Equitable dynamic electricity pricing via implicitly constrained dual and subgradient methods
针对现有节点电价未必公平的问题,本研究提出纳入公平性的每日动态节点定价方案,设计两种隐式约束相关算法,其性能较分时定价至少提升45%,可为电网公平定价提供支撑。
2023-10-06 math.OC
Optimizing Multi-Timestep Security-Constrained Optimal Power Flow for Large Power Grids
本文提出一种扩展大型电网多时间步安全约束最优潮流的新方法,通过约束松弛、线性化、序列优化和问题重构等技术处理数百万变量与非线性约束,在满足时间约束下获得高质量解,鲁棒性优于基准。
2023-11-26 cs.SY eess.SY math.OC
Grid-constrained online scheduling of flexible electric vehicle charging
本文研究受电缆容量等电网约束的停车场电动汽车在线充电调度问题,提出基于调度生成方案在线变体与 destroy-and-repair 启发式的策略,并通过乌得勒支数据驱动的离散事件仿真验证其可提升充电车辆数、降低平均延误。
2024-03-05 math.OC
Optimal Real-Time Coordination of Energy Storage Units as a Voltage-Constrained Game
随着越来越有利的经济性和不同电网服务的捆绑,储能系统(ESS)预计将在整合可再生能源发电方面发挥关键作用。这项工作考虑了位于配电网的不同总线的客户所拥有的ESS的协调。客户参与频率调节并体验随着总需求而增加的能源价格。充电决策由于电池动态而跨时间耦合,并且由于竞争性定价和电压调节约束而跨网络节点耦合。最大化每个用户的经济效益,同时保持在允许的范围内的电压幅值在这里提出作为一个网络的约束对策。分析表明,存在一个广义纳什均衡,并可以表示为一个凸的,但无限时间范围的聚合最优化问题的最小值。为了获得一个实际的解决方案,采用李亚普诺夫优化方法设计一个实时的计划,提供可行的收费决策与性能保证。该方法通过一种新的加权用户成本,提高了标准的李雅普诺夫技术。通过明智地利用物理网格响应,分布式实现的实时求解器也被设计。新的算法设计的功能进行了验证,使用现实数据集上的数值测试。
2018-05-29 math.OC
Forecast-Residual-Based Chance-Constrained Scheduling of Local Energy Communities under PV and Demand Uncertainty
University of Santiago of Chile(智利圣地亚哥大学)
提出基于预测残差的机会约束调度框架,联合优化光伏与储能运行,并通过事后分配最大化内部匹配,在近5%预测误差下性能接近随机规划且计算高效。
2026-10-02 math.OC
Communication-Constrained Expansion Planning for Resilient Distribution Systems
分布式发电和远程控制开关已成为提高配电网抵御极端天气相关干扰的重要技术。因此,研究如何最好地将它们放置在网格上以满足弹性标准,同时最小化成本并捕获它们对维持其分布式操作的相关通信系统的依赖性变得很重要。本文介绍了配电和通信系统的最优弹性设计问题(ORDPDC),以解决这一需求。的ORDPDC制定为一个两阶段的随机混合整数规划,捕捉配电系统的物理规律,智能电网组件的通信connectivity,和一组场景,指定哪些组件受到潜在的灾难。本文提出了一个精确的分支和价格算法的ORDPDC具有强大的下界和各种加速计划,以解决退化。在具有不同灾难强度和网络拓扑的各种测试用例上评估了ORDPDC模型和分支和价格算法。结果表明,网络拓扑结构的扩展计划和成本的显着影响,以及所提出的方法的计算效益。
2018-01-10 math.OC
A Uniform-grid Discretization Algorithm for Stochastic Control with Risk Constraints
本文给出了[Chow_Pavone_13]中有限时间风险约束动态规划算法的离散化算法。虽然在理论上,贝尔曼的递归提供了一个系统的方法来找到最优值函数,并产生最佳的历史依赖的政策,有一个严重的计算问题。即使该约束随机最优控制问题的状态空间和动作空间都是有限的,风险阈值空间和可行风险更新空间也是实数的闭有界子集。这禁止了[Bertsekas_05]中发现的动态规划中无约束有限状态迭代法的任何直接应用。为了逼近文献[Chow_Pavone_13]中的Bellman算子,我们将连续作用空间离散化,并给出了精确动态规划算法的有限空间逼近.我们还将证明最优值函数的逼近误差界是由离散化的步长线性约束的。最后,详细的实施和可能的修改进行了讨论。
2015-01-09 math.OC
Operating envelopes for the grid-constrained use of distributed flexibility in balancing markets
本文提出用运行包络(OE)保障集中式平衡市场中分布式灵活性的电网安全采购,比较一步与两步OE方法,发现两步法更安全但效率较低。
2024-06-25 cs.SY eess.SY math.OC
Towards Resilient Operation of Multi-Microgrids: An MISOCP-Based Frequency-Constrained Approach
分布式能源(DER)的高渗透率正在改变电力系统运行的模式。在主电网中断时向客户提供电力的能力引入了具有许多挑战和机遇的微电网概念。紧急控制由微电网中的并网模式和孤岛模式之间的过渡所引起的危险瞬态是这方面的主要挑战之一。为了应对这一挑战,本文提出了一个全面的优化和实时控制框架,以保持频率稳定的多微电网网络下孤岛事件,并实现最佳的负荷削减和网络拓扑控制与交流潮流的约束。本文还开发了一个强大的混合整数二阶锥规划(MISOCP)为基础的重新制定和切割平面算法的可扩展计算。我们相信这是文献中首次提出这样的多微电网网络控制框架,并通过大量的数值实验证明了其有效性。
2018-08-31 math.OC
Frequency Constrained MPC for Efficient Grid Side Operation of Wind Power Conversion Systems
针对风电转换系统网侧MPC计算负担重的问题,提出带频率约束的间接MPC方案,通过限制调制信号频率成分控制问题规模,可在数百微秒内求解,兼具快速响应与安全约束满足能力。
2024-06-23 cs.SY eess.SY math.OC
An ADMM-based Distributed Optimization Method for Solving Security-Constrained AC Optimal Power Flow
本文针对大规模安全约束交流最优潮流问题,提出基于ADMM的分布式优化框架,结合析取约束平滑、事故筛选和并行架构,在工业规模系统上实现了高效鲁棒求解。
2023-08-10 math.OC
A Decomposition Algorithm for Large-Scale Security-Constrained AC Optimal Power Flow
提出了一种求解大规模安全约束交流最优潮流问题的分解算法。所考虑的公式是2018年11月至2019年10月举行的ARPA-E网格优化(GO)竞赛挑战1中使用的公式。被发现是最有效的技术方面的性能的挑战,包括战略的应急选择,快速应急评估,处理互补性约束,避免相关的问题退化,并利用并行。数值实验的结果表明,所提出的技术相比,替代策略的有效性。
2021-10-04 math.OC
Linearly Constrained Smoothing Group Sparsity Solvers in Off-grid Model
在压缩感知中,假设感知矩阵是完全已知的。然而,由于传感器偏移或噪声干扰,在实际应用中,传感矩阵存在扰动。具有离网效应的波达方向(DoA)估计满足这种情况,并且可以被公式化为具有线性不等式约束的(非)凸优化问题,其可以通过内点方法(使用CVX工具)来求解,但是计算成本很大。在这项工作中,为了设计高效的算法,我们考虑各种替代配方,如无约束配方,原始对偶配方,或圆锥配方开发组稀疏促进求解器。首先,应用一致交替方向乘法器(C-ADMM)。然后,结合Nesterov光滑技术和加速邻近梯度法,提出了求解BPDN方程的迭代算法,并进行了收敛性分析.我们还开发了一种基于EGT(过度间隙技术)的原始-对偶方法的变体,以系统地依次减小平滑参数。最后,我们利用光滑对偶锥优化(SDCO)和延拓技术,给出了二次约束L2-L1混合范数极小化问题的算法。数值仿真结果表明,所提出的方法的精度和收敛性能。
2019-06-03 cs.IR eess.SP math.OC
Risk-Constrained Community Battery Utilisation Optimisation for Electric Vehicle Charging with Photovoltaic Resources
针对高比例可再生能源带来的电网不稳定和电动汽车充电需求,本文提出基于15年历史数据和信息缺口决策理论的随机混合整数线性规划模型,利用社区电池储存光伏过剩发电量用于电动汽车充电,以优化电池类型和容量投资,改善电网稳定性并促进净零排放。
2024-03-05 math.OC
A Quadratically-Constrained Convex Approximation for the AC Optimal Power Flow
Davidson School of Chemical Engineering, Purdue University(普渡大学戴维森化学工程学院)
本文提出了一种二次约束的凸近似方法,用于更精确地解决交流最优功率流问题,通过保留原始方程的稀疏性,提高了分布式电力系统优化的可行性。
2026-01-20 math.OC
Reinforcement Learning-based Output Structured Feedback for Distributed Multi-Area Power System Frequency Control
负荷频率控制是多区域电力系统维持频率稳定的关键因素。随着现代电力系统从集中式向分布式的发展,LFC需要考虑基于对等(P2P)的方案,该方案考虑来自每个互连区域的发电机控制的信息交换图的有限信息。本文旨在解决一个具有均值-方差风险约束和输出结构反馈的数据驱动约束LQR问题,并将该框架应用于多区域电力系统的LFC问题。通过将约束最优化问题转化为极小极大问题,采用带零阶策略梯度(ZOPG)的随机梯度下降极大预言(SGDmax)算法,在保证收敛性的前提下,从学习中寻找最优反馈增益.此外,为了提高所提出的学习方法对新的或不同的模型的适应性,我们构建了一个模拟器网格,该网格近似于物理网格的动态,并基于该模型进行训练。一旦从仿真器网格获得反馈增益,就将其应用于具有鲁棒性测试的物理网格,以检查来自近似仿真器的控制器是否适用于实际系统。数值试验表明,所得到的反馈控制器能够成功地控制各区域的频率,同时能够有效地抑制负荷的不确定性,具有可靠的鲁棒性,保证了所得到的反馈增益对实际物理电网的适应性。
2022-09-26 math.OC
From Value Bounds to Policy-Distance and Active-Face Certificates: Same-Grid Duality for Constrained Dynamic Portfolios
Sungkyunkwan University(成均馆大学)
该研究针对约束动态投资组合,提出同网格对偶框架,利用原始对偶 bracket 实现价值损失证明与最优策略定位,通过多类实验验证了方法在不同资产规模下的有效性及高维瓶颈问题。
2026-08-07 math.OC q-fin.MF
Grid-Constrained Distributed Optimization for Frequency Control with Low-Voltage Flexibility
REstore NV/SA;KU Leuven/EnergyVille(荷语鲁汶大学/EnergyVille);REstore
本文研究了在低电压配电网中利用灵活资产(如住宅电池储能和电热锅炉)提供频率控制服务时,由于连接点限制导致的拥堵和电压问题,提出了一种协调策略以优化灵活性服务提供商的资产调度。
2019-03-11 cs.SY eess.SY math.OC
Reduced-Space Interior Point Methods in Power Grid Problems
由于严重的环境问题,电力系统必须适应可再生能源发电的显著渗透水平,这需要智能电网控制方法。相关的最优控制问题是大规模的非线性最优化问题,具有多达数亿的变量和约束。内点方法在计算上变得难以处理,主要是由于大型线性系的解决方案。本文针对内点法在求解安全约束最优潮流问题时的计算瓶颈问题,采用降维空间拟牛顿IPM算法,由于伴随方法固有的并行性,可以利用高性能计算机。降维空间IPM方法和伴随方法是求解(安全约束)最优潮流问题的一种新方法。这些都是以前使用的偏微分方程约束优化。所提出的方法是适合于高性能的架构,由于固有的并行性,伴随方法在梯度评估,因为个别意外情况下建模的独立集的约束。初步评估的性能和收敛性进行研究的缩减空间的方法。
2020-01-29 cs.CE cs.DC math.OC
Importance sampling approach to chance-constrained DC optimal power flow
尽管有显著的经济和生态影响,但更高水平的可再生能源发电导致电力注入的不确定性和可变性增加,从而影响电网的可靠性。为了提高电网安全性,研究了联合机会约束直流最优潮流问题。该问题的目的是找到经济上最佳的发电,同时保证所有的发电,线路流量和电压同时保持在其范围内与预定义的概率。不幸的是,即使可再生能源波动的分布是指定的,这个问题在计算上是棘手的。此外,现有的联合CC最优潮流问题的近似解过于保守,因此对实际操作的价值不大。本文提出了一种重要性采样的CC DC最优潮流问题的方法,它产生更好的复杂性和准确性比目前的最先进的方法。该算法有效地减少了场景的数量,只生成和使用其中最重要的,从而使实时解决方案的测试用例多达几百个总线。
2021-11-23 math.OC stat.CO
A-Priori Reduction of Scenario Approximation for Automated Generation Control in High-Voltage Power Grids with Renewable Energy
针对含可再生能源电网的机会约束直流最优潮流问题,提出带先验样本约简的数据驱动近似方法,可在保证解可靠性的前提下将所需数据量最多减半,提升计算效率。
2024-10-05 math.OC stat.CO
FICA: Faster Inner Convex Approximation of Chance Constrained Grid Dispatch with Decision-Coupled Uncertainty
本文提出FICA方法,利用一维结构加速含Wasserstein分布鲁棒机会约束的电网调度求解,达到与CVaR相同最优性,实现最高500倍加速。
2025-06-23 cs.SY eess.SY math.OC
Chance Constrained Optimal Power Flow: Risk-Aware Network Control under Uncertainty
Columbia University(哥伦比亚大学);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
针对可再生能源波动导致传统最优潮流(OPF)引发电网不稳定和线路过载风险的问题,提出机会约束最优潮流(CC-OPF),通过概率约束确保高概率满足运行限制并最小化经济再调度成本。
2013-02-04 cs.SY eess.SY math.OC
Optimal Design of Volt/VAR Control Rules of Inverters using Deep Learning
针对配电网电压调节的最优Volt/VAR规则设计问题,提出将其转化为深度学习问题,通过设计模拟Volt/VAR动态的DNN来高效优化规则参数,并验证了该方法相比MINLP的优越性。
2024-03-26 math.OC stat.ML
Controlling Smart Inverters using Proxies: A Chance-Constrained DNN-based Approach
针对配电网中状态不可观测且存在不确定性的逆变器协调问题,本文将 DNN 策略嵌入 OPF,利用平均电压约束与机会约束凸限制进行训练,并提出有梯度和无梯度两种实现。
2021-12-03 cs.LG math.OC
Distributionally Robust Frequency-Constrained Microgrid Scheduling Towards Seamless Islanding
针对微电网非计划孤岛引发的功率失衡与频率安全问题,提出一种分布鲁棒频率约束调度模型,通过协同优化机组组合、频率响应备用及虚拟惯量等,确保系统在非计划孤岛期间的频率安全,并验证了其有效性。
2024-01-07 cs.SY eess.SY math.OC
Discretization and Machine Learning Approximation of BSDEs with a Constraint on the Gains-Process
Sorbonne Université(索邦大学);Université de Paris(巴黎大学);CNRS(法国国家科学研究中心);ENSIIE(法国国立高等信息工程学校);FiME(金融与数学工程研究所)
研究了带增益过程约束的倒向随机微分方程的逼近问题。我们首先通过在网格的时间应用所谓的整容算子来离散约束。我们表明,这种离散约束的Battlefield收敛到连续约束的网格网格收敛到零。然后,我们专注于离散约束的近似的。为此,我们采用了机器学习方法。我们表明,整容可以近似为一类神经网络的约束下的神经网络及其衍生物的优化问题。然后,我们推导出一个算法收敛到离散约束的神经元的数量趋于无穷大。最后,我们进行数值实验。数学学科分类(2010):65C30、65M75、60H35、93E20、49L25。
2020-02-07 cs.LG math.OC q-fin.RM
Joint Chance-constrained Game for Coordinating Renewable Microgrids with Service Delivery Risk: A Bayesian Optimization Approach
本文针对可再生能源微电网在备用服务中因不确定性导致的合同违约风险,提出基于分布鲁棒联合机会约束的非合作博弈框架,并利用贝叶斯优化逼近最优违约率与市场均衡,在加州市场数据仿真中验证了其调控联合违约率和保障微电网利润的有效性。
2024-02-26 cs.CE math.OC
Resource-Constrained Joint Replenishment via Power-of-$m^{1/k}$ Policies
Tel Aviv University(特拉维夫大学)
本文提出改进的$ m^{1/k} $策略,通过多方面方法提升资源受限联合补货问题的近似保证,最终达到$ 1.2023 $的最优比值。
2026-03-19 cs.DS math.OC
Adversarially Robust Learning for Security-Constrained Optimal Power Flow
Carnegie Mellon University(卡内基梅隆大学)
近年来,ML社区对对抗性鲁棒学习和隐式层的兴趣激增,但这两个领域之间的联系很少被探索。在这项工作中,我们结合这些领域的创新来解决N-k安全约束最优潮流(SCOPF)的问题。N-k SCOPF是电网运行的核心问题,其目的是以一种对潜在的k个同时设备中断具有鲁棒性的方式调度发电。受对抗性鲁棒训练方法的启发,我们将N-k SCOPF框架视为极小极大最优化问题-将发电设置视为可调参数,将设备中断视为(对抗性)攻击-并通过基于梯度的技术解决此问题。这个极大极小问题的损失函数涉及到求解代表网格物理和操作决策的隐式方程,我们通过隐函数定理对此进行区分。我们证明了我们的框架在解决N-3 SCOPF,这在传统上被认为是过于昂贵的解决问题的大小取决于组合的潜在中断的数量的有效性。
2021-11-12 cs.LG cs.SY eess.SY
Incremental Model Building Homotopy Approach for Solving Exact AC-Constrained Optimal Power Flow
针对大规模交流最优潮流(AC-OPF)局部最优解求解难、收敛无保障的问题,提出基于电网物理特性的同伦方法,通过求解序列原-对偶内点问题实现鲁棒局部收敛,在美东互联规模测试网验证了有效性。
2020-11-01 cs.SY eess.SY math.OC
Online Energy Price Matrix Factorization for Power Grid Topology Tracking
University of Minnesota(明尼苏达大学);University of Texas at Austin(德克萨斯大学奥斯汀分校)
电网安全和开放市场是智能电网的两大目标。市场数据的透明度有助于创造一个有竞争力和高效的能源环境,但它也可能揭示关键的物理系统信息。恢复网格拓扑结构的基础上,完全公开的市场数据在这里探讨。实时能源价格计算为网络约束经济调度的拉格朗日乘数;也就是说,通过线性规划(LP)通常每5分钟求解一次。假设网格拉普拉斯算子是这个LP的一个参数,人们可以通过观察连续的LP对偶结果来推断这样一个拓扑揭示矩阵。时空价格的矩阵首先被示出为作为逆拉普拉斯乘稀疏矩阵的乘积的因子。利用稀疏矩阵分解的结果,拓扑恢复计划与互补的优势,随后制定。设计了可扩展到高维和流式市场数据的求解器。使用IEEE 30节点电网上的实际负载数据进行的数值验证为当前和未来的市场设计提供了有用的输入。
2014-10-22 cs.LG math.OC stat.AP
Distributionally Robust Joint Chance-Constrained Optimization for Electricity Imbalance: Integrating Renewables and Storage
本文提出一种分布鲁棒联合机会约束优化框架,结合Wasserstein模糊集、CVaR近似和隐私保护ADMM算法,并利用K-means聚类调整模糊集,以促进P2P能源交易并降低峰值需求与社区成本。
2025-07-09 cs.SY eess.SY math.OC
Robust Constrained Consensus and Inequality-constrained Distributed Optimization with Guaranteed Differential Privacy and Accurate Convergence
本文协同设计分布式优化与差分隐私噪声机制,提出可在无限迭代下保证精确收敛和 ε-差分隐私的不等式约束优化算法,并给出隐私约束一致性算法。
2024-04-02 cs.SY eess.SY math.OC
Online Proximal-ADMM For Time-varying Constrained Convex Optimization
本文考虑了一个带成本和约束的凸优化问题,该问题随时间演化。要最小化的函数是强凸的,可能是不可微的,变量通过线性约束耦合。在这种情况下,本文提出了一种基于交替方向乘法(ADMM)的在线算法,跟踪时变问题的最优解轨迹,特别是,该算法由原始的近端梯度下降步骤和适当扰动的双上升步骤。本文推导出跟踪结果,渐近界,线性收敛结果。然后将该算法应用于一个多区域电网优化问题,数值结果验证了算法的有效性。
2021-01-12 cs.SY eess.SY math.OC