划需要明确评估温室气体排放的全面影响。为此,我们提出了一种新的单位承诺(UC)的方法,它使代表的温室气体排放从TGR,温室气体排放约束的规格,并与所有其他成本和效益的碳税支付的事前评估。我们量化了所提出的方法相对于经典的UC方法通过代表性的研究的相对优点。结果表明,建议的UC方法比经典的UC方法产生更低的成本,并实现了更大的降低成本的碳税率的增加。此外,提高碳税税率可以显着抑制TGR生成根据所提出的方法。
2020-12-13 math.OC
On Solving Unit Commitment with Alternating Current Optimal Power Flow on GPU
针对求解困难的机组组合与交流最优流混合整数非线性规划问题,提出基于ADMM的组件分解算法,在Julia中实现并支持GPU加速,利用IEEE实例验证了其快速求解可行解的有效性。
2023-10-19 math.OC
Data-driven Adaptive Benders Decomposition for the Stochastic Unit Commitment Problem
本文提出了一个数据驱动版本的Benders分解算法应用于随机机组组合(SUC)问题。所提出的方法的目的是找到一个权衡的大小Benders主问题和迭代次数,直到收敛。使用聚类技术,我们利用包含在拉格朗日乘数的弯曲子问题,以聚合的最优切割,而不损害的关键信息,是通过主问题的信息。此外,我们开发了一个外部并行化方案,通过解决一系列计算量较小的SUC实例的场景集的某些分区,找到SUC问题的最优解。我们的计算结果的IEEE 3区RTS-96电力系统,说明我们的数据驱动的Benders算法的性能改善,在解决方案的时间和问题的大小,相比,无论是SUC广泛的配方和流行的单和多切割Benders配方。
2019-12-02 math.OC
Rapid Concurrent GPU-CPU Solvers for Scalable Unit Commitment in Large Power Grids
Texas A&M International University(德克萨斯农工国际大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
提出用于大规模电力系统机组组合问题的加速求解器,基于GPU和CPU优化求解器在单机上并发执行,先收敛的求解器终止另一个以减少运行时间,还通过预求解加速收敛,数值实验验证了该框架的效率。
2026-07-07 math.OC
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
Unit commitment with valve-point loading effect
阀点负荷影响机组的输入输出特性,使燃料费用具有非线性和非平稳性。这已经被认为是在解决负荷分配问题,但没有在机组组合的规划阶段。本文提出了考虑阀点负荷的火电机组组合问题的最优化模型。该公式是基于一个仔细的线性化的燃料费用函数,这是非常详细的动力区域被用于在当前的解决方案,并大致在其他地区建模。该问题的一组基准实例用于分析的方法,与求助于通用的混合整数优化求解器。
2014-04-19 cs.CE 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
Simultaneous Scheduling of Multiple Frequency Services in Stochastic Unit Commitment
低碳电网中系统惯性水平的降低增加了对替代频率服务的需求。然而,在调度过程中同时优化这些服务的提供,受到很大的不确定性,是一个复杂的任务,考虑到连接的稳态优化与频率动态的挑战。本文提出了一种新的频率约束随机机组组合(SUC)模型,该模型首次将能量生产与同步和合成惯性、增强频率响应(EFR)、主频率响应(PFR)和动态降低的最大功率馈入一起进行协同优化。负载阻尼的贡献是通过线性内近似建模。通过对英国2030年电力系统的几个案例研究证明了该模型的有效性,这些案例研究突出了替代频率服务之间的协同作用和冲突,以及同时优化所有这些服务所实现的显著经济节约和碳减排。
2019-03-12 math.OC
An MISOCP-Based Decomposition Approach for the Unit Commitment Problem with AC Power Flows
Faculty of Engineering and Natural Sciences, Sabancı University(萨班哲大学工程与自然科学学院)
本文提出基于MISOCP的分解方法,同时解决含交流功率流的单元调度问题,通过两种算法在不同规模实例上获得高质量可行解。
2022-01-05 math.OC
Robust Risk-Constrained Unit Commitment with Large-scale Wind Generation: An Adjustable Uncertainty Set Approach
针对鲁棒机组组合(RUC)研究中很少涉及的两个重要问题:1)当不确定性的实现超出规定的不确定性集合时,潜在的运行损失可能是多少; 2)用于RUC决策的规定的不确定性集合应该有多大。在这方面,一个强大的风险约束机组组合(RRUC)制定提出了应对大规模的波动和不确定的风力发电。与现有的RUC公式不同,RRUC中的风力发电不确定性集可以通过选择不同的操作风险水平来调整。通过优化不确定性集,RRUC可以在空间和时间域上最优地分配电力系统的操作灵活性,以风险约束的方式降低操作成本。此外,由于考虑了风力发电实现的影响,在规定的不确定性设置的操作风险,RRUC优于RUC的情况下,罕见的事件。提出了三种基于列和约束生成(C&CG)的RRUC算法。由于所提出的算法具有较强的通用性,因此也可以应用于其他RUC模型,以提高其计算效率。对一个改进的IEEE 118节点系统的仿真验证了所提方法的有效性
2016-03-14 math.OC
Scenario Reduction for the Two-Stage Stochastic Unit Commitment Problem
Graz University of Technology(格拉茨工业大学);University of Málaga(马拉加大学);University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
本文提出了一种基于最优质量运输问题的场景缩减方法,用于在电力系统中近似两阶段随机单元调度问题的最优解,通过减少场景数量以提高计算效率。
2025-12-22 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
Stochastic Unit Commitment in Low-Inertia Grids
本文研究了具有低转动惯量的电力网络中的机组组合问题。与频率相关的约束,即频率变化率(RoCoF),频率最低点和稳态频率误差的限制,来自一个统一的系统频率响应模型,并包括到一个随机UC帐户的风力发电和设备的意外不确定性,使用二叉树的方法。与线性RoCoF和稳态频率误差约束相比,最低点约束是高度非线性的。为了保持混合整数线性制定的随机UC模型,我们提出了一种计算效率高的方法,允许重铸的最低点约束,通过引入适当的界限上的相关决策变量的UC模型。对于中等规模的网络,这种方法被证明是计算更有效的分段线性化方法改编自文献。改进的IEEE RTS-96系统的仿真结果表明,包括惯性相关的约束显着影响UC的决定,并增加了总成本,因为更多的同步机被迫在线提供惯性响应。
2019-04-05 math.OC
A Polyhedral Study on Unit Commitment with a Single Type of Binary Variables
Faculty of Business, The Hong Kong Polytechnic University(香港理工大学工商学院);College of Business, City University of Hong Kong(香港城市大学商学院)
本文提出了一种仅使用单一类型二元变量的单元调度公式,并开发了强有效不等式以提高公式的紧性,通过实验验证了其有效性。
2026-02-25 math.OC
Long-Term Multi-Objective Optimization for Integrated Unit Commitment and Investment Planning for District Heating Networks
本文提出基于网络流的混合整数线性规划模型,整合多能源系统的机组组合与长期投资规划,应用于柏林区域供热网络,通过词典序优化方法探讨成本与CO2排放的Pareto最优权衡,为决策者提供可行的转型路径见解。
2025-08-13 math.OC
Robust Transmission Constrained Unit Commitment:A Column Merging Method
在不确定性电源快速集成的情况下,输电约束机组组合(TCUC)问题必须考虑鲁棒性。鲁棒TCUC方法的总体计算复杂性与不确定集的顶点数密切相关。顶点数还与1)调度范围中的周期数以及2)具有不确定注入的节点数相关联。本文提出了一种列合并方法(CMM),通过合并不确定节点来减少计算负担,同时仍保证解的鲁棒性。坐标测量机对传动约束进行了修正,参数由一致逼近问题的解析解得到,使得计算时间可以忽略不计。CMM应用于基于贪婪算法的框架下,其中合并节点的数量和近似误差可以很好地平衡。CMM是一种提高鲁棒TCUC问题求解效率的预处理工具,与多种求解方法(如两阶段和多阶段鲁棒优化方法)兼容。数值试验表明该方法是有效的。
2018-10-15 math.OC
Commitment and Dispatch of Heat and Power Units via Affinely Adjustable Robust Optimization
热电系统的联合管理被认为是将可再生能源纳入区域供热广泛渗透的能源系统的关键。确定这些系统的日前机组投入和生产计划是一个最优化问题,它受到来自热和电的需求和价格的不可预测性的不确定性的影响。此外,由于生产和热存储单元的动态特征以及优化范围的长度和粒度(例如,一整天,每小时解决),这个问题本质上是一个多阶段的问题。我们提出了一种基于鲁棒优化的配方,其中追索权的决定近似为线性或分段线性函数的不确定参数。这种方法允许在多阶段决策中的不确定性的严格建模,而不损害计算的易处理性。我们进行了广泛的数值研究的基础上,从丹麦哥本哈根地区的数据,突出了所提出的模型的重要功能。首先,我们说明承诺和派遣的选择,增加稳健优化方法的保守性。其次,我们评估的增益从线性切换到分段线性决策规则的鲁棒优化。此外,我们给出了方向选择的参数定义的不确定性集(大小,预算),并评估平均利润和保守性的解决方案之间的权衡。最后,我们与基于确定性优化和随机规划的竞争模型进行了全面的比较。
2015-07-21 math.OC
Resilient Unit Commitment for Day-ahead Market Considering Probabilistic Impacts of Hurricanes
面对极端事件,例如,飓风对输电系统特别是输电线路的影响是跨越时空的。为了从概率的角度减轻这些对日前市场的影响,将弹性机组组合(UC)问题表示为两阶段鲁棒优化(RO)问题。在第一阶段中,发电机的状态、能量和储备被预先调度以最小化运行成本,以响应运行日中最坏的线路故障情况。考虑故障线路的修复问题,提出了一种新的具有机会约束的鲁棒不确定性集,描述了输电线路的故障、运行状态和修复过程。这个机会约束被重新表述为它的确定性等价。在第二阶段,考虑到输电线路运行状态的时变特性,采用切负荷和削减发电量相结合的方法,建立了补偿问题。制定RO问题解决使用列和约束生成方案。在IEEE-24和两区域IEEE可靠性测试系统-1996上进行了飓风下的仿真,结果验证了所提出的方法在不确定性集的保持、最坏情况下的线路故障场景检测和修复准备方面的有效性。
2019-11-18 math.OC
Multistage Robust Unit Commitment with Dynamic Uncertainty Sets and Energy Storage
风能和太阳能的深度渗透是未来电网的关键组成部分。然而,这些可再生能源的不确定性和随机性给电力系统的可靠和经济运行带来了重大挑战。出于这些挑战,我们提出了一个多级自适应鲁棒最优化模型的机组组合(UC)问题,模型的调度过程的顺序性,并利用一种新型的动态不确定性集捕捉的时间和空间的相关性的风能和太阳能发电。该模型还考虑了能量存储设备的操作。我们提出了一个简化和有效的仿射调度决策的政策,并开发了一个有效的算法框架,使用约束生成和基于对偶的重构与各种改进。大量的计算实验表明,所提出的方法可以有效地解决波兰2736总线系统的高维不确定性下的60个风电场和30个太阳能发电场的多级鲁棒UC问题。计算结果还表明,所提出的模型导致显着的好处,在成本和可靠性与传统的不确定性集的鲁棒模型,以及确定性模型与储备规则。
2016-08-10 math.OC
Multiple-Periods Locally-Facet-Based MIP Formulations for the Unit Commitment Problem
火电机组组合问题历来被归结为混合整数二次规划(MIQP)问题,特别是对于大规模系统,该问题很难有效求解。更紧密的特征减少了搜索空间,因此,作为自然的结果,显著降低了计算负担。在文献中,许多紧缩的单一单位与部分约束的公式,没有明确地介绍他们是如何推导出来的。在本文中,一个系统的方法来制定严格的配方。其思想是使用更多的二进制变量来表示单元的状态,从而获得最严格的上界的发电限制和斜坡约束的一个单一的单位。在这种方式中,我们提出了一个多周期制定的滑动窗口的基础上,可能有不同的大小为系统中的每个单元。在此基础上,建立了考虑历史条件的多期模型。此外,给出了单单位约束多面体的面的充分和必要条件,并消除了多余的不等式。所提出的模型和其他三个国家的最先进的模型进行了测试,73个实例的调度时间为24小时。测试系统中的发生器数量范围为10至1080。仿真结果表明,当多周期公式的窗口大小大于2时,我们提出的多周期公式比其他三种最先进的模型更紧凑。
2022-09-23 math.OC
Integrating Aggregated Electric Vehicle Flexibilities in Unit Commitment Models using Submodular Optimization
EDF Lab Paris-Saclay(法国电力集团巴黎萨克雷实验室);Univ. Grenoble Alpes, Inria, CNRS, Grenoble INP, LIG(格勒诺布尔阿尔卑斯大学、法国国家信息与自动化研究所、法国国家科学研究中心、格勒诺布尔理工学院、信息学实验室);Inria, and CMAP, École polytechnique, IP Paris, CNRS(法国国家信息与自动化研究所、巴黎综合理工学院数学与应用中心、巴黎文理研究大学、法国国家科学研究中心)
本研究提出结合割平面法与次模优化的精确算法,将聚合电动汽车灵活性整合到机组组合模型,可线性时间内精确求解机组组合问题,并通过欧洲电网与法国电动汽车用户行为数据的真实实例验证方法有效性。
2026-08-05 math.OC
Data-Driven Screening of Network Constraints for Unit Commitment
输电约束机组组合(TC-UC)问题是电力系统日常运行中最重要的问题之一。由于其计算复杂性,该问题通常不能解决的全局最优的实际规模的电力系统。在本文中,我们提出了一个数据驱动的方法,利用历史信息筛选出的网络约束的TC-UC问题。首先,使用整个网络的需求和可再生能源发电的过去数据来学习输电线路的拥塞状态。然后,我们推断出的线路,将不会成为拥挤的即将到来的操作条件的基础上,这样的学习和忽视他们的容量限制。通过这种方式,我们制定了一个简化的TC-UC问题,更容易解决。一个中型和大型电力系统的数值结果表明,所提出的方法优于现有的显着减少计算时间,同时获得的解决方案是相同的或接近的一个与原来的TC-UC问题。此外,我们提出的纯数据驱动方法可以与约束生成过程无缝补充,以保证最终恢复原始TC-UC问题的最优解。
2020-01-24 math.OC
Multi-Stage Robust Transmission Constrained Unit Commitment: A Decomposition Framework with Implicit Decision Rules
随着可再生能源的大规模并网,各种最优化方法被用于求解随机/不确定输电约束机组组合问题。在所有的方法中,两阶段和多阶段的鲁棒优化方法是最广泛采用的。在两阶段方法中,经济调度(ED)决策的非预期性不考虑。而在多阶段方法中,通常采用显式决策规则(如仿射决策规则)来保证ED决策的非预期性。使用显式决策规则,计算负担可能很重,并且解的最优性受到影响。本文提出了一种隐式决策规则的多阶段鲁棒TCUC公式,并给出了求解该公式的分解框架,证明了解是多阶段鲁棒的,并保证了ED决策的非预期性。同时,针对可行性检查子问题提出了一种计算效率高的时间解耦求解方法,使得该方法适用于具有不确定负荷/可更新注入的大规模TCUC问题.在IEEE 118节点系统和波兰2383节点系统上进行了数值试验。几个国家的最先进的方法的性能进行了比较。
2018-10-17 math.OC
Managing power balance and reserve feasibility in the AC unit commitment problem
本文研究日前市场大规模交流潮流机组组合问题,提出分解算法并揭示仅满足功率平衡即可获得高质量解,进而设计并行策略以在工业规模算例上兼顾备用与交流可行性。
2024-03-30 cs.SY eess.SY math.OC