EMSx: a numerical benchmark for energy management systems
以分散的方式将可再生能源插入电网是能源转型的关键挑战。然而，在地方范围内，生产和需求都表现出不稳定的行为，这使得匹配它们变得微妙。能量管理系统（EMS）的目标是以最小的成本实现这种平衡。我们提出了EMSx，一个数值基准测试控制算法的管理配备了光伏单元和储能系统的微电网。EMSx由三个关键组成部分组成：EMSx数据集由施耐德电气提供，包含各种现实微电网，并收集了丰富的历史观测和预测; EMSx数学框架是对电力微电网控制技术和算法评估的明确描述; EMSx软件EMSx.jl是一个用Julia语言实现的软件包，可以轻松实现微电网控制器并对其进行测试。基准测试的所有组件都是公开的，因此，其他愿意在EMSx上测试控制器的研究人员可以很容易地复制实验。最后，我们展示了标准微电网控制方法的结果，包括模型预测控制，开环反馈控制和随机动态规划。
2021-10-14 math.OC
Upper and Lower Bounds for Large Scale Multistage Stochastic Optimization Problems: Application to Microgrid Management
我们考虑一个微电网，其中不同的产消者通过给定网络的边缘完全交换能量。每个产消者都位于网络的一个节点上，包括能源消耗、能源生产和储存能力（电池、电热水箱）。这个问题在时间和空间上都是耦合的，因此直接解决大型微电网的问题是遥不可及的（维数灾难）。通过影响网络中每个节点的价格或资源，并通过动态规划独立地解决每个节点的子问题，我们提供了分解算法，允许以并行方式计算一组分解的局部值函数。通过对局部值函数求和，我们一方面可以得到问题的最优值的下界，另一方面可以设计原系统的全局容许策略.数值实验在不同大小的微电网上进行，这些微电网来自致力于城市能源转型的研究和开发中心Efficacity提供的数据。这些实验表明，分解算法给出了更好的结果比标准SDDP方法，无论是在边界和政策价值。此外，分解方法在计算时间方面比SDDP方法快得多，从而允许处理在动态规划框架中包含60多个状态变量的问题实例。
2019-12-23 math.OC
A Novel Real-Time Energy Management Strategy for Gird-Friendly Microgrid: Harnessing Internal Fluctuation Internally
通常，微电网发电容量的很大一部分来自可变的可再生资源，这些资源受环境影响很大，并且可以是间歇性的，也可以是随机的。这将导致微电网净负荷的不确定性，并对电网的可靠性产生负面影响。提出了一种两阶段的网络化微网实时能量管理策略，以解决微网内部波动问题，使微网成为电网友好型微网。该策略基于实时调度（RTD）阶段和实时控制（RTC）阶段之间的协调。在RTD阶段，使用模型预测控制（MPC）在当前时间间隔内优化调度微电网资源，同时考虑不久的将来的情况。RTC阶段通过快速作用电池解决微电网内部净负荷波动问题，其目的是在当前调度间隔内维持主电网和微电网之间恒定的联络线功率流。对10种不同的净负荷情景进行的数值模拟可以证明所提出的两阶段能量管理策略的性能，该策略将使微电网能够从大电网运营商的角度在经济调度间隔中作为具有静态电力消耗或生产的可控资产进行操作。
2020-06-20 cs.SY eess.SY math.OC
Efficient Algorithm for Scalable Event-based Demand Response Management in Microgrids
需求响应管理已成为智能电网的关键使能技术之一。在服务运营商提供的需求响应激励措施不断增加的推动下，越来越多的客户订阅了各种需求响应计划。然而，随着越来越多的客户参与，确定在可行的时间范围内的突发事件期间在微电网中被削减的最佳负载的问题在计算上变得困难。针对微电网中基于事件的需求响应管理问题，提出了一种有效的近似算法。在基于事件的管理中，重要的是尽可能快地削减负荷，以可扩展的方式在孤岛模式期间保持微电网的稳定性。一个简单的贪婪的方法，可以快速确定一个接近最优的负荷削减计划，以最大限度地提高总客户效用在毫秒为大量的客户。本文进一步推导出一种新的理论保证之间的差距，提出了有效的算法和最优解（这可能是计算上难以获得）。算法的性能得到了广泛的证实，模拟多达数千名客户。为了实用性，建议的基于事件的需求响应管理算法应用于从加拿大基准配电系统馈线。仿真结果表明，所提出的方法有效地优化了孤岛模式下微电网的运行，同时保持了适当的电压水平和网络约束。
2016-10-10 cs.DS math.OC
Predictive Management of Electric Vehicles in a Community Microgrid
将电动汽车充电负荷建模为可延迟负荷，这意味着可以将电力消耗转移到不同的时间窗口以实现各种电网目标。在当地社区的情况下，电动汽车被认为是可控的存储设备在一个全局优化问题，与其他微电网组件，如建筑负荷，可再生能源发电，电池储能系统等，但是，在驱动器的行为的不确定性有巨大的影响微电网运营的成本效益，这还没有充分探讨在以前的文献。在本文中，我们提出了一个预测电动汽车管理策略，在社区微电网，并评估它使用真实世界的数据集的系统基本负荷，太阳能发电和电动汽车充电行为。建立了两阶段运行模型，即第一阶段批发市场参与和第二阶段负荷曲线跟踪，以实现经济有效的电动汽车管理。预测控制策略，包括滚动时域控制，适用于以分散的方式解决能量分配问题。实验结果表明，所提出的方法可以显着降低总的能量成本，并降低总系统负载的斜坡指数高达56.3%。
2018-02-01 eess.SP math.OC
Decentralized Multistage Optimization of Large-Scale Microgrids under Stochasticity
微电网被认为是在能源组合中吸收分散的可再生能源的一个相关工具。然而，顺序处理多个随机生产和需求，以及存储，使其管理成为一个微妙的问题。通过考虑微电网，我们增加了另一层复杂性，其中不同的建筑物位于网络的节点处，并通过弧线连接;一些建筑物拥有本地生产和存储能力，并可以与其他建筑物交换其能源盈余。我们制定的问题作为一个多阶段的随机最优化问题，对应于最小化的预期时间总和的运营成本，同时满足能源需求，在每个节点上，所有的时间。由此产生的数学问题具有大规模的性质，表现出空间和时间的耦合。然而，这个问题显示了一个网络结构，使其适合空间分解协调与时间分解方法的混合。我们进行数值模拟的不同规模和拓扑结构的微电网，多达48个节点和64个状态变量。分解方法比最先进的随机对偶动态规划算法更快，并提供更有效的策略。此外，它们几乎与状态维度成线性关系，使它们成为解决更复杂的微电网优化管理问题的有前途的工具。
2021-06-08 math.OC
Stochastic Optimal Control Problems for the Cost-Optimal Management of a Standalone Microgrid
Brandenburg University of Technology Cottbus-Senftenberg（勃兰登堡工业大学科特布斯-森夫滕贝格分校）；University of Luxembourg（卢森堡大学）
本文研究配备光伏、储能和发电机的独立微网成本最优管理问题，考虑天气不确定性和有限燃料约束，将其表述为离散时间随机控制问题，并利用马尔可夫决策过程理论进行数值求解。
2026-10-30 math.OC
Stochastic Reactive Power Management in Microgrids with Renewables
本文提出一种随机无功补偿方案，通过在线控制实现无功管理，验证了其在工业微电网和住宅配电网络中的有效性，能跟踪太阳能发电和家庭需求的变化。
2014-11-14 cs.SY eess.SY math.OC
Robust Energy Management for Microgrids With High-Penetration Renewables
University of Minnesota（明尼苏达大学）
针对高可再生能源渗透率微电网，提出一种基于对偶分解的分布式经济调度方法，以最小化净成本并应对可再生能源不确定性。
2013-05-26 cs.SY eess.SY math.OC
Saturation-Aware Model Predictive Energy Management for Droop-Controlled Islanded Microgrids
在本文中，我们提出了一种基于极小极大模型预测控制（MPC）的能量管理系统，该系统对可再生能源的进料和负载的不确定性具有鲁棒性。MPC制定包括一个模型的低电平下垂控制与饱和的功率和能量限制的单位。强大的基于MPC的能源管理系统往往不能充分利用可再生能源来保证安全运行。为了减轻这种影响，我们进一步考虑可再生能源的下垂控制。对于下垂控制单元的微电网，我们表明，增强下垂反馈与饱和扩大了可行的控制动作的空间。然而，所得到的控制器需要解决一个混合整数的问题，额外的变量和方程表示饱和。我们推导出一个计算易处理的制定这个问题。此外，我们研究了通过使用饱和下垂，可再生下垂和两者的组合在案例研究中获得的性能。
2021-07-06 cs.SY eess.SY math.OC
Efficient Decentralized Economic Dispatch for Microgrids with Wind Power Integration
分散式能源管理在具有可再生能源的智能微电网中至关重要，原因包括环境友好性，减少通信开销和故障恢复能力。在这种情况下，目前的工作涉及分布式经济调度和需求响应倡议的并网微电网的高渗透率的风力发电。为了应对风能的本质随机可用性的挑战，一种新的能源规划方法，涉及实际的风能以及与主电网的能量交易，介绍。提出了一个随机最优化问题，以最小化微电网的网络成本，其中包括常规发电成本以及由风的不确定性引起的预期交易成本。为了绕过所涉及的过高的高维积分，利用有效的样本平均近似方法来获得具有保证收敛性的求解器。利用微电网的特殊基础设施，通过乘法器的交替方向法进一步开发了分散式算法。案例研究进行了测试，以证实新的方法的优点。
2014-01-23 math.OC
Bi-level Mixed-Integer Nonlinear Optimization for Pelagic Island Microgrid Group Energy Management Considering Uncertainty
本文提出一种考虑不确定性的远洋海岛微网群双层能量管理框架，上下层分别由微网群运营商和聚合商优化成本与收益，并设计上界紧致迭代算法求解下层混合整数非线性问题，提升了最优性与计算效率。
2023-11-27 cs.SY eess.SY math.OC
Dynamic Rolling Horizon-Based Robust Energy Management for Microgrids Under Uncertainty
本文提出一种结合鲁棒优化与滚动时域框架的动态滚动时域模型，通过动态调度工具优化起始时隙，以更好整合不确定性预测与实现，案例研究表明其成本最多降低57%，光伏本地利用率最多提高11%。
2023-07-11 cs.SY eess.SY math.OC
Independent policy gradient-based reinforcement learning for economic and reliable energy management of multi-microgrid systems
School of Mechanical and Electrical Engineering, Shenzhen Polytechnic University（机械与电气工程学院，深圳职业技术大学）；School of Business, Sun Yat-Sen University（商学院，中山大学）
本文提出了一种基于独立策略梯度的分布式强化学习方法，用于解决多微电网系统的经济可靠能源管理问题，通过均值-方差团队随机博弈模型实现去中心化策略优化。
2025-11-26 cs.LG cs.SY eess.SY
Hierarchically Coordinated Energy Management for A Regional Multi-microgrid Community
本文提出了一种新的分层协调的能源管理系统（EMS）的区域社区（例如，住宅区、校园、工业园区等）包括多个小规模微电网（MG）（例如，房屋、建筑物等）。它的目标是最小化MG社区的总运营成本，同时最大化每个MG的个人利益。在每个MG内部的局部水平上，通过对包括光伏电池（PV）、储能器（ES）、电动汽车（EV）和可调度负载在内的各种能源的详细建模，将个体优化问题制定为混合整数线性规划（MILP）。本地EMS为所有可控单元做出功率调度决策，以最小化单个MG中的操作成本。在社区层次上，提出了一种新的配对算法，以显式地找到盈余和赤字的MG配对。社区级EMS采用配对算法来确定MG之间的特定功率交换，并最小化与上游电网的能量交易。通过社区一级EMS获得的额外经济效益，进一步降低了每个MG的运营成本。该方法在建模通用性、计算复杂度和隐私保护等方面具有明显的优势，仿真结果验证了该方法的有效性。
2021-02-07 cs.SY eess.SY math.OC
Stochastic optimal control of a domestic microgrid equipped with solar panel and battery
微电网是收集和操作能源生产单元以满足消费者需求的集成系统。本文详细介绍了国内微电网能量管理系统（EMS）设计的不同数学方法。我们考虑不同的股票耦合在一起-电池，家用热水箱-和分散的能源生产与太阳能电池板。环管系统面临的主要挑战是，在考虑到这种系统固有的不确定性的同时，至少要以成本来确保供应始终与需求相匹配。我们基准两个优化算法来管理EMS，并比较它们与启发式。模型预测控制（MPC）是一种众所周知的算法，它用确定性预测来模拟未来的不确定性。相比之下，随机对偶动态规划（SDDP）将未来的不确定性建模为概率分布来计算最优策略。我们对这两种控制微电网的算法进行了公平的比较。一个全面的数值研究表明，i）优化算法实现显着的收益相比，启发式，ii）SDDP优于MPC几个因子，具有合理的计算开销。
2018-01-19 math.OC
Market-Driven Energy Storage Planning for Microgrids with Renewable Energy Systems Using Stochastic Programming
电池储能系统（BESS）可以缓解可再生能源间歇性发电的影响，并在调峰和按需充电管理中发挥关键作用。为了从经济角度优化BESS的规模，必须考虑BESS投资成本，寿命和公用事业费用节省以及微电网辅助服务的收入之间的权衡。通过考虑批发市场定价的随机最优化问题来求解BESS的最优规模。一个随机模型被用来调度套利服务的基础上预测的能源市场定价的能源存储，同时考虑到BESS成本趋势，可再生能源资源的变化，和需求预测。本文提出的方法的独特之处在于凸优化规划框架，计算全局最优解的金融权衡解决方案。该方法说明了应用程序的各种现实的案例研究的基础上，从加州独立系统运营商（CAISO）的定价和需求数据。案例研究结果从成本的角度来看，最佳BESS规模的洞察力，根据每年的调度和日常BESS操作。
2017-02-28 math.OC
Degradation-based Energy Management for Microgrids in the Presence of Energy Storage Elements
针对含储能元件的微电网，提出电池退化感知的模型预测能量管理策略，经舰船电力系统等仿真验证，旨在提升电网稳健性与抗风险能力。
2025-03-25 math.OC
Adaptive Online Optimization for Microgrids with Renewable Energy Sources
本文提出了一种自适应在线优化算法，用于高效管理高可再生能源渗透率的微电网，通过内部模型原理和系统识别实现增强的适应性。
2025-12-04 cs.SY eess.SY math.OC
Flexible Demand Resource Pricing Scheme: A Stochastic Benefit-Sharing Approach
随着可再生能源发电的迅速普及，基于激励的需求侧管理（DSM）在缓解微电网的不确定性和提供灵活性方面显示出巨大的价值。然而，如何对这些需求资源进行定价成为微电网环境下促进激励型需求侧管理的最重要挑战之一。本文提出了一种柔性需求资源定价方案。与现有文献中使用终端用户的效用函数不同，该方法通过提高微网运行性能来评估柔性需求资源的经济效益，并基于效益共享的方法对资源进行定价。建立了一种基于迭代的机会约束方法来计算需求资源提供者的经济效益和共享补偿。同时，机会约束准则降低了微电网运营商因不确定因素而面临的财务风险。通过一个实验性微电网验证了该方案的有效性。
2019-08-05 math.OC
Long-Term Energy Management for Microgrid with Hybrid Hydrogen-Battery Energy Storage: A Prediction-Free Coordinated Optimization Framework
针对含氢-电池混合储能的微电网长期能量管理，提出无预测两阶段协调优化框架，结合核回归与自适应虚拟队列OCO算法，实现次线性动态遗憾并显著降本减失负荷。
2024-07-31 cs.SY eess.SY math.OC
Community Microgrid Planning Considering Building Thermal Dynamics
将建筑热动力特性引入社区微电网规划模型。建议的规划模型制定为一个混合整数线性规划（MILP），旨在确定各种分布式能源（DER）的最佳部署策略。目标是最小化社区MG的年化成本，包括DER投资成本、可调度燃料发电机（DFG）的运行成本、储能系统（ESS）降级成本、PCC处的能量购买和峰值需求费用、由于室温偏差引起的用户不适成本和负荷削减成本。考虑到建筑物缓慢的热动态特性，在所提出的模型中的供暖，通风和空调（HVAC）系统被视为需求侧管理（DSM）组件，其调度命令由中央MG控制器提供。基于一个由20栋住宅楼组成的社区MG的数值计算结果表明了所提出的规划模型的有效性和引入建筑热动力学模型的好处。
2019-10-19 math.OC
Approximate Model Predictive Control for Microgrid Energy Management via Imitation Learning
Delft Center for System and Control, TU Delft（代尔夫特系统与控制中心，代尔夫特理工大学）；Department of Electrical, Electronic and Computer Engineering, University of Pretoria（电气、电子与计算机工程系，比勒陀利亚大学）
本文提出基于模仿学习的框架，用于近似混合整数经济模型预测控制，通过神经网络模仿专家控制策略，实现快速实时决策，降低计算时间并提升鲁棒性。
2026-04-27 cs.AI cs.SY eess.SY
Electric Vehicle Scheduling and Vehicle-to-Grid Integration in Microgrids
Operations Research and Information Engineering, Cornell Tech（康奈尔科技分校运营研究与信息工程系）；Jacobs Technion-Cornell Institute, Cornell Tech and Technion - IIT（雅各布泰康-康奈尔学院，康奈尔科技分校和以色列理工学院）；Electrical and Computer Engineering, Cornell Tech（康奈尔科技分校电气与计算机工程系）
本文针对军事微电网中电动卡车车队的行驶与充放电调度问题，扩展经典车辆调度模型并引入车网互动能力，利用列生成方法高效求解，证明该方案可显著降低燃油消耗、提升可再生能源利用率并带来经济与运营效益。
2026-10-06 math.OC
Maximizing On-Bill Savings through Battery Management Optimization
针对商业和工业用户的同时与非同时峰值电费，本文提出利用情景生成器引擎将两类峰值概率纳入优化，以规划含电池等资源的微电网并最大化账单节省。
2024-09-05 math.OC
Design of aggregators for the day-ahead management of microgrids providing active and reactive power services
分布式能源发电系统的日益普及需要开发新的控制范例，以协调微型发电机，存储系统和负载，旨在保持电力网络的效率和安全可操作性。微电网（MG）是本地管理发电设备组的一种有趣的方式，但是它们不能单独地提供在辅助服务方面维持主电网的显著贡献，例如用于频率调节的最小量的电力储备的可用性。出于这些原因，在本文中，我们提出了一个框架，相互关联的MG提供辅助服务的主要公用事业的聚合和协调。拟议框架分为三个主要阶段。在第一种方法中，分布式优化算法根据可再生能源生产和负荷吸收的可用预测计算MG的有功功率生产的前一天曲线。在这个阶段，保证了最优化问题的可扩展性和机密性要求。在第二阶段，无功功率流被调度，并且确保在第一阶段中规划的有功功率趋势不损害电压/电流限制。最后的第三阶段用于调度每个MG的发电单元的有功和无功功率曲线，以使它们与前两个阶段的要求和结果一致。所开发的方法是用于控制的IEEE 13总线系统网络和取得的成果进行了彻底的讨论，在性能和可扩展性方面。
2019-06-24 cs.SY eess.SY math.OC
An Efficient Primal-Dual Approach to Chance-Constrained Economic Dispatch
为了有效地提高分布式和可再生能源在未来智能微电网中的集成，经济的能源管理是不可或缺的，具有重要意义。研究了孤岛模式下考虑需求侧管理的微网日前发电经济调度问题。针对多风电场多时段能量优化调度问题，以限制风电场失电概率风险为目标，建立了一个联合机会约束最优化问题。针对风力发电量时空联合分布问题，采用原对偶方法有效地获得了次优解。该方法是基于一阶最优性条件和逐步逼近的概率约束生成的p-有效点。数值结果证实了这种方法的优点。
2014-10-17 math.OC
Controlling Microgrids Without External Data: A Benchmark of Stochastic Programming Methods
本文提出四种仅依赖历史数据的多阶段随机控制算法，用于无需外部数据的微电网控制，通过基准测试展示了其在成本降低和性能表现上的优势。
2023-05-05 math.OC
An Efficient Scenario-Based Stochastic Model for Dynamic Operational Scheduling of Community Microgrids with High Penetration Renewables
电能的供应越来越多地来源于可再生发电资源。与可调度电厂相比，可再生能源发电的可变性和不确定性与传统可靠和鲁棒的配电系统是一个显著不同的问题。为了使包含各种分布式能源的社区微电网达到最优运行，在决策过程中应考虑可再生能源发电的随机性。为此，本文提出了一种基于随机情景的微电网最优动态能量管理模型，其目标是成本和排放最小化以及可靠性最大化。在该模型中，负荷消耗的不确定性，也是，风能和光伏发电机组的可用输出功率建模的基于马尔可夫的随机规划。通过这种方法，所提出的问题的固有的随机性质被释放，问题被分解成一个确定性的问题。最后，基于布谷鸟优化算法（COA）的改进的元启发式算法，以产生最佳的全局最优解。将该框架应用于典型的并网微电网中，验证了其有效性和可行性。
2017-11-11 math.OC
Saturation-aware robust optimal operation control of microgrids based on minimum-regret optimization
University of Kassel（卡塞尔大学）；TU Berlin（柏林工业大学）
针对高可再生能源渗透率微电网，提出一种结合下垂控制与能量管理系统的分层鲁棒模型预测控制方法，通过最小遗憾优化实现多场景下的最优运行。
2026-05-29 cs.SY eess.SY math.OC
Grid-Aware Real-Time Control and Balancing Between Microgrids
本文提出一种基于三步框架的微电网实时平衡与控制方法，通过设备可行性验证、直流潮流约束和功率分配实现日前方案，其性能在案例研究中与最优离线算法相当。
2023-11-19 cs.SY eess.SY math.OC
Probabilistic Tri-level Market Models for Demand Side Management in Power Distribution Systems
在智能系统中部署可再生能源（RES）的新兴兴趣对系统规划者和微电网（MG）运营商的所有者都提出了巨大的挑战。在这方面，我们提出了一个三级电力市场模型，设计需求侧管理系统，以匹配电力供应和塑造可再生能源发电。我们的特点所产生的均衡在竞争以及寡头垄断市场，并提出分布式需求响应算法来实现均衡。该模型作为一个起点，包括设备级的细节和约束条件，为智能电网设计实用的需求响应方案。为了显示所提出的模型的实用性，本文考虑了两种不同的案例研究：不协调和协调的负荷需求。一种新的数学模型进一步发展，其中的行为，响应于不同的电力价格，由于需求响应程序，被认为是在产生的MG的能量消耗。
2018-02-12 math.OC
Stochastic Operation of Energy Constrained Microgrids Considering Battery Degradation
可变可再生能源发电渗透率高的电力系统易受低发电时段的影响。保持高可调度发电容量的替代方案是能够利用剩余功率的电能存储，其中电能存储有助于供应的安全性。这样的系统可以被认为是能量受限的，并且电能存储的操作必须平衡操作成本最小化和稀缺风险。在这个问题上，依赖于操作的存储特性，例如能量存储退化是一个复杂的因素。本文提出了一种线性近似的电池充电状态退化，并实现它在一个随机的双动态规划的能量管理模型结合循环退化。退化建模的影响进行了研究，挪威的小型微电网可变的可再生能源发电和有限的可调度发电容量，以及电池和氢存储，以平衡供需。我们的研究结果表明，所提出的策略可以延长预期的电池寿命超过四年相比，天真的随机策略，但可能会导致其他系统资源的退化增加。同样明显的是，一个随机的策略是至关重要的，以保持低风险的稀缺性，在能量受限的系统。
2021-11-05 cs.SY eess.SY math.OC
A Bottom-Up Approach to Optimizing the Solar Organic Rankine Cycle for Transactive Energy Trading
本研究针对社区微电网P2P能源交易场景，提出基于运筹学的自底向上方法优化带储能的太阳能ORC系统，验证其可平均降低16%运行成本，提升系统可预测性与竞争力。
2025-01-17 math.OC
Cost Minimizing Online Algorithms for Energy Storage Management with Worst-case Guarantee
需求响应计划中电价的波动和可再生能源供应的不稳定性使得有必要在微电网中采用储能。然而，设计有效的实时储能管理策略是一项挑战，可以提供有保证的最优性，而不会受到波动的电价和可再生能源供应的不确定性的阻碍。本文提出了一种简单有效的在线算法的充电和放电决策的能量存储，最大限度地减少电力成本的存在下，电价波动和可再生能源供应，而不依赖于未来的价格，需求或可再生能源供应的信息。所提出的算法由近似最佳最坏情况保证（即，竞争比），与基于完全未来信息的离线最优决策相比。此外，该算法可以适于利用有限的未来信息（如果可用的话）。通过对实际数据的仿真，可以看出所提出的算法在实际应用中可以取得令人满意的效果。
2016-01-03 cs.DS math.OC
Statistical Learning for Probability-Constrained Stochastic Optimal Control
针对概率约束随机控制问题，提出基于蒙特卡洛的统计学习方法，整合逻辑回归等工具到RMC框架，实验表明逻辑回归和高斯过程回归最优，有效扩展至概率约束控制。
2020-08-23 math.OC q-fin.CP
A Privacy-preserving Disaggregation Algorithm for Non-intrusive Management of Flexible Energy
我们考虑一个资源分配问题，涉及大量的代理人与个人的隐私约束，和一个中央运营商，其目标是优化的全球，可能是非凸的，成本，同时满足代理人的约束。我们专注于微电网运营商管理能源消耗灵活性的实际案例。本文提供了一个隐私保护算法，计算资源的最优分配，避免每个代理透露她的私人信息（约束和个人的解决方案）既不向中央运营商，也不向第三方。我们的方法依赖于一个聚合过程：我们保持一个全球性的资源分配，并逐步分解这种分配，以执行私人约束的满意度，通过一个协议，涉及到生成多面体切割和安全多方计算（SMC）。为了获得这些削减，我们使用了一种替代的预测方法，该方法由每个代理在本地实现，以保护她的隐私需求。我们的理论和数值结果表明，该方法的规模以及代理的数量变得很大，因此可以用来解决分配问题在高维，同时解决隐私问题。
2019-03-07 cs.MA math.OC
Threshold-Based Algorithms for an Online Rolling Horizon Framework Under Uncertainty -- With an Application to Energy Management
提出一种基于组合在线优化和鲁棒优化的在线调度算法，用于解决动态不确定环境下的滚动视野能源管理问题，显著降低微电网电力成本。
2023-11-19 cs.SY eess.SY math.OC
