Optimal Shelter Location-Allocation during Evacuation with Uncertainties: A Scenario-Based Approach
由于事件的高度不确定性和众多参与者和机构，疏散规划是应急管理中一个重要且具有挑战性的要素。为了解决所有因素与冲突的目标，数学建模已经得到了广泛的应用，在疏散规划的各个方面，以帮助响应者和决策者评估所需的时间疏散和估计的人数和分布在不同的灾害场景。相应地，疏散最优化问题的数学表达和求解方法在疏散规划中也是非常重要的。研究了防空洞选址分配问题的双层规划形式。考虑到随机性，一个基于神经网络的方法，以解决人口的不确定性，从意大利伦巴第大区的一个小镇疏散。采用遗传算法作为求解方法。四种情况被认为是研究的最佳数量和位置的避难所疏散在正常的工作日，在晚上，在周末，并在假期时间与来访的旅客。研究结果强调了不同的场景需要不同数量和位置的避难所来实现最佳疏散。
2018-02-15 math.OC
Formal-language-theoretic Optimal Path Planning For Accommodation of Amortized Uncertainties and Dynamic Effects
Department of Mechanical Engineering, The Pennsylvnaia State University, University Park, 16802（机械工程系，宾夕法尼亚州立大学，University Park）
提出基于形式语言定量测度理论的全局最优路径规划方法，通过引入概率不可控转移建模不确定性，并采用无搜索组合优化最大化概率正则语言测度，实现机器人导航中目标到达概率最大化与障碍碰撞概率最小化。
2010-08-23 cs.RO cs.SY eess.SY
Impact of Equipment Failures and Wind Correlation on Generation Expansion Planning
在放松管制的电力市场环境下，由于所有的不确定性影响给定投资的盈利能力，发电扩展规划已经成为一个复杂的问题。目前的膨胀模型通常忽略了一些这些不确定性，以减少计算负担。在本文中，我们提出了一个标志的重要性，设备故障（单位和线路）和风力发电的相关性发电扩建决策。为此，我们使用一个双层随机最优化问题，模型的顺序和非合作对策之间的发电公司（GENCO）和系统运营商。上层问题最大化GENCO的预期利润，而低层次的问题模拟每小时的市场出清程序，通过LMP确定。故障和风电相关性的不确定性的特点是由一个场景集，其对发电扩展决策的影响进行量化和讨论的24节点电力系统。
2014-06-23 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
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
A hybrid approach for planning and operating active distribution grids
本文研究了现代配电网（DN）托管分布式能源（DER）的规划和运营过程。虽然在过去的两个方面已经不同，本文提出了一种方法，以共同优化的两个阶段，考虑的经营灵活性，提供的DERs已经在规划阶段。通过采用交流最优潮流（OPF）分析负荷和分布式电源（DG）注入的最坏情况预测，确定DER的最优设定值，从而保证网络的安全性。从这些结果中，然后为每个DER提取优化的个体特征曲线，其在操作阶段中用于设备的本地控制。优化的控制仅使用本地测量来解决系统范围的问题，并模拟OPF解决方案，而无需任何通信。最后，所提出的方法进行了测试，确认它是成功的，在减轻与可接受的违规过电压和欠电压问题，以及拥塞问题。它的性能进行比较对基于OPF的方法和目前采用的本地控制方案。
2017-07-10 math.OC
Distributionally Robust Transmission Expansion Planning: a Multi-scale Uncertainty Approach
我们提出了一种分布式鲁棒优化（DRO）的传输扩展规划问题的方法，同时考虑长期和短期的不确定性系统的需求和不可调度的可再生能源发电。在长期层面上，正如行业应用中的惯例，我们通过使用专家设计的长期情景来解决社会和经济转型、政治和环境问题以及技术中断所产生的深刻不确定性。在这种情况下，可以考虑许多包含关于随机参数（即平均值和支撑集）的部分信息的外生长期情景。对于每个长期情景，条件模糊度集对关于短期操作中的不确定参数的概率分布的不完全知识进行建模。因此，数学问题被公式化为具有多个条件模糊度集的DRO模型。由此产生的无穷维问题被改写为一个确切的，虽然非常大，有限的混合整数线性规划问题。为了规避可扩展性问题，我们提出了一个新的增强列和约束生成（ECCG）分解方法与一个额外的Dantzig-Wolfe过程。在现有的方法相比，ECCG导致一个更好的表示的追索功能，因此，更严格的界限。基于标准IEEE 118节点系统的数值实验证实了该方法的有效性。
2020-03-13 math.OC
Robust Dynamic Transmission and Renewable Generation Expansion Planning: Walking Towards Sustainable Systems
如今，从传统发电系统到可再生发电系统的过渡是系统运营商和公司面临的最困难的挑战之一。有几个原因：投资决策的长期影响，可再生能源与系统的适当整合，当前和未来的不确定性，以及考虑不确定性和投资决策的综合逐年代表性的便利性。然而，最近在动态传输网络扩展规划（DTNEP）的突破表明，使用鲁棒优化可能会使这个问题的计算实际系统的易处理。本文不仅要考虑线路的容量扩展，还要考虑可再生和常规发电设施的建设和/或拆除。将动态输电网和可再生能源发电规划问题转化为一个三层自适应鲁棒最优化问题。第一层最小化输电网络和发电扩展规划的投资成本，第二层最大化系统的不确定参数的运行成本，而第三层最小化这些运营成本的运营决策。该方法被测试为两种情况下：i）一个说明性的例子，基于Garver IEEE系统和ii）使用IEEE 118节点系统的案例研究。从这些例子的数值结果表明，所提出的模型可以实现可持续的电力系统的最佳决策，同时克服了现实情况下的问题大小的限制和计算的棘手性。
2017-01-30 math.OC
Motion Planning and Robust Tracking for the Heat Equation using Boundary Control
研究了一类具有Neumann边界条件和反配置边界输入输出的热传导方程的鲁棒输出跟踪问题。所需的参考跟踪解决了著名的平坦性和李雅普诺夫方法。通过求解标称植物的运动规划问题来获得参考轮廓。为了在存在干扰和不确定性的情况下使闭环系统鲁棒化，然后用PI反馈加上一个不连续分量来增强闭环系统，该不连续分量负责拒绝具有\textit{a priori}已知幅度界限的匹配干扰。这种控制律只需要在控制输入所在的同一边界上的系统信息。所得到的动态控制器全局指数稳定的误差动态，同时也衰减Lipschitz的时间外部干扰和参数不确定性的影响。对于在不确定对象上进行运动规划的情况，得到了指数输入-状态稳定性，保持了跟踪误差范数的有界性。所提出的控制器依赖于一个不连续的长期，但通过一个积分器，从而最大限度地减少抖振的影响，在植物动态。仿真结果表明，在存在外部干扰和参数不确定性的情况下，不同类型的参考轨迹下，闭环系统的性能。
2022-04-26 cs.SY eess.SY math.OC
Reliability-Constrained Power System Expansion Planning: A Stochastic Risk-Averse Optimization Approach
这项工作提出了一种方法，将可靠性约束的最优电力系统扩展规划问题。除了LOLP和EPNS，传统上用于电力系统中，这项工作提出了使用的风险度量的风险值（风险价值）和CVaR（条件风险价值），广泛应用于金融市场。在规划问题中明确考虑可靠性约束可能是一项非常困难的任务，为了最大限度地减少计算工作量，这项工作采用Benders分解技术将扩展规划问题拆分为一个投资问题和两个子问题，以评估系统的运行成本和可靠性指标。运行子问题采用随机对偶动态规划（SDDP）求解，可靠性子问题采用蒙特卡罗模拟求解。所提出的方法适用于玻利维亚电力系统的最佳扩展规划的实际问题。
2019-10-28 cs.SY eess.SY math.OC
Accelerating Stochastic Energy System Optimization Models: Temporally Split Benders Decomposition
针对小时级分辨率随机容量扩展规划问题求解耗时的问题，提出时间分裂的Benders分解方法，通过重构储能约束实现时间并行优化，使计算时间最多减少80%以上。
2025-08-14 math.OC
Efficient Multi-Year Security Constrained AC Transmission Network Expansion Planning
多年动态交流输电网扩展规划问题的求解因其潜在的精确性而逐渐成为规划研究的中心。然而，与DC TNEP相比，安全约束AC TNEP的计算负担是巨大的。对于一个动态的，安全约束的AC TNEP问题，计算负担变得非常过度，即使是中等规模的系统的解决方案变得几乎不可能。因此，本文提出了一种有效的，四阶段的解决方法，多年来，网络N-1意外事故和电压稳定约束，动态ACTNEP问题。一些智能逻辑策略的开发和应用，以减少优化算法的计算负担。所提出的方法被应用到Garver 6，IEEE 24和118总线系统，以证明其效率和能力，以解决TNEP为不同的系统规模。
2019-09-13 cs.SY eess.SY math.OC
Surrogate Neural Networks for Efficient Simulation-based Trajectory Planning Optimization
Massachusetts Institute of Technology（麻省理工学院）；Charles Stark Draper Laboratory, Inc（查尔斯·斯塔克·德雷珀实验室公司）
本文提出了一种新的方法，使用代理模型的神经网络的形式，以减少基于仿真的参考轨迹优化的计算时间。当没有系统的分析形式可访问时，基于仿真的优化是必要的，只有输入输出数据可用于创建仿真的代理模型。与许多高保真仿真一样，这种轨迹规划仿真非常非线性，计算成本很高，因此迭代优化具有挑战性。通过梯度下降优化，我们的方法找到了最佳的参考轨迹着陆高超声速飞行器。与以前文献中用于创建代理模型的大型数据集相比，我们的方法专门设计用于最大限度地减少梯度下降优化器所需的模拟执行次数。我们证明了这种方法比通过试错或随机采样输入参数空间手动调整输入的标准做法更有效。由于智能选择的输入值的模拟，我们的方法产生更好的模拟结果，实现更快，更高的准确度。由于仿真的极端非线性，优化高超声速飞行器的参考轨迹是非常具有挑战性的，但即使如此，这种新的方法发现，与标称相比，参考轨迹的性能提高了74%，数值结果清楚地表明，设计未来轨迹的计算时间大大减少。
2023-03-30 cs.LG math.OC
A Transfer Operator Methodology for Optimal Sensor Placement Accounting for Uncertainty
Iowa State University（爱荷华州立大学）
本文提出了一种基于转移算子的方法，用于在考虑建筑系统不确定性的条件下优化传感器布置，通过概率度量评估不确定条件下的覆盖范围。
2018-12-26 cs.SY eess.SY math.DS
Machine Learning-Enhanced Aircraft Landing Scheduling under Uncertainties
Arizona State University（亚利桑那州立大学）
提出一种机器学习增强的飞机着陆调度方法，通过多阶段条件预测器和MILP求解考虑不确定性的调度问题，总着陆时间较FCFS平均减少17.2%。
2023-11-27 cs.AI cs.LG math.OC
Application of Progressive Hedging to Var Expansion Planning Under Uncertainty
本文介绍了渐进式套期保值（PH）算法的最小成本无功规划的不确定性。方法PH是用于求解随机规划的基于神经网络的分解技术，即，它将一个大规模随机问题分解成s个确定性子问题，并将s个确定性子问题的决策耦合起来，形成原随机问题的解。所提出的方法的有效性和计算性能将说明与IEEE 24总线系统（5个操作场景），200总线玻利维亚系统（1,152个操作场景）和1,600总线哥伦比亚系统（180个场景）的无功规划研究。
2020-04-17 cs.CE cs.SY eess.SY
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
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
Near-optimal planning using approximate dynamic programming to enhance post-hazard community resilience management
Colorado State University（科罗拉多州立大学）
本文提出一种基于近似动态规划的序列离散优化方法，用于在灾后社区中制定恢复管理决策，以克服维度灾难并提升多状态大系统性能。
2018-04-20 cs.CE cs.SY eess.SY
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
