Investigating the Role of Renewable Energies in Integrated Energy-water Nexus Planning under Uncertainty Using Fuzzy Logic
能源和水系统是高度相互关联的。需要能量来提取、传输和处理水和废水,并且需要水来冷却能量系统。由于人口和经济增长等因素,对能源和水的需求迅速增加。在不到30年的时间里,全球对能源和水的需求将几乎翻一番。由于能源和水资源有限,必须建立一个可持续的能源-水关系框架,以满足这些日益增长的需求。可再生能源通过提高能源和水的可靠性和可持续性,在能源-水的关系方面提供了大量机会,而且与传统技术相比,可再生能源的水密集程度较低。这些资源,如风能和太阳能,不需要水的投入。因此,它们可以作为能源-水关系组合的补充。在本文中,可再生能源的能源-水的关系进行了研究的一系列可能的情况。由于可再生能源资源是不确定的,模糊逻辑是用来模拟的不确定性。研究结果表明,可再生能源可以显著改善能源-水关系规划,但可再生能源的电网可靠性应与系统的不确定性水平保持一致。从模糊模型和确定性模型中提取的决策之间的差距放大了考虑不确定性以生成可靠决策的重要性。关键词:能源水关系,可再生能源,不确定性下的优化,模糊逻辑。
2020-10-15 cs.SY eess.SY 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
Green Manufacturing Capacity Planning by Integrating Distributionally Robust Optimization and Generative AI
Department of Industrial Engineering, University of Pittsburgh(匹兹堡大学工业工程系);Sino-US Global Logistics Institute, Shanghai Jiao Tong University(上海交通大学中美物流研究院)
本文提出一种多工厂、多产能、多产品的两阶段分布鲁尼茨优化模型,结合数据驱动聚类技术构建不确定性集,并利用生成式人工智能提升计算效率和解的一致性,以应对绿色制造中需求和可再生能源生成的不确定性。
2026-04-25 math.OC
Capacity planning of renewable energy systems using stochastic dual dynamic programming
本研究提出结合水电多阶段随机运营模型与容量扩展模型的方法,借助现有开源多阶段随机规划求解器求解,以最低预期成本确定新增发电输电容量,并通过新西兰电力系统案例验证了方法有效性。
2023-12-13 math.OC
Reliability as a Design Principle: A Systematic Review and Integrated Framework for Renewable-Based Microgrids
Monash University(蒙纳士大学)
本文通过系统综述揭示可再生能源微电网中可靠性由时间耦合的能源充足性主导,而非单纯安装容量,并提出集成框架以改进可靠性评估与规划方法。
2026-04-22 math.OC
Investment and Operational Planning for electricity markets with massive entry of renewable energy
Universidad Técnica Federico Santa María(智利弗雷德里科·萨马拉技术大学);Universidad de Chile(智利大学);ETH Zürich(苏黎世联邦理工学院)
针对可再生能源大规模接入的电力市场,提出一种连续时间随机控制模型,通过运行与投资控制的层次分析及状态约束HJB方程,求解联合成本最小化问题,并在三节点模拟中验证了短、中、长期规划向高可再生能源渗透率过渡的方案。
2026-06-01 math.OC
Optimal Transmission Switching with Uncertainties from both Renewable Energy and N-k Contingencies
针对 VRE 与 N-k 事故双重不确定性,提出三阶段随机—分布鲁棒安全约束 OTS 模型及嵌套 C&CG 与 Dantzig-Wolfe 联合求解算法,并通过 IEEE 与实际网络验证有效性。
2023-04-27 math.OC
Joint Optimization of Hybrid Energy Storage and Generation Capacity with Renewable Energy
在孤立的电网或碳足迹小的微电网中,可再生能源的渗透率通常很高。在这样的电网中,储能对于保证终端用户的不间断和稳定的电力供应非常重要。不同类型的储能具有不同的特性,包括其往返效率,功率和能量额定值,随时间的能量损失以及投资和维护成本。此外,不同类型的可再生能源的负荷特性和可用性在不同的地理区域和一年中的不同时间有所不同。因此,在设计这种类型的电力系统时,多种类型的能量存储和发电的联合容量优化是重要的。在本文中,我们制定了一个成本最小化问题的存储和发电规划,同时考虑初始投资成本和运营/维护成本,并提出了一个分布式优化框架,以克服所带来的困难,由大规模的最优化问题。研究结果将有助于在未来具有高可再生能源渗透率的分散式电网中制定储能和发电容量规划的决策。
2013-09-23 math.OC
Ensuring reliability in 100% renewable microgrids: a scenario-based joint planning and operational design framework
Monash University(莫纳什大学)
本文提出了一种基于场景的优化框架,通过分阶段解决长期容量规划和短期运营调度问题,以提高100%可再生能源微电网的可靠性,同时最小化系统总成本。
2026-05-16 cs.SY eess.SY math.OC
Planning of Off-Grid Renewable Power to Ammonia Systems with Heterogeneous Flexibility: A Multistakeholder Equilibrium Perspective
School of Chemical Engineering, Sichuan University(四川大学化学工程学院)
本文针对离网可再生电力制氨系统的多利益相关方规划难题,构建多利益相关方容量配置均衡模型,结合KKT条件与多割广义Benders分解求解,发现需通过利益转移或调整实现互利以推动项目落地。
2025-10-22 cs.SY eess.SY math.OC
Optimal Switchable Load Sizing and Scheduling for Standalone Renewable Energy Systems
离网系统中太阳能的可变性决定了能量存储系统的大小以及离网系统中存在的负载的大小和调度。不幸的是,能量存储可能是昂贵的,而在没有能量存储系统的情况下频繁切换负载会导致磨损,应该避免。然而,利用太阳能的量应被最大化,并在本文中被认为是在负载响应优化的基础上,找到一个有限数量的离散电力负载的最佳静态负载大小的问题。优化的目标是最大限度地利用太阳能,而无需在离网系统中使用昂贵的储能系统。太阳能光伏发电的概念和实际数据被提供给离网系统。在给定机组数的情况下,提出了求解各机组最优负荷大小的解析解和计算算法:混合整数线性规划和约束最小二乘法。基于可用的太阳能功率曲线,该算法选择最佳的开/关切换时间,并通过计算最佳静态负载大小来最大化太阳能利用率。算法的有效性进行了比较,使用一年的太阳能发电数据从圣地亚哥,加利福尼亚州和沙特阿拉伯的Thuwal。结果表明,当使用两个负载时,系统的年太阳能利用率优化为73%,使用六个负载配置时,可以提高到98%。
2017-02-02 math.OC
A Static Mean Field Game for Optimal Renewable Energy Investment
University of Calgary(卡尔加里大学)
为加拿大阿尔伯塔省风能容量选址开发静态平均场博弈模型,基于预期风能及协方差构建收益模型,通过校准协方差结构纳入空间风依赖,将均衡投资问题化为二次规划求解不同政策情景。
2026-07-07 math.OC
Uncertainty-aware Power System Planning via Gradient Descent
Rutgers University(罗格斯大学)
提出一种考虑两阶段日前和实时运行不确定性的电力系统扩展规划方法,采用投影随机梯度下降算法结合原始-对偶优化框架和指数移动平均平滑策略,实现更低的总系统成本并满足可再生能源整合目标。
2026-06-29 math.OC
A Novel Mathematical Model for Infrastructure Planning of Dynamic Wireless Power Transfer Systems for Electric Vehicles
美国能源消耗总量的26%用于交通运输。传统车辆使用汽油等燃料,排放有害气体,对环境有不良影响。电动汽车(EV)提供了一种替代解决方案,可以减少对汽油等传统燃料的依赖,并减少有害气体的排放。电动汽车可以通过采用动态无线电力传输系统(DWPT)来行驶更长的距离,而无需增加电池尺寸或中途停留。此外,开发一个决策系统,避免电网上的过度负载是必不可少的。这些决策系统对于个人和公共交通的自动驾驶特别有益。本研究简要回顾了动态无线功率传输系统的现有文献,并提出了一种新的系统级数学决策模型,以找到无线充电基础设施的最佳配置文件。我们分析了可再生能源集成对DWPT系统的作用,并确定了在电动汽车上实施DWPT的框架、好处和挑战。该数学模型是混合整数、多周期、线性的,在满足系统要求的同时使系统总费用最小。本研究中提出的模型和案例研究分析确定了DWPT基础设施分配的接近最佳计划,并为更详细的电网和可再生能源整合铺平了道路。我们的研究结果表明,可再生能源可以显着降低DWPT的总系统成本,基础设施的要求,并提高电动汽车的可靠性。保留字:动态无线电能传输,可再生能源集成,电动汽车,电网规划,无线充电分配,基础设施规划,混合整数优化。
2021-07-23 cs.SY eess.SY math.OC
Simulation-Based Optimization for Policy Incentives and Planning of Hybrid Microgrids
针对偏远社区可再生能源转型的间歇性与成本问题,提出整合随机仿真与MSPSA算法的仿真优化框架,优化微电网配置与政策激励,在波波娃岛案例中使NPC降低68.1%,提升经济可行性并推动清洁能源应用。
2025-02-17 math.OC
Adaptive Distributionally Robust Planning for Renewable-Powered Fast Charging Stations Under Decision-Dependent EV Diffusion Uncertainty
针对电动汽车扩散与充电站部署的相互依赖,提出两阶段决策依赖分布鲁棒规划模型,并转化为混合整数线性规划,实现安全且成本高效的快速充电站自适应部署。
2023-10-12 cs.SY eess.SY math.OC
An Efficient Data Driven Model for Generation Expansion Planning with Short Term Operational Constraints
针对含机组组合的发电扩展规划计算耗时问题,提出按技术类型聚合、仅含爬坡约束的最小UC数据驱动线性规划模型,在安大略省数据上实现一小时内的可信求解。
2025-08-07 math.OC
Grid-side Flexibility of Power Systems in Integrating Large-scale Renewable Generations: A Critical Review on Concepts, Formulations and Solution Approaches
虽然相当大的努力已经致力于利用发电侧和需求侧的操作灵活性,以应对不确定的可再生能源发电,电网侧的操作灵活性还没有得到充分的研究。在本文中,我们将电网侧灵活性定义为电网部署其灵活性资源以应对电力系统状态变化的能力,特别是由于可再生能源发电量的变化。首先对运营柔性的度量进行了综述,从物理和数学的角度对运营柔性的定义进行了解释。然后,概念的例子来证明网格侧的灵活性图形的影响,提供了一个更好地理解概念的几何解释。随后,在电网侧的电力系统运行和规划的灵活性方面的公式和解决方案进行了审查,在此基础上,未来的研究方向和挑战进行了概述。
2018-06-07 math.OC
Joint Planning of PEV Fast-Charging Network and Distributed PV Generation Using the Accelerated Generalized Benders Decomposition
将插电式电动汽车(PEV)与分布式可再生能源相结合,将减少PEV从井到车轮的温室气体排放,促进可再生能源的采用,并推迟电力系统投资。本文提出了一种多学科的方法来联合规划PEV快速充电站和分布式光伏(PV)发电厂耦合的交通和电力网络。首先,我们建立了以下模型:1)PEV快速充电站; 2)PEV行驶里程限制下的公路交通网络; 3)具有无功功率控制的光伏电站。然后,我们制定了一个两阶段的随机混合整数二阶锥规划(MISOCP),以确定1)PEV快速充电站的网站和规模; 2)光伏电站。为了解决未来情景的不确定性,采用了大量的未来典型负荷、交通流量和光伏发电曲线。这使得问题规模很大。我们设计了一个广义Benders分解算法来有效地解决这个问题。据作者所知,这项工作是第一个联合规划PEV快速充电站和光伏电站考虑PEV驱动范围限制和无功光伏功率控制。通过数值实验验证了所提方法的有效性,并验证了联合规划和采用先进的光伏无功控制的好处。
2017-03-15 math.OC
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
Charge Schedule Optimization and Infrastructure Planning for Solar-Integrated Electric Bus Transit Systems
Indian Institute of Science (IISc)(印度科学研究所)
研究城市太阳能集成电动公交系统的充电计划与基础设施规划问题,提出考虑多种因素的两阶段多场景模型,用Benders分解法求解,经实际数据验证,能有效节省成本并更好适应季节变化。
2026-07-28 math.OC
Sustainable Hydropower Planning in Gabon
水电是一种可再生、可控、灵活的电力来源。这些都是支持脱碳努力的工具性特征,作为不可控制和可变的可再生电力来源的推动者。有时,水力发电还伴随着多用途水库提供的其他服务,如供水、灌溉、航运、防洪和娱乐。尽管有这些好处,水电可能是一个两极分化的问题。大量规划和执行不力的项目为反对者提供了众多论据。大型和复杂的项目经常遭受成本过高和延误。直接影响是由于大面积洪水造成河流生态系统和周围生境的破坏,以及由于建造水坝和减少危及水生生物的沉积物运输造成河流的破碎。人口迁移和补偿问题一直是一个复杂的问题。水力发电项目也可能造成间接影响,例如与建造工人村、进出道路和输电线路有关的额外毁林。最后,水库也可能成为甲烷排放的重要来源,特别是在热带地区。本文提供了一种分析方法,可持续水电规划在流域规模称为HERA:水电和环境资源评估。HERA建立在三个主要组成部分,即评估,工程和优化,筛选和比较水电开发方案,以保证社会和环境目标,同时最大限度地提高上述经济效益。其目的是鼓励从早期阶段就开始透明和参与性的水电规划进程。经验表明,这种方法增加了取得更好和平衡结果的机会。介绍了加蓬奥果韦河流域的一个案例研究。
2022-12-19 math.OC
Forecasting Spatio-Temporal Renewable Scenarios: a Deep Generative Approach
Chongqing University(重庆大学);University of Washington(华盛顿大学);Southeast University(东南大学)
随着随机可再生能源发电的日益普及,大规模电力系统的运行和规划变得越来越具有挑战性。为了最大限度地降低含有大量可再生能源的电力系统的决策风险,越来越需要对短期发电不确定性进行建模。情景方法通过为特定的可再生能源发电厂产生一组可能的未来实现,已经成为一种流行的可再生能源不确定性建模方法。然而,由于可再生能源发电的空间和时间相关性复杂,传统的基于模型的方法来预测未来的情景往往需要广泛的知识,而拟合的模型往往很难扩展。为了解决这种建模负担,我们提出了一种基于生成对抗网络(GANs)的基于学习的数据驱动情景预测方法,这是一类用于建模未知分布的深度学习生成算法。我们首先利用一种改进的具有收敛保证的GANs来学习内在模式并对(多站点)可再生能源发电时间序列的未知分布建模。然后,通过解决一个最优化问题,我们能够生成预测的情况下,没有任何场景数量和预测范围的限制。我们的方法是完全无模型,并可以预测不同程度的预测不确定性的情况下。利用NREL风能和太阳能集成数据集的真实数据进行了广泛的数值模拟,验证了所提出的方法在预测风能和太阳能发电场景中的性能。
2019-03-13 cs.LG math.OC
A robust optimization and an area decomposition approach to large-scale network planning under uncertainty
本文介绍了一种区域分解和鲁棒优化策略的规划,考虑可变可再生能源(VRE)和水力发电的不确定性的大规模输电网络。这一战略的说明与巴西的电网从2027年到2036年的扩展研究。该国的网络拥有超过10万辆公共汽车和14万条电路,覆盖面积相当于美国。采用基于总线边际成本的分簇方案将电网划分为7个区域。每个区域规划,然后解决了一个启发式和Benders分解方法,以产生一个强大的最低成本计划的3,000调度方案。
2020-04-02 math.OC
An Optimal Energy Production Problem with Energy Source Switching and Load Following Nuclear Power Plants
Department of Economics – University of Verona(维罗纳大学经济系)
本文针对含能源切换与负荷跟踪的核电站最优生产问题,通过分析封闭与开放经济场景,计算最优策略,明确了相关因素对核电负荷跟踪的影响及可控低碳容量的价值。
2026-08-12 math.OC q-fin.MF
Evaluation of Temporal Complexity Reduction Techniques Applied to Storage Expansion Planning in Power System Models
可再生能源的份额不断增长,使优化的功率流在电力系统模型计算更加复杂,由于广泛分布的天气依赖发电。本文评估了两种方法,以减少时间复杂性的电力传输网络模型与存储扩展规划。降阶技术的目标是加速电网模型的线性最优潮流的计算。这是通过选择少量的代表性时间段来代表一整年来实现的。为了选择有代表性的时间段,使用分层聚类将按时间顺序排列的相邻小时或独立分布的耦合日聚集到时间序列的聚类中。通过目标值的误差和计算时间的减少来评价聚合效率。进一步分析了优化过程中网络规模和并行计算效率的影响。作为一个测试案例,传输电网的最北端的德国联邦州石勒苏益格-荷尔斯泰因州的情况下,对应于2035年被认为是。所考虑的情景的特点是安装的可再生能源的比例很高。
2020-02-25 cs.SY eess.SY math.OC
Hedging Hydrogen: Planning and Contracting Under Uncertainty for a Green Hydrogen Producer
Mines Paris - Centre PERSEE(巴黎矿业学院 PERSEE 中心);Technical University of Denmark (DTU)(丹麦技术大学)
本研究针对绿色氢气项目的财务风险问题,提出两阶段随机规划模型,比较不同建模方法有效性,发现不使用随机建模会使部分HPA合同类型项目生产成本增加30%,强调HPA合同义务对限制需求不确定性的重要性。
2025-11-15 math.OC
A Nationwide Multi-Location Multi-Resource Stochastic Programming Based Energy Planning Framework
本文提出可推广的全国多地点多资源能源规划框架,采用两阶段随机规划、Benders分解与k-means情景构建,并以美国为例验证其相较确定性模型的决策价值。
2024-03-04 math.OC
Data-driven Optimization Approaches to the Power System Planning under Uncertainty
为了保护环境和解决化石燃料短缺问题,可再生能源越来越多地用于发电。然而,由于它给电力生产带来的不确定性,确定性优化不再足以满足运营需求。因此,大量的不确定性优化技术被提出,为解决不确定性问题提供了很好的途径。本文选择了三个比较重要的不确定性优化技术介绍:随机规划(SP),鲁棒优化(RO),和一种新的方法命名为分布式鲁棒优化(DRO)的基础上的前两个。我们使用具体示例解释每种方法的基本框架和一般流程。重点是每种方法如何解决不确定性。此外,我们还比较了它们的优缺点,并讨论了未来的研究方向。
2022-12-12 math.OC
Globally Optimal AC Power System Upgrade Planning under Operational Policy Constraints
为了适应配电系统中不断增加的可再生能源发电量,系统运营商面临着如何升级传输容量的问题。由于线路和Transformer的升级成本很高,因此使用优化程序来找到所需升级的最小数量。由此产生的设计优化公式通常是混合整数非凸问题。传统的方法来解决这些问题通常是一个启发式的性质,产生没有限制的次优,甚至终止。相比之下,这项工作结合了数学,下界过程和实际操作的政策约束。该算法既能快速找到次优解,又能通过增加惰性割的分枝定界过程确定性地找到全局解。
2018-09-17 math.OC
Fast DTW and Fuzzy Clustering for Scenario Generation in Power System Planning Problems
电力系统规划问题成为计算棘手的,如果一个帐户的所有不确定的操作方案。因此,人们选择一个子集的情况下,代表可能/极端的操作条件,例如,重夏,重冬,轻夏,等等。然而,这样的方法可能无法准确地捕捉之间存在的依赖关系,可再生能源发电(RG)和系统负载之间的富RG电力系统。本文提出了使用快速动态时间规整(FDTW)和模糊c-均值++(FCM++)聚类占关键统计特性的负荷和RG场景生成电力系统规划问题。使用美国电力网络的案例研究,并与现有的场景生成技术的比较证明了所提出的方法的好处。
2021-05-26 eess.SP math.OC
Benders Decomposition with Partial Non-Anticipativity Relaxation for Multi-Stage Stochastic Clean Energy Transition Planning
Boğaziçi University(博阿齐西大学);Sabancı University(萨班奇大学)
针对多阶段随机清洁能源转型规划问题,本文提出带部分非预见性松弛的Benders分解算法,通过鲁棒重构等提升计算性能,成功求解校园案例并验证其可提升运营可靠性。
2026-08-17 math.OC
Addressing the Time-Varying Dynamic Probabilistic Reserve Sizing Method on Generation and Transmission Investment Planning Decisions
在本文中,我们解决了长期系统的需求储备规模由于高层次的可变可再生能源(VRE)的渗透,内部的扩展规划模型。增加这种能源的插入也将带来储备需求的增加。所需经费增加将使系统的费用增加,因为系统操作员需要分配发电机作为备用。VRE来源隐含地导致了这些成本,因此除了投资成本之外,扩展规划模型还应该在扩展决策过程中考虑这些成本。这里提出的方法的目的是提供一个概率和动态评估的预测误差的VRE源生成,这些错误转化为系统的需求储备。这种评估是在扩张计划最优化模型中进行的,将准备金要求视为内生变量。最后,一个真实的案例研究,墨西哥的系统,使我们可以分析的方法的结果和考虑准备金要求的影响,随着扩张规划决策。
2019-10-01 math.OC
High Resolution Generation Expansion Planning Considering Flexibility Needs: The Case of Switzerland in 2030
本文提出了一种静态的发电扩展规划公式,在该公式中,从集中的角度对各种技术的运营和投资决策进行了协同优化。提供新发电和存储容量的位置、类型和数量,以满足系统需求和灵活性要求。根据对新的间歇性可再生能源(风能、光伏)的投资,对灵活性要求进行了调整,以充分捕获RES集成成本并确保正常的系统运行条件。为了定位候选机组,我们将直流约束、节点需求和现有发电机的生产以及来自其他互联区域的进出口纳入考虑范围。为了显示的能力,制定,高时间分辨率的模拟进行了162总线系统组成的完整的瑞士输电网和聚合的邻国。
2021-01-05 math.OC
Model-Free Renewable Scenario Generation Using Generative Adversarial Networks
University of Washington(华盛顿大学)
本文提出一种基于生成对抗网络的数据驱动场景生成方法,用于高效生成具有时空相关性的可再生能源生产模式。
2018-02-03 cs.LG cs.SY eess.SY
A review on recent advances in scenario aggregation methods for power system analysis
全球对净零温室气体排放的承诺加速了对可再生能源的投资。由于需要考虑与可再生能源发电相关的不确定性,对电力系统的运行和规划的要求变得越来越严格。考虑到电力系统运行和规划中固有的不确定性的几种建模框架已经得到了广泛的研究。随机最优化是这些框架中最流行的方法,由于其直观的表示,特别是当使用离散概率场景来表示随机变量时。虽然需要许多代表所有可能的不确定操作条件的场景来准确评估随机操作和规划模型,但是场景集的大小影响计算复杂性,在不确定性细节表示和计算易处理性之间形成显著的权衡。在过去的十年中,大量的研究集中在开发新的场景聚合方法,以获得减少的场景集,显示类似于原始场景集的属性,同时减少计算负担。本文综述了电力系统最优化问题的情景聚合方法的最新研究进展。首先,我们提出了一个总体框架和聚合方法。然后,介绍了与时空情景聚合相关的主要研究,并对主要出版物来源、作者和应用问题进行了文献计量分析。最后,我们提供了一个数值分析,并讨论了16个聚合方法的输电扩展规划问题。最后,建议,机会和结论进行了讨论。
2022-07-19 cs.SY eess.SY math.OC
Robust Capacity Expansion under Wildfire Ignition Risk and High Renewable Penetration
Johns Hopkins University(约翰斯·霍普金斯大学);Georgia Institute of Technology(佐治亚理工学院);Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室)
提出一种鲁棒优化模型,通过电池储能选址和输电线路地下化投资,应对野火点火风险与可再生能源不确定性的最坏情况,提高系统韧性。
2026-05-21 cs.SY eess.SY math.OC
Frequency Security-Aware Production Scheduling of Utility-Scale Off-Grid Renewable P2H Systems Coordinating Heterogeneous Electrolyzers
College of Electrical Engineering, Sichuan University(四川大学电气工程学院);School of Engineering, Newcastle University(纽卡斯尔大学工程学院)
本文提出了一种统一的联合优化框架,用于大规模无电网可再生能源制氢系统生产调度,协调异构电解槽,以在保证频率安全的同时最大化氢气产量。
2026-03-04 cs.SY eess.SY math.OC