Deep-quantile-regression-based surrogate model for joint chance-constrained optimal power flow with renewable generation
联合机会约束最优潮流(JCC-OPF)是管理分布式可再生能源发电不确定性的有效工具。然而,大多数现有的工作是基于潮流方程,这需要准确的网络参数,可能是不可观测的,在许多配电系统。针对这一问题,提出了一种基于学习的可再生能源发电JCC-OPF代理模型。该模型等价地将联合机会约束转换为基于分位数的形式,并引入深度分位数回归来复制它们,其中多层感知器(MLP)用特殊的损失函数来训练以预测违反约束的分位数。另一个MLP被训练来预测预期的功率损耗。然后,通过将这两个MLP转化为混合整数线性约束,可以在不需要网络参数的情况下得到JCC-OPF。为了进一步提高其性能,两个预处理步骤,即,数据增强和校准。前者训练一个模拟器,以产生更多的训练样本,以提高预测精度的MLP。后者设计了一个正参数来校正MLP的预测,从而保证解的可行性。基于IEEE 33节点和123节点系统的数值实验表明,该模型可以同时实现理想的可行性和最优性,而不需要网络参数。
2022-04-11 math.OC
Joint Chance Constrained Optimal Control via Linear Programming
本文提出有限时域联合机会约束最优控制的线性规划形式,可处理不变性、可达性和到达—规避规范,并在有限空间中给出精确且更高效的求解,在连续空间中支持基函数近似。
2024-05-18 cs.SY eess.SY math.OC
A Joint Chance-Constrained Stochastic Programming Approach for the Integrated Predictive Maintenance and Operations Scheduling Problem in Power Systems
维护计划在不确定性条件下的电力系统运行中起着关键作用,可以帮助系统运营商确保电网的可靠性和安全性。本文研究了一种考虑发电机和输电线路意外故障可能性的短期状态检修计划与运行调度问题。我们制定这个问题作为一个两阶段的随机混合整数规划的故障情况下采样的传感器驱动的剩余寿命分布的个别系统元素,而一个联合的机会约束组成的泊松二项式随机变量被引入到故障风险。由于其棘手性,我们开发了一个割平面法,以获得一个确切的重新制定的联合机会约束,提出了一个分离子程序,并得出更强的削减作为这个过程的一部分。为了解决大规模的情况下,我们推导出一个二阶锥规划的安全近似这个约束。此外,我们提出了一个基于分解的算法,实现了并行的方式来解决由此产生的随机程序,利用整数L形方法的功能和特殊结构的维护和操作调度问题,以获得更强的最优切割。我们进一步提出了预处理步骤的传输线流量约束,以确定冗余。为了说明我们的算法的计算性能和效率相比,更传统的维护方法,我们设计了一个计算研究,重点是每周计划与日常维护和每小时的运营决策,涉及详细的单位承诺子问题。我们的计算结果表明,各种IEEE实例的计算效率所提出的方法与可靠的和具有成本效益的维护和运营计划。
2022-01-11 math.OC
Computing Optimal Joint Chance Constrained Control Policies
本文针对有限时间范围内受联合机会约束的随机马尔可夫系统,通过引入二元状态增广动力学,提出基于动态规划的可证明最优且易于计算的策略求解方法。
2024-11-21 cs.SY eess.SY math.OC
Explicit Ensemble Learning Surrogate for Joint Chance-Constrained Optimal Power Flow
Louisiana State University(路易斯安那州立大学)
本文提出一种用于联合机会约束最优潮流的集成支持向量机代理模型,通过Big-M重构将多个线性分类器嵌入为超平面约束,在IEEE 118节点系统上实现近最优成本且误差仅0.03%,为电力系统风险感知优化提供了高效透明的工具。
2025-11-05 cs.SY eess.SY math.OC
Approximating Rockafellians Mitigate Distributional Perturbations: Discontinuous Integrands and Chance-Constrained Applications
本文提出用近似Rockafellian提升随机规划在分布扰动下的稳定性,突破以往对特殊分布和连续被积函数的限制,并在较弱假设下改进了机会约束规划的定性与定量稳定性结果。
2025-07-21 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
Tight and Compact Sample Average Approximation for Joint Chance-constrained Problems with Applications to Optimal Power Flow
本文针对样本平均近似重构的机会约束问题,提出结合有效不等式、系数强化与约束筛选的精确求解方法,有效改善 Big-Ms 并缩减问题规模,在 DC Optimal Power Flow 中验证了其高效性。
2023-06-26 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
A Scalable Stochastic Programming Approach for the Design of Flexible Systems
我们研究的问题,设计系统,以尽量减少成本,同时满足给定的灵活性目标。灵活性是通过强制执行联合机会约束,这确保了系统将表现出可行的操作与给定的目标概率水平。不幸的是,联合机会约束是复杂的数学对象,经常需要重新制定使用混合整数规划(MIP)技术。在这项工作中,我们投的设计问题作为一个冲突解决问题,寻求最小化成本,同时最大限度地提高灵活性。我们提出了一个纯粹的连续放松这个问题,提供了一个显着更具可扩展性的方法相对于MIP方法,并表明制定提供的解决方案,密切接近原始联合机会约束问题的帕累托集。
2021-06-24 math.OC
Strengthened and Faster Linear Approximation to Joint Chance Constraints with Wasserstein Ambiguity
University of Oxford(牛津大学);Hong Kong University of Science and Technology(香港科技大学)
本文提出一种强化且更快的线性近似方法,用于解决Wasserstein分布鲁棒联合机会约束问题,通过减少约束数量和紧缩可行域提升计算效率,并在电力系统单位调度和战略投标问题中实现显著加速。
2026-05-12 math.OC
Chance Constraint Tuning for Optimal Power Flow
在本文中,我们考虑一个机会约束的最优潮流问题的制定,以处理可再生能源发电和负荷变化所造成的不确定性。我们提出了一种调整方法,迭代之间解决近似的重新制定的最优化问题和使用后验样本为基础的评估,以完善重新制定。我们的方法是适用于单一和联合机会约束,不依赖于任何分布假设的不确定性。在IEEE 24节点系统的案例研究中,我们证明了我们的方法是计算效率和强制执行机会约束,而不会过度保守。
2020-05-27 math.OC
Receding-horizon Stochastic Model Predictive Control with Hard Input Constraints and Joint State Chance Constraints
Massachusetts Institute of Technology(麻省理工学院);University of California-Berkeley(加州大学伯克利分校)
本文研究离散时间线性系统在随机扰动、硬输入约束和联合状态机会约束下的随机优化控制,通过可解的二次锥规划计算滚动控制律,利用扰动参数化控制律并饱和扰动以满足硬约束,用Cantelli-Chebyshev不等式松弛机会约束,确保可行性并证明随机稳定性。
2015-06-28 cs.SY eess.SY math.OC
Multiple Joint Chance Constraints Approximation for Uncertainty Modeling in Dispatch Problems
针对电力系统调度中CVaR近似联合机会约束过于保守且可能导致不可行的问题,本文提出一种新的多重联合机会约束近似方法,可分别控制不同约束的风险水平,并结合数据驱动的分布鲁棒优化在多时段调度中验证了其优越性与实用性。
2024-04-01 cs.SY eess.SY math.OC
Solving Chance-Constrained Problems via a Smooth Sample-Based Nonlinear Approximation
本文提出了一种求解具有机会约束的非线性连续最优化问题的新方法。我们的方法是基于重新制定的概率约束作为分位数函数。分位数函数通过可微样本平均近似来近似。我们提供了理论上的近似统计保证,并说明经验,可以直接使用标准的非线性最优化求解器的情况下,单机会约束的重新制定。此外,我们提出了一个S $\ell_1$ QP型信赖域方法来解决联合机会约束的情况下。我们证明了几个问题的方法的性能,并表明,它的规模以及与样本量和平滑可以用来抵消偏差的机会约束近似引起的样本近似。
2020-03-14 math.OC
A dynamical neural network approach for distributionally robust chance constrained Markov decision process
针对分布鲁棒联合机会约束马尔可夫决策过程,本文利用对数变换推导确定性重构,并提出动态神经网络方法求解非凸优化问题,相比序列凸近似方法展现出更高效率。
2024-01-02 math.OC
Distributionally Robust Complex Chance-Constrained Optimization
Université Paris-Saclay, CNRS, CentraleSupélec(巴黎萨克雷大学、法国国家科学研究中心、中央理工-高等电力学院)
针对复变量机会约束优化问题,提出基于复椭圆对称分布的密度模型及矩、支撑集、数据驱动的分布鲁棒框架,将约束转化为凸二阶锥问题,并利用copula理论处理联合概率约束。
2026-05-22 math.OC
Multi-period facility location and capacity planning under $\infty$-Wasserstein joint chance constraints in humanitarian logistics
灾后人道主义物流的关键是建立一个良好的设施选址和能力规划模型,以便将救援物资及时运送到受灾地区。为了充分利用历史局部放电数据,本文采用数据驱动的分布鲁棒(DR)方法,提出了一种新的$\infty$联合机会约束下的多周期FLCP模型(MFLCP-W)。具体来说,我们顺序地决定从候选集的位置,以建立供应能力,这是扩大,如果更经济的设施,并使用有限数量的历史需求样本的机会约束,以确保高概率的按时交货。为了求解MFLCP-W模型,我们等价地将其重新表示为一个混合整数二阶锥规划,然后通过设计一个有效的外近似算法与两个定制的有效切割来求解它。最后,飓风威胁下的案例研究表明,MFLCP-W优于其同行的成本和服务质量方面,我们的算法收敛速度显着快于商业求解器CPLEX 12.8具有更好的最优性差距。
2021-11-30 cs.SY eess.SY math.OC
Distributionally Robust Joint Chance-Constrained Optimal Power Flow using Relative Entropy
针对机会约束最优潮流问题,提出基于分布式鲁棒优化的精确重构算法,证明其样本外鲁棒性最优,并在IEEE基准系统上验证有效性。
2025-01-21 cs.SY eess.SY math.OC
Optimal control under uncertainty with joint chance state constraints: almost-everywhere bounds, variance reduction, and application to (bi-)linear elliptic PDEs
本文研究不确定性下带联合机会状态约束的PDE最优控制,证明几乎处处界存在唯一性,并利用球面-径向分解显著降低蒙特卡洛估计方差,数值验证于线性和双线性椭圆PDE。
2025-03-30 cs.NA math.NA math.OC
Distributionally Robust Geometric Joint Chance-Constrained Optimization: Neurodynamic Approaches
Université Paris-Saclay, CNRS, CentraleSupélec, Laboratoire des signaux et systèmes(巴黎萨克雷大学,法国国家科学研究中心,中央圣艾尔布费尔学院,信号与系统实验室);ENAC, OPTIM(法国国家航空与航天研究中心,优化部门);Université Paris-Saclay, CNRS, CentraleSupélec, Fédération de Mathématiques de CentraleSupélec(巴黎萨克雷大学,法国国家科学研究中心,中央圣艾尔布费尔学院,中央圣艾尔布费尔学院数学联合会)
本文提出一种双时间尺度神经动力学双倍方法,解决分布鲁棒几何联合概率约束优化问题,通过三种不确定性集设计,利用神经网络在概率意义上收敛到全局最优解。
2026-03-14 cs.AI cs.NE math.OC
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
Three-Layer Joint Distributionally Robust Chance-Constrained Framework for Optimal Day-Ahead Scheduling of E-mobility Ecosystem
交通运输部门中大量的电动汽车(EV)需要一个先进的调度框架,用于整个电动汽车生态系统的运营,以克服里程焦虑并为充电站(CS)创建可行的商业模式。该框架必须考虑到所有利益相关者运营的随机性,包括电动汽车司机,CS和零售商及其相互作用。本文提出了一种三层联合分布式鲁棒机会约束(DRCC)模型,用于规划电动汽车生态系统日前的G2V和V2G运行。所提出的随机模型不依赖于随机参数的特定概率分布。为了解决这个问题,提出了一个迭代过程中使用联合DRCC制定。为了实现计算的可追溯性,精确的重新实现双边和单边的机会约束(CC)。此外,时间相关性的不确定光伏发电的CS运行的影响。基于美国旧金山的真实数据,对一个由3家零售商、9家CS和600辆电动汽车组成的生态系统进行了仿真研究。仿真结果表明,这种调度方法的必要性和适用性的电动汽车生态系统在一个不确定的环境,通过将未能到达目的地的独特电动汽车数量从272减少到61。
2021-10-23 cs.SY eess.SY math.OC
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
Bilevel Transmission Expansion Planning with Joint Chance-Constrained Dispatch
针对含风电不确定性的双层输电扩展规划问题,提出带下层联合机会约束市场出清的新框架,及处理对应分布鲁棒约束的强化线性近似技术,在保证求解质量下实现最高26倍的计算加速。
2025-05-16 cs.SY eess.SY math.OC
Chance Constrained Stochastic Optimal Control for Linear Systems with Time Varying Random Plant Parameters
本文针对状态矩阵含时变随机参数的线性系统,利用单侧Vysochanskij-Petunin不等式将联合机会约束转化为可处理形式,提出一种开环控制方案,并在双母线电力系统中验证其求解时间优于情景方法。
2023-03-22 cs.SY eess.SY math.OC
Wasserstein Two-Sided Chance Constraints with An Application to Optimal Power Flow
机会约束(CC)作为一种自然的方法来建模系统的安全条件,寻求满足一组不确定的不等式单独或联合的高概率。虽然联合CC提供更强的可靠性证书,但它通常比单个CC更具挑战性。受最优潮流应用的启发,我们研究了一种特殊的联合CC,称为双边CC。我们通过一个Wasserstein球模型的不确定参数集中在一个高斯分布,并推导出一个层次的保守近似的基础上二阶圆锥约束,这可以有效地计算现成的商业求解器。此外,我们证明了这些近似的渐近一致性,并推导出它们的近似保证时,只有一个有限的层次。我们证明了所提出的模型和近似的情况下,基于IEEE 118总线和3120总线系统的样本外的性能和可扩展性。
2022-04-01 cs.SY eess.SY math.OC
Chance-Constrained Optimization with Complex Variables
本文提出复机会约束问题(CCCP)形式化方法,将个体概率约束转化为等价的二阶锥规划问题,联合概率约束通过上下界近似,并在MVDR波束成形实验中验证了优于现有方法。
2025-04-03 math.OC math.PR
Active Set methods for solving large sample average approximations of chance constrained optimisation problems
针对机会约束规划的大样本 SAA 求解难题,本文提出 Active Set 方法,并通过投资组合选择及整数规划扩展验证其在大量情景下的效率与改进效果。
2023-07-23 math.OC
Bayesian Joint Chance Constrained Optimization: Approximations and Statistical Consistency
Texas A& M University(得克萨斯农工大学);Purdue University(普渡大学)
本文研究贝叶斯框架下机会约束随机优化问题,证明使用近似后验分布所得最优值具有频率学派统计一致性并给出概率收敛速率,同时证明问题的凸可行性,并在M/M/c排队模型上验证了方法有效性。
2022-10-01 cs.LG math.OC math.ST
Convex Chance-Constrained Programs with Wasserstein Ambiguity
本文研究Wasserstein模糊集下机会约束规划的凸性条件,针对悲观联合机会约束和双边机会约束分别给出基于对数凹/α-凹分布和椭圆星单峰分布的凸性充分条件,并提出块坐标上升算法与二阶锥内近似方法。
2025-03-12 math.OC
Joint Chance Constrained Safe-Optimal Control
ETH Zürich(苏黎世联邦理工学院);University of Stuttgart(斯图加特大学);Gymnasium Burgdorf(堡多夫中学);Swiss Institute for Empirical Economic Research (SEW), University of St.Gallen(圣加仑大学瑞士实证经济研究所)
针对轨迹安全概率约束的随机系统有限时域最优控制问题,提出仅最小化安全轨迹期望成本的方法,通过增广状态空间的约束马尔可夫决策过程求解,并推导网格近似误差下的安全边界。
2026-07-01 cs.SY eess.SY math.OC
Linear Controller Design for Chance Constrained Systems
Swiss Federal Institute of Technology Zurich(苏黎世联邦理工学院);University of Oxford(牛津大学)
本文针对带平稳加性扰动的线性系统,提出一种基于凸半定规划的平稳运行模式下线性状态反馈控制器设计方法,可处理多类机会约束,支持高斯扰动优化与输出反馈扩展,灵活易实现。
2014-12-08 math.OC
Eventual convexity for separable chance constraints with skewed generalized hyperbolic random variables
CNRS(法国国家科学研究中心);Laboratory of signals and systems(信号与系统实验室)
本文证明了偏斜广义双曲随机变量下机会约束的最终凸性,通过密度α-递减性质获得精确凸重构,并数值验证了可行集凸性与计算可行性。
2026-09-15 math.OC math.PR
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
Distributionally robust polynomial chance-constraints under mixture ambiguity sets
给定$X \subset R^n$,$\varepsilon \in (0,1)$,$Ω\subset R^p$上的概率分布$(μ\_{a})\_{a\in A}$的参数化族,我们考虑与{ \em分布鲁棒}机会约束\[X^*\_\varepsilon\,=\,\{x \in X :\:{\rm Prob}\_μ[f(x,ω)\,>\,0]> 1-\varepsilon,\,\forallμ\in M\_a\},\]相关联的可行集$X^*\_\varepsilon\subset X$,其中$M\_a$是分布$μ\_a$,$a\in A$的所有可能混合的集合。族$M\_a$是在某个紧集$A\subset R^2$中具有平均值和标准差$a=(a,σ)$的$R$上的所有高斯分布的混合的集合。我们提供了一个内近似序列$X^d\_\varepsilon=\{x\in X: w\_d(x) <\varepsilon\}$,$d\in N$,其中$w\_d$是一个次数为$d$的多项式,其系数向量是半定规划的最优解,半定规划的最优解的大小随次数$d$的增加而增加。我们还获得了强大的和非常理想的渐近保证,$λ(X^*\_\varepsilon\setminus X^d\_\varepsilon)\to0$作为$d$增加,其中$λ$是Lebesgue措施$X$。对于分布鲁棒“联合”机会约束的更复杂的情形…
2018-11-22 math.OC
Distributionally Robust Chance Constrained Optimal Power Flow Assuming Unimodal Distributions with Misspecified Modes
机会约束最优潮流(CC-OPF)公式已被提出,以最大限度地减少运营成本,同时控制风险所产生的不确定性,如可再生能源发电和负荷消耗。为了求解CC-OPF,我们通常需要获得所有不确定性的(真实)联合概率分布,这在实践中很少知道。基于分布的有偏估计的解决方案可能导致可靠性差。为了克服这一挑战,最近的工作已经探索了分布鲁棒的机会约束,其中机会约束在称为模糊集的分布族上得到满足。通常,模糊度集合仅基于矩信息(例如,均值和协方差);然而,指定随机变量的附加特征会降低保守性和成本。在这里,我们考虑的模糊集,另外纳入单峰信息。在实践中,很难从数据中估计模式位置,因此我们允许它可能被错误指定。我们制定的问题,并推导出一个基于分离的算法,以有效地解决它。最后,我们评估所提出的方法的性能修改后的IEEE-30总线网络风的不确定性,并与其他分布式鲁棒方法进行比较。我们发现,一个错误指定的模式显着影响解决方案的可靠性和所提出的模型表现出良好的成本和可靠性之间的权衡。
2018-09-19 math.OC
Chance Constrained Stochastic Optimal Control for Linear Systems with a Time Varying Random Control Matrix
针对控制矩阵随机的线性系统,本文提出一种基于单侧Vysochanskij-Petunin不等式的开环机会约束最优控制方法,将联合机会约束转化为双凸约束,并在航天器交会任务中验证其优于场景法和Cantelli矩方法。
2023-08-12 cs.SY eess.SY math.OC
Flipping-based Policy for Chance-Constrained Markov Decision Processes
Osaka University(大阪大学);LY Corporation(LY公司);Norwegian University of Science and Technology(挪威科技大学)
针对机会约束马尔可夫决策过程,提出基于翻转的动作选择策略,证明其在最优解集中的存在性,将联合机会约束近似为期望累积安全约束,适配约束策略优化框架,在Safety Gym基准上提升了现有安全RL算法的性能。
2024-10-09 cs.LG math.OC
Inner Moreau envelope of nonsmooth conic chance constrained optimization problems
约束条件不确定的最优化问题在许多应用中都存在。特别地,概率函数呈现出处理这种情况的自然形式。然而,在某些情况下,所得到的概率函数是非光滑的。这促使我们提出一个正则化采用的Moreau信封的标量表示的向量不等式。更确切地说,我们考虑一个概率函数,它涵盖了大多数的一般类的概率约束:$$φ(x)=\mathbb{P}(Φ(x,ξ)\in -\mathcal{K}),$$其中$\mathcal{K}$是一个凸锥的Banach空间。圆锥包含$Φ(x,ξ) \in - \mathcal{K}$表示一个抽象的不等式组,而$ξ$是一个随机向量。我们提出了一个正则化的应用莫罗包络的函数$Φ$的标量化。在本文中,我们证明,在温和的假设下,这样的正则化的光滑性,它满足一种类型的变分收敛到原来的概率函数。因此,当考虑一个适当结构的问题,涉及概率约束,我们可以因此导致收敛的最小值的正则化近似问题的最小值的原始问题。最后,我们用例子和应用领域(非光滑)联合,半定和概率机会约束最优化问题说明我们的结果。
2023-01-24 math.OC
Convex Chance-Constrained Stochastic Control under Uncertain Specifications with Application to Learning-Based Hybrid Powertrain Control
Toyota Central R&D Labs., Inc.(丰田中央研发实验室);Graduate School of Informatics, Kyoto University(京都大学信息科学研究生院)
本文提出了一种严格凸机会约束随机控制方法,用于处理控制规范中的不确定性,并通过混合动力传动系统验证了其有效性。
2026-10-14 cs.LG cs.SY eess.SY
Risk-Averse Joint Capacity Evaluation of PV Generation and Electric Vehicle Charging Stations in Distribution Networks
随着分布式发电(DG)和电动汽车(EV)的日益普及,需要一种有效的方法来估计连接到配电系统的可达容量,但DG输出和EV充电负荷的外生不确定性使其具有挑战性。提出了一种具有风险阈值设置功能的光伏发电和电动汽车充电站联合容量评估方法。该方法在数学上表示为分布鲁棒联合机会约束规划模型。采用最坏情况条件风险价值(WC-CVaR)近似和基于半定规划(SDP)的迭代算法求解模型。最后,在IEEE 33节点辐射状配电系统上进行了数值试验。
2017-07-22 math.OC
Improving operational flexibility of integrated energy system with uncertain renewable generations considering thermal inertia of buildings
传统的热电联产机组冬季采暖期“热定”运行方式导致系统运行灵活性不足,是制约可再生能源消费的关键问题。为了提高系统运行的灵活性,减少可再生能源的弃用,提出了一种基于机会约束规划(CCP)的以发电成本最小为目标的小规模综合能源系统(IES)优化调度模型。在该模型中,考虑到包括风力发电机组和光伏发电机组在内的可再生能源发电的不确定性,以机会约束的形式提供概率旋转备用;从用户体验的角度出发,建立考虑建筑热舒适性和惯性的热负荷模型。为了解决该模型,基于序列操作理论(SOT)的解决方案的基础上,原来的CCP为基础的调度模型处理成一个可解的混合整数线性规划(MILP)制定通过转换的机会约束到其确定性等价类,从而通过CPLEX求解器求解。在改进的IEEE 30节点系统上的仿真结果表明,该方法通过综合利用建筑物和各种辅助设备的热惯性,提高了可再生能源发电量不确定情况下IES的运行灵活性,为促进可再生能源消费提供了一条根本途径。
2020-01-25 cs.SY eess.SY 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
Jointly Improving the Sample and Communication Complexities in Decentralized Stochastic Minimax Optimization
提出单环去中心化算法DGDA-VR,在连通网络上求解随机非凸强凹minimax问题,首次联合优化并达到了与下界匹配的最优样本与通信复杂度。
2024-03-19 math.OC
The Value of Including Unimodality Information in Distributionally Robust Optimal Power Flow
为了管理可再生能源发电和负荷消耗的不确定性,机会约束最优潮流(OPF)公式和各种解决方案的方法已经被提出。然而,传统的解决方案往往依赖于不确定性分布的准确估计,这可能不存在。当分布是未知的,但可以被限制到一组似然分布,称为模糊集,分布鲁棒(DR)优化可以用来确保机会约束在该集合中的所有分布。然而,DR OPF产生保守的解决方案,如果模糊度设置太大。在本文中,我们评估的价值,使用矩和单峰信息,缩小了模糊集,减少保守性,在DR的最优潮流问题。电力系统中大多数实际的不确定性分布是单峰的。精确的重新制定,近似和有效的解决技术在以前的文件。本文提出了一种最优参数选择方法,寻找最优逼近,显着提高计算效率和解决方案的质量。我们评估现有的机会约束的OPF方法使用修改后的IEEE 118总线和300总线系统的可再生能源发电的高渗透率的方法的性能。结果表明,包括单峰信息降低解决方案的保守性和成本,而不会显着降低可靠性。
2019-08-04 math.OC
Stochastic Optimal Control For Gaussian Disturbances with Unknown Mean and Variance Based on Sample Statistics
针对加性高斯噪声具有未知均值和协方差的线性系统,提出了一种基于样本统计量的开环随机最优控制方法.我们考虑一个联合的机会约束下的时变多面体目标集的假设,干扰已被充分采样。我们推导出两个定理,使我们能够绑定的状态的概率超过一些样本的标准偏差远离样本均值。利用这些定理,我们将机会约束转化为一系列的凸线性约束。在这里,解决方案保证机会约束满足。我们证明了我们的方法上的卫星交会机动,并提供比较的情况下的方法。
2023-03-23 cs.SY eess.SY math.OC
A two-step approach to Wasserstein distributionally robust chance- and security-constrained dispatch
本文考虑了可再生能源发电存在时,发电机和线路同时发生事故的安全约束调度问题。由于可再生能源的不确定性建模使用联合机会约束和不匹配所造成的意外事件和可再生能源使用储备处理。我们考虑一个分布鲁棒的方法来解决机会约束规划。我们假设不确定性的样本是可用的。使用它们,我们构建了一组分布,称为模糊集,包含所有的分布,接近经验分布下的Wasserstein度量。对模糊度集中的所有分布施加机会约束,形成分布鲁棒最优化问题。这个问题是非凸的,计算量很大,难以精确求解。我们采用两步的方法来找到一个近似解。在第一步中,我们在不确定性空间中构造一个多面体集,该多面体集在模糊集中的所有分布下都包含足够的质量。这个集合是通过求解几个二维分布鲁棒问题而构造的。在第二步中,我们解决了一个线性鲁棒最优化问题的不确定性约束施加在所有的不确定性值躺在多面体集。我们使用数值实验证明了我们的方法的可扩展性和鲁棒性。
2022-08-16 cs.SY eess.SY math.OC
Data-Driven Chance Constrained Control using Kernel Distribution Embeddings
University of New Mexico(新墨西哥大学);Stanford University(斯坦福大学)
我们提出了一个数据驱动的算法,有效地计算一般联合机会约束最优控制问题的随机控制策略。我们的方法利用了核分布嵌入的理论,它允许将期望算子表示为再生核希尔伯特空间中的内积。该框架使得能够使用从系统中观察到的轨迹的数据集近似地重新表述原始问题,而不对系统动力学的参数化或不确定性的结构施加先前的假设。通过优化随机开环控制轨迹的有限子集,我们放松了原来的问题,可以有效地解决使用标准的凸优化技术的控制参数的线性规划。我们证明了我们提出的方法在一个系统的非线性非马尔可夫动力学在一个混乱的环境中导航仿真。
2022-02-08 cs.RO cs.SY eess.SY
Chance-Constrained DC Optimal Power Flow Using Constraint-Informed Statistical Estimation
The Pennsylvania State University(宾夕法尼亚州立大学);Argonne National Laboratory(阿贡国家实验室);The University of Chicago(芝加哥大学)
本文提出了一种基于约束信息的统计估计方法,用于解决混合约束直流最优潮流问题,通过减少维度提升统计准确性和优化性能。
2026-03-16 cs.SY eess.SY math.OC
Infinite-dimensional spherical-radial decomposition for probabilistic functions, with application to constrained optimal control and Gaussian process regression
Courant Institute School of Mathematics, Computing and Data Science(Courant学院数学、计算与数据科学系)
本文提出hiSRD方法,通过结合子空间SRD与蒙特卡罗方法,实现无限维概率函数估计,用于解决机会约束优化和高斯过程回归中的问题。
2026-03-20 cs.LG cs.NA math.NA
Chance-Constrained Energy Storage Pricing for Social Welfare Maximization
Columbia University(哥伦比亚大学)
本文提出一种新的能源存储定价框架,旨在通过社会福利最大化目标优化经济调度。该框架可帮助电力系统运营商生成存储的默认报价或评估存储参与者的市场力量。通过两阶段可能性约束方法,系统整合了系统平衡约束和不确定性考虑,展示了存储机会成本的凸性及与未来能源和备用价格的线性耦合关系。
2024-07-09 cs.SY eess.SY math.OC
The Scaling Behaviors in Achieving High Reliability via Chance-Constrained Optimization
本文研究机会约束优化中可靠性趋近最大水平时的最优成本与决策规模行为,并据此揭示DRO常用方法会导致指数级成本扭曲,同时提出保持正确规模的方法、改进内部近似的线搜索策略以及突破Omega(1/N)障碍的Pareto最优决策估计框架。
2025-04-10 math.OC math.PR q-fin.RM
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