Optimal Scheduling of an Isolated Microgrid with Battery Storage Considering Load and Renewable Generation Uncertainties
通过对具有概率约束的储能旋转备用的不确定性建模，提出了一种基于机会约束规划的孤立微网运行成本最小化优化调度模型.该模型转化为一个易于求解的混合整数线性规划（MILP）制定GAMS通过建议的离散化步骤变换（DST）的方法，并最终解决了应用CPLEX求解器。通过合理设置旋转备用概率约束的置信度，使MG运行在可靠性和经济性之间取得平衡。在改进的ORNL DECC实验室MG测试系统上的测试结果表明，该方法明显优于常用的混合智能算法，优化结果更好、更稳定，计算时间明显减少。
2018-08-16 eess.SP 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
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
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 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
Optimizing Flexibility in Power Systems by Maximizing the Region of Manageable Uncertainties
针对电网运行中的负荷与发电不确定性，本文提出通过最大化可管理不确定性区域来提升系统灵活性，并基于直流潮流近似和半无限优化算法求解最大不确定性范围及可管理功率传输范围。
2025-01-24 math.OC
Linear OPF-based Robust Dynamic Operating Envelopes with Uncertainties in Unbalanced Distribution Networks
针对配电网动态运行区间计算中忽略不确定性的问题，提出基于线性化非平衡三相最优潮流模型的鲁棒动态运行区间计算方法，并用两个案例验证其有效性和效率。
2023-11-11 math.OC
A New Efficient Methodology for AC Transmission Network Expansion Planning in The Presence of Uncertainties
由于可再生能源与现有电网的大规模整合，在现代输电网络扩展规划（TNEP）中考虑发电，负荷和网络的不确定性越来越受到关注。然而，它是一个艰巨的任务时，迭代AC制定使用。解决这些不确定性通常ACTNEP的计算负担是这样的，它几乎是不可能的，即使是一个中型系统在一个可行的时间框架内获得解决方案。在这项工作中，提出了一个两阶段的解决方案，以获得快速，高质量，次最优解合理的计算负担。概率公式用于解释不同的不确定性。针对Garver 6节点和IEEE 24节点系统，采用2m+1点估计法和改进的人工蜂群算法求解概率TNEP。在这两个系统中，额定风力发电被认为是总发电容量的十分之一以上。当与传统的单阶段和现有的解决方案相比，所提出的方法是能够获得几乎相同的解决方案，具有极低的计算负担。因此，所提出的方法提供了一个工具，有效解未来的概率ACTNEP问题的复杂性更高的水平。
2019-08-02 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
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 Topology Optimization of Truss with regard to Volume
Universität der Bundeswehr München（德国联邦国防军大学）；Max-Planck-Institut für extraterrestrische Physik（马克斯·普朗克地外物理学研究所）
针对结构优化中参数不确定性导致无穷约束的问题，提出一种基于鲁棒优化技术的桁架拓扑优化方法，无需近似即可处理不确定性，并等价于多载荷工况。
2012-04-30 cs.SY eess.SY math.OC
Power Tracking Control of Heterogeneous TCL Populations with Modeling Uncertainties and Communication Restrictions
针对存在建模不确定性与通信限制的异构TCL集群，本文基于PDE后降阶框架提出结合输入-输出线性化与滑模控制的功率跟踪方案，实现有限时间输入-状态稳定，降低通信负担，两种实现方式经仿真验证有效。
2023-10-10 math.OC
Vulnerability Analysis Evaluating Bilevel Optimal Power Flow Approaches for Multiple Load Cases
University of Kassel（卡塞尔大学）；Fraunhofer IEE（弗劳恩霍夫电气能源技术研究所）
本文提出双层模型评估方法，用于识别电力系统多负荷场景下的关键脆弱性，提升防御策略的鲁棒性。
2025-10-01 cs.SY eess.SY math.OC
Considering Multiple Uncertainties in Stochastic Security-Constrained Unit Commitment Using Point Estimation Method
安全约束机组组合是现代电力市场安全优化运行的重要问题之一。新的不确定性来源，如风速波动和价格敏感的负载，对这一大规模问题提出了额外的挑战。本文提出了一种新的随机SCUC的点估计方法，更有效地建模电力系统的不确定性。传统的基于蒙特卡罗的随机SCUC方法考虑蒙特卡罗方法，这对这个大规模的问题提出了额外的计算负担。在本文中，我们使用点估计，而不是场景生成，以减少计算负担的问题。所提出的方法是在一个六节点系统和一个修改后的IEEE 118节点系统与94个不确定变量。该算法的有效性得到了证实，特别是在最后一种情况下，在不损失相当大的精度的情况下，显着减少了计算负担。
2017-01-23 math.OC physics.data-an
Network-Aware Electric Vehicle Coordination for Vehicle-to-Anything Value Stacking Considering Uncertainties
本文提出一种考虑网络约束和不确定性的滚动时域优化方法，通过协调电动汽车执行V2H、V2G和能量交易实现V2X价值叠加，并基于真实市场数据验证其降低能源成本的有效性。
2023-05-30 cs.SY eess.SY math.OC
Finite Strain Robust Topology Optimization Considering Multiple Uncertainties
本文提出一个有限应变下超弹性结构鲁棒拓扑优化框架，考虑荷载、材料及几何不确定性，采用随机摄动法与解析灵敏度，并通过自适应线性能量插值处理网格畸变，实现比确定性设计更稳健且稳定的优化结果。
2025-01-25 cs.CE math.OC
Non-intrusive polynomial chaos expansion for topology optimization using polygonal meshes
本文研究了随机谱方法在不确定性结构拓扑优化中的应用。一个非侵入多项式混沌扩展集成到拓扑优化算法计算低阶统计矩的力学数学模型的响应。该过程被称为鲁棒拓扑优化，可以优化柔度的平均值，同时最小化其标准差。为了解决施加到感兴趣的机械系统的负载中的可能的变化性，假定外力的大小和方向是不确定的。在这个概率框架中，力被描述为一个随机场或一组随机变量。通过Karhunen-Loève和多项式混沌展开有效地完成了随机对象的表示和负载不确定性通过模型的传播。我们利用使用多边形元素，这已被证明是有效的抑制棋盘图案和减少网格依赖的拓扑优化问题的解决方案。通过几个拓扑优化算例验证了该方法的准确性和适用性。结果表明，荷载不确定性在结构系统优化设计中起着重要的作用，因此必须考虑荷载不确定性，以保证优化过程的可靠性。
2021-07-14 cs.CE cs.NA math.NA
An Efficient Scenario-based Stochastic Energy Management of Distribution Networks with Distributed Generation, PV Module, and Energy Storage
可再生能源（RES）的推广给电力系统带来了很大的不确定性。这种程度的不确定性使得传统的能量管理方法效率低下，并危及配电系统的安全性。在这方面，一个基于马尔可夫的随机规划介绍了利用不确定性的负荷，电价和光伏发电。在此基础上，提出了一种基于灰狼优化算法和粒子群优化算法的混合进化算法来求解最优运行费用，并将未供电量（ENS）作为两个相互对立的重要目标函数。将该算法应用于改进的IEEE 69节点测试系统，并在效率方面验证了结果，这表明上述适应度函数之间存在令人信服的权衡。
2019-10-16 eess.SP 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
Evaluation of Prosumer Networks for Peak Load Management in Iran: A Distributed Contextual Stochastic Optimization Approach
Faculty of Electrical Engineering, KN Toosi of Technology（KN Toosi理工大学电气工程学院）
本文针对伊朗可再生能源产消者面临的峰值负荷问题，提出一种集成预测与优化的分布式情境随机优化框架，并通过共识信息共享机制和ADMM算法实现协调调度，有效降低峰值负荷与总成本。
2024-08-31 cs.LG cs.SY eess.SY
Suspended Load Path Tracking Control Using a Tilt-rotor UAV Based on Zonotopic State Estimation
Graduate Program in Electrical Engineering, Federal University of Minas Gerais, Belo Horizonte, MG 31270-901, Brazil（巴西联邦矿务工程师学院电气工程研究生项目）；Department of Electronics Engineering, Federal University of Minas Gerais, Belo Horizonte, MG 31270-901, Brazil（巴西联邦矿务工程师学院电子工程系）
本文研究了利用倾斜旋翼无人机进行悬浮负载路径跟踪控制的问题，通过建立多体机械系统的动力学模型，提出退化拓扑状态估计器来估计负载位置和姿态，并设计了具有极点放置约束的离散时间混合H2/H∞控制器以实现鲁棒的路径跟踪控制。
2018-09-20 cs.RO cs.SY eess.SY
