Stochastic Dynamic Optimal Power Flow in Distribution Network with Distributed Renewable Energy and Battery Energy Storage
分布式可再生能源(DRE)的普及极大地增加了配电网运行的风险,如调峰和电压稳定。电池储能(BES)已被广泛接受为最有潜力的应用,以应对高渗透性的DRE的挑战。针对DRE的不确定性和时变性,提出了随机日前动态最优潮流(DOPF)及其算法。综合考虑了DRE、BES、购电和有功损耗,实现了总体经济性。在DOPF模型中引入了基于雨流算法的BES循环计数方法,以捕捉电池退化,大大延长了BES的预期寿命,并实现了更好的经济性。基于Copula理论,考虑了DRE情景的不确定性和相关性。为了解决DOPF模型,我们提出了一种基于拉格朗日松弛的算法,相对于现有的技术,它具有显着降低的复杂性。由于这个原因,所提出的算法,使更多的情况下纳入DOPF模型和更好地捕捉DRE的不确定性和相关性。最后,在IEEE 123节点测试馈线的日前DOPF的数值研究,以证明所提出的方法的优点。结果表明,该模型的实际BES寿命是传统模型的4.89倍。通过充分捕捉不确定性和相关性,所提出的方法大大减轻了DRE所造成的问题。
2017-06-30 math.OC
Data-Driven Distributionally Robust Planning of Coastal Distribution Networks and PV-Storage-EV Stations for Low-Carbon Energy Transition
针对沿海配电网在可再生能源整合与电动汽车充电设施部署下的协同规划需求,提出三层分布式鲁棒优化框架联合优化光伏-储能-电动汽车充电站选址与配电网配置,开发i-CCG算法求解,在实际47节点电网验证其降本及鲁棒低碳效果。
2026-10-28 math.OC
Risk averse constrained blackbox optimization under mixed aleatory/epistemic uncertainties
本文提出一种基于截断高斯梯度估计的多时间尺度随机逼近算法,用于求解混合随机/认知不确定性下的风险厌恶黑箱约束优化问题,将问题转化为CVaR约束形式并通过拉格朗日松弛处理,数值实验验证了其有效性。
2023-10-17 math.OC
Optimal Storage Control for Dynamic Pricing
可再生能源给电力系统带来了巨大的不确定性,对传统的灵活资源有限的电力系统运行提出了挑战。一个有希望的解决方案是向更多的消费者引入动态定价,如果设计得当,可以实现积极的需求方。为了进一步利用灵活性,在这项工作中,我们试图建议消费者的最佳在线控制策略,利用他们的存储设备面临的动态定价。为了设计一个更自适应控制政策,我们设计了一个数据驱动的方法来估计价格分布。仿真研究验证了我们提出的方案的最优性。
2019-11-16 cs.SY eess.SY math.OC
Stochastic Dynamic Pricing for EV Charging Stations with Renewables Integration and Energy Storage
研究了电动汽车充电服务商的随机动态定价和能量管理策略问题。在可再生能源集成和储能系统存在的情况下,电动汽车充电服务提供商必须处理多种不确定性-充电需求波动,可再生能源发电的固有不确定性,以及批发电价波动。我们的工作背后的动机是为充电服务提供商提供指导方针,以确定适当的充电价格和管理电力,以平衡提高盈利能力,提高客户满意度和减少对电网的影响的竞争目标,尽管存在这些不确定性。我们提出了一个新的度量评估对电网的影响,而不解决完整的潮流方程。为了保护服务提供商免受严重的财务损失,在模型中纳入了利润保障。采用随机动态规划(SDP)算法和贪婪算法(基准算法)两种算法推导电价和购电政策。导出了多目标优化的Pareto前沿。仿真结果表明,使用SDP算法可以获得高达7%的利润增益比使用贪婪算法。此外,我们观察到充电服务提供商能够通过定价信号重塑时空充电需求,以减少对电网的影响。
2018-01-07 econ.EM eess.SP math.OC
Robust Transmission Network Expansion Planning Problem Considering Storage Units
研究了在需求和发电容量不确定的情况下,考虑存储单元的输电网扩展规划问题。采用两阶段自适应鲁棒优化框架,其中短期和长期的不确定性占。这项工作不同于以前报道的解决方案中的一个重要方面,即,我们包括二进制追索变量,以避免同时充电和放电的存储单元,一旦发现不确定性。两阶段离散补偿鲁棒优化问题是一个具有挑战性的任务,因此我们提出了一个嵌套的列和约束生成算法来解决所产生的问题。该算法保证在有限次迭代中收敛到全局最优值。该算法的性能示出使用Garver的测试系统。
2019-07-10 cs.SY eess.SY math.OC
Risk-aware stochastic scheduling of multi-market energy storage systems
Imperial College London(帝国理工学院);BP International Ltd(英国石油国际有限公司)
本文研究了在电力市场中考虑价格不确定性的储能系统调度,采用两阶段随机风险约束方法,通过条件风险价值量化风险,验证了在氢气系统和电池储能系统中,增加风险厌恶程度可显著提高收益,尽管预期收益降低。
2026-05-07 cs.SY eess.SY math.OC
Joint Planning of Distributed Generations and Energy Storage in Active Distribution Networks: A Bi-Level Programming Approach
为了提高可再生能源在配电网中的渗透率,采用双层规划方法,提出了一种有源配电网分布式电源与储能联合规划模型。在该模型中,上层的目标是寻求最佳的位置和容量的DG和能量存储,而下层的优化运行的能量存储设备。为求解该模型,提出了一种基于混沌优化的改进二进制粒子群优化算法(IBPSO),通过两层之间的交替迭代实现最优联合规划。PG & E 69节点配电系统的仿真结果表明,该方法能够有效地减小分布式电源出力不确定性引起的规划偏差,显著改善配电系统的电压分布和运行经济性。
2022-01-15 cs.SY eess.SY math.OC
Energy Storage Arbitrage Under Price Uncertainty: Market Risks and Opportunities
该研究针对电力市场价格不确定性下的储能套利问题,采用鲁棒与机会约束优化方法构建风险-收益有效前沿,验证了不确定环境下套利策略的收益保障能力与鲁棒策略的风险管理优势,为不同风险偏好的市场参与者提供策略选择参考。
2025-01-14 cs.SY eess.SY math.OC
A Neural-Network-Based Optimal Control of Ultra-Capacitors with System Uncertainties
GEIRI North America(全球能源互联网美国研究院);University of Nevada, Reno(内华达大学里诺分校)
提出了一种基于神经网络的超级电容储能系统在线最优控制方法(NN-OPT)。光伏系统、蓄电池、柴油发电机)。传统的控制策略在UC充放电过程中通常会对母线产生较大的扰动,严重影响了电能质量和系统性能,特别是在快速充放电模式下。因此,采用最优控制理论来优化C&D轮廓以及抑制由UC实施引起的干扰。具体而言,基于神经网络的智能算法的开发学习的最优控制政策的双向转换器接口的UC。在控制设计中也考虑了系统建模的不准确性。由于所设计的NN-OPT方法是分散的,只需要本地测量,即插即用的UC可以很容易地实现与最小的通信努力。此外,光伏系统在最大功率点跟踪(MPPT)控制下提取最大效益。在控制器的设计过程中,考虑了孤岛和并网模式。广泛的案例研究已经进行了评估所提出的方法的有效性。
2019-04-16 cs.LG eess.SP math.OC
A Market Mechanism for a Two-stage Settlement Electricity Market with Energy Storage
本文针对含储能与需求不确定性的两阶段多时段电力市场,提出两种混合报价策略的市场机制,证明二者均存在唯一竞争均衡,且纳入日前决策的策略更具优势,并用纽约ISO数据给出机制性能边界。
2024-03-07 math.OC
Max-affine estimators for convex stochastic programming
University of Alberta(阿尔伯塔大学);Imperial College London(帝国理工学院)
本文研究了具有凸结构的两个序列决策问题,提出了一种基于最大仿射估计的近似动态规划方法,用于解决能源存储优化和多产品组装问题。
2016-09-18 cs.SY eess.SY math.OC
Output-feedback model predictive control under dynamic uncertainties using integral quadratic constraints
本文提出一种基于IQC的输出反馈管道MPC方案,通过联合设计鲁棒动态控制器与估计器并凸化峰峰值鲁棒估计问题,实现对动态不确定性系统的递推可行控制与稳定性保证。
2025-08-22 cs.SY eess.SY math.OC
Designing Near-Optimal Policies for Energy Management in a Stochastic Environment
Intel Corporation(英特尔公司);Carnegie Mellon University(卡内基梅隆大学);Starflow Networks, Inc.(星流网络有限公司);Cisco Systems, Inc.(思科系统公司)
本文提出了一种基于马尔可夫决策过程的能源管理优化方法,通过考虑电池存储动态、随机需求模型、随机太阳能发电模型和电价方案,设计出近最优策略以降低运营成本并应对天气不确定性。
2019-02-17 cs.SY eess.SY math.OC
Chance-Constrained Generic Energy Storage Operations under Decision-Dependent Uncertainty
本文针对通用储能调度中受激励信号影响的决策依赖不确定性,提出机会约束优化方法,并通过鲁棒重构和迭代算法求解,提升了协调GES单元的可用性与经济性。
2023-03-16 math.OC math.PR
Using Battery Storage for Peak Shaving and Frequency Regulation: Joint Optimization for Superlinear Gains
University of Washington(华盛顿大学);Microsoft Research(微软研究院)
本文提出联合优化框架,通过考虑电池退化、运营约束和负荷及调节信号的不确定性,展示通过电池储能同时实现峰谷削减和频率调节可降低用户电费15%,并证明联合优化带来的收益大于单一应用的总和。
2017-09-05 cs.DC cs.SY eess.SY
Harnessing Flexible and Reliable Demand Response Under Customer Uncertainties
需求响应(DR)是一种具有成本效益和环境友好的方法,通过利用客户需求的灵活性来减轻可再生能源整合中的不确定性。然而,现有的DR计划遭受低参与由于严格的承诺要求或不可靠的自愿计划。此外,能量存储/储备的容量规划传统上与需求响应程序设计分开进行,这导致效率低下。此外,客户往往面临着很高的不确定性,他们的成本在提供需求响应,这是没有很好的研究文献。本文首先通过一个随机最优化问题对联合容量规划和需求响应程序设计问题进行建模,该问题综合考虑了可再生能源发电、客户电力需求以及客户提供DR的成本等不确定性因素。一个分布式的算法,然后开发实现控制策略,而没有效率损失。我们还通过在承诺水平上允许灵活性,提供更好的政策设计。我们进行基于真实世界轨迹的数值模拟。结果表明,所提出的算法可以实现接近最优的社会成本,并显着的社会成本节省相比,基线方法。
2017-05-09 math.OC
Economic Capacity Withholding Bounds of Competitive Energy Storage Bidders
本文针对电力市场中储能的经济容量 withholding 行为构建理论框架,结合新英格兰系统仿真验证,明确不同价格预测场景下的投标边界,发现考虑系统不确定性时该行为可降低系统成本,为市场政策改革提供依据。
2025-05-16 cs.SY eess.SY math.OC
A Nested Cross Decomposition Algorithm for Power System Capacity Expansion with Multiscale Uncertainties
现代电力系统已经见证了可再生能源、存储、电动车辆和各种需求响应资源的快速增长。由于新能源的多样性和不确定性,电力基础设施规划面临着更多的挑战。针对电力系统容量扩张问题,提出了一种多阶段多尺度随机混合整数规划(MM-SMIP)模型,既考虑了投资成本和长期需求随机性等粗时间尺度不确定性,又考虑了可再生能源发电量和电力需求不确定性等细时间尺度不确定性.要应用到一个真正的电力系统,所得到的模型将导致非常大规模的混合整数规划问题,这不仅遭受众所周知的灾难的维数,而且在每个阶段的大量的整数变量的计算困难。在解决这些挑战与MM-SMIP模型,我们提出了一个嵌套的交叉分解算法,由两层的分解,即,Dantzig-Wolfe分解和L形分解。该算法具有良好的计算性能下,我们的数值研究,特别是适合并行计算,这也将通过计算结果证明。
2021-08-19 cs.DC math.OC
Stochastic Decision-Making Model for Aggregation of Residential Units with PV-Systems and Storages
许多住宅能源消费者已经安装了光伏(PV)面板和储能系统。这些住宅用户可以聚集并参与能源市场。本文提出了一个随机决策模型,这些住宅单位的聚合参与两个结算市场。使用季节性自回归综合移动平均(SARIMA)模型和预测误差的联合概率分布函数来模拟实时价格、光伏发电量和需求的不确定性。本文提出的情景生成模型将预测误差视为随机变量,它允许将实时市场中观察到的新信息反映到情景生成过程中,而无需重新训练SARIMA或重新拟合预测误差的概率分布函数。这种方法显着提高了所提出的模型的计算时间。最后,以6户住宅为例进行了模拟研究,结果显示了住宅组合的优势以及所提出的随机决策模型。
2020-02-20 cs.MA cs.SY eess.SY
Robust $H_\infty$ Coherent-Classical Estimation of Linear Quantum Systems
National University of Singapore(新加坡国立大学);University of New South Wales, Canberra(新南威尔士大学堪培拉校区)
研究鲁棒H_∞相干-经典估计方法,用于具有参数不确定性的线性量子系统,通过相干反馈提升扰动-误差性能和鲁棒性。
2017-04-12 cs.SY eess.SY math.OC
Resilient Load Restoration in Microgrids Considering Mobile Energy Storage Fleets: A Deep Reinforcement Learning Approach
Interdisciplinary Graduate School, Nanyang Technological University Singapore(南洋理工大学跨学科研究生院(新加坡));School of Electrical and Electronic Engineering, Nanyang Technological University Singapore(南洋理工大学电气与电子工程学院(新加坡))
移动储能系统(MESS)提供了移动性和灵活性,以增强配电系统的弹性。本文提出了一个马尔可夫决策过程(MDP)制定的综合服务恢复策略,协调调度的MESS和微电网的资源调度。考虑了负荷消耗的不确定性。深度强化学习(DRL)算法被用来解决MDP优化调度。具体地说,双延迟深度确定性策略梯度(TD 3)被应用于训练深度Q网络和策略网络,然后训练好的策略可以以在线方式部署,以同时执行多个动作。所提出的模型被证明在一个集成的测试系统与苏福尔斯交通网络连接的三个微电网。仿真结果表明,移动和固定的能量资源可以很好地协调,以提高系统的弹性。
2020-03-27 cs.LG cs.SY eess.SY
Energy storage applications for low voltage consumers in Uruguay
能量存储可以用于智能电网中的许多应用,例如能量套利、调峰、功率因数校正、能量备份等,并且可以在增加电力网络容纳可再生能源的容量方面发挥重要作用。通常,根据电力网络计费结构、可靠性限制和其他本地电力网络规范,存储控制算法将需要是\textit{tailored}。在本文中,我们探讨了乌拉圭的住宅储能应用,乌拉圭是可再生能源的全球领导者之一,最近推出了新的低压消费者合同。基于这些计费机制,我们专注于能源套利和无功能量补偿的最终用户的消费成本最小化的目的。考虑到在新的接触中,电力的购买和销售价格是相等的,并且无功功率补偿主要由安装的转换器控制,存储操作对参数不确定性不敏感,因此,决策不需要前瞻。提出了一种基于阈值的\textit{hierarchical}控制器,该控制器决定用于套利的最佳有功能量,并使用剩余的换流器容量进行无功补偿,从而增加最终用户的利润。数值结果表明,存储可能是有利可图的,即使考虑电池退化,根据一些但不是所有的研究合同。对于不适合的情况,我们建议最适合的合同。这里提出的结果可以很自然地适用于关税结构满足在这项工作中考虑的假设。
2020-02-11 cs.SY eess.SY math.OC
Cost-optimal Management of a Residential Heating System With a Geothermal Energy Storage Under Uncertainty
本文研究带有地热储能的住宅供暖系统在不确定性下的成本最优管理问题,通过偏微分方程空间离散化、模型降阶及时间离散化构建 Markov decision process,从而近似求解最优控制与值函数。
2025-03-03 math.OC
Frequency Regulation with Storage: On Losses and Profits
针对低碳社会储能平衡间歇性发电的需求,推导了储能运营商在频率调节和日前市场交易中的决策问题解析解,通过滚动时域鲁棒优化和终态荷电状态约束量化能量损耗边际成本,发现频率调节利润与承诺时间长度成反比。
2024-03-26 cs.SY econ.GN eess.SY
Incentivizing Reliable Demand Response with Customers' Uncertainties and Capacity Planning
将可再生能源纳入电网的主要问题之一是它们带来的不确定性和可变性增加。如果这种不确定性得不到充分解决,将限制可再生能源向电网的进一步渗透,甚至导致停电。与能量存储相比,需求响应(DR)具有以具有成本效益和环境友好的方式向负荷服务实体(LSE)提供储备的优势。当电网遇到诸如供需不匹配等意外情况时,DR程序通过改变客户的负载来工作。客户端和LSE端的不一致性使得设计DR算法成为一项重大挑战。本文的主要贡献如下:(i)提出了基于离线解最优结构的DR控制策略。(ii)一个分布式算法的开发,以实现控制策略,没有效率损失。(iii)我们还通过在承诺水平上允许灵活性,提供了一种强化的政策设计。(iv)我们进行了真实世界的跟踪基于数值模拟,表明所提出的算法可以实现接近最优的社会成本。详细信息可以在我们的扩展版本中找到。
2017-05-11 math.OC
Rolling Optimization of Mobile Energy Storage Fleets for Resilient Service Restoration
移动储能系统(MESS)提供了有前途的解决方案,以提高配电系统在移动性和灵活性方面的弹性。提出了一种滚动综合恢复策略,通过协调MESS机群调度、微网资源调度和配电网重构,实现系统总成本最小化。综合战略考虑到运输网络中的道路和分配系统中的分支的损坏和修复。负荷消耗的不确定性和道路和分支的状态建模为情景树,使用蒙特卡罗模拟方法。采用随机多层时空网络技术对MESS的运行策略进行建模。采用滚动优化框架对系统损伤进行动态更新,将预测期内各时段的协调调度问题表示为具有时空约束和运行约束的两阶段随机混合整数线性规划问题。该模型在两个综合测试系统上进行了验证,一个是苏福尔斯交通网络和4个33节点配电系统,另一个是新加坡交通网络为基础的测试系统连接6个33节点配电系统。结果表明,有效的MESS移动性,以提高分销系统的弹性,由于移动和固定资源的协调。
2019-09-21 math.OC
An Efficient Method for the Optimal Control of Microgrids Under Uncertainties using Local Reduction
Imperial College London(帝国理工学院);SLB Cambridge Research(斯伦贝谢剑桥研究中心)
针对微电网中带逻辑约束和不确定性的最优规模与功率调度问题,提出两种形式化方法(混合整数线性规划与连续非线性规划),并扩展局部缩减算法高效求解,平均可行性率超90%。
2026-06-11 math.OC
A Fixed-Flexible BESS Allocation Scheme for Transmission Networks Considering Uncertainties
本文提出了一种考虑不确定性的传输网络固定-柔性BESS分配方案,利用锂离子BESS和钒红氧化物流BESS的互补特性,实现风力发电并网传输网络中的技术经济最优效益。
2020-07-24 cs.SY eess.SP eess.SY
Stochastic Optimization for Resource Adequacy in Capacity Markets with Storage and Renewables
Operations Research Center, MIT(麻省理工学院操作研究中心);ISO-New England(新英格兰独立系统运营商)
本文提出了一种考虑存储和可再生能源的容量市场随机优化方法,通过两阶段随机规划模型和随机分解算法,实现对容量采购问题的高效求解,提升可靠性评估的精度和计算效率。
2026-03-04 math.OC
Green Hydrogen Plant: Optimal control strategies for integrated hydrogen storage and power generation with wind energy
风能和太阳能等可再生能源的间歇性导致能源供应的可预测性较低,从而导致电网中可能出现不匹配。为此,氢的生产和储存可以通过增加系统内的灵活性来提供解决方案。储存的氢气可以转化为电能,也可以用作工业原料、建筑环境的供暖以及车辆燃料。本研究探讨了运营由可再生能源生产和储氢组成的综合能源系统的最佳策略。使用马尔可夫决策过程理论,我们构建了最佳的政策,每天的决策,有多少能量存储为氢,或购买或出售给电力市场,以及有多少氢出售作为天然气使用。我们特别重视实际环境,例如具有合同约束力的购电协议、不同的电价、不同的分销渠道、绿色氢气承购协议以及氢气市场价格的不确定性。广泛的实验和分析进行的背景下,荷兰北部,欧洲的第一个氢谷正在形成。结果表明,通过引入储氢装置和具有竞争力的氢气市场价格,可以实现高达51%的运营收入大幅增长。这相当于4.5兆瓦风力涡轮机每年每台涡轮机的收入增加\euro 126,000英镑。此外,我们的研究结果表明,氢气供应协议对于保持能源转型的正常进行至关重要。
2021-08-01 cs.SY eess.SY math.OC
Dynamic Pricing and Energy Management Strategy for EV Charging Stations under Uncertainties
本文提出了一种电动汽车充电服务提供商的动态定价和能源管理框架。服务提供商在制定充电价格时面临三个不确定性:批发电价的波动性、可再生能源发电的间歇性和电动汽车充电需求的时空性。我们的主要工作目标是帮助充电服务提供商提高总利润,同时提高客户满意度,保持电网稳定性,并考虑到这些不确定性。我们采用线性回归模型来估计每个充电站的电动汽车充电需求,并介绍了客户满意度的定量测量。贪婪算法和动态规划(DP)算法被用来获得最优的充电价格,并确定有多少电力从批发市场购买在每个规划视野。仿真结果表明,DP算法实现了增加利润(高达9%)相比,贪婪算法(基准算法)在某些情况下。此外,我们观察到,将低成本储能集成到系统中不仅可以提高利润,还可以平滑充电价格波动,保护终端客户免受波动的批发市场的影响。
2018-01-09 econ.EM eess.SP math.OC