Derivation and Generation of Path-Based Valid Inequalities for Transmission Expansion Planning
本文旨在通过减少解的搜索空间和计算工作量，更有效地解决长期输电扩展规划问题。所提出的方法发现和添加切割平面的基础上结构的见解总线角度沿路径的差异。提出了几个定理，表明这些切割平面的有效性到基本的数学公式。基于路径的母线角差约束，收紧放松的可行域，与分支定界法相结合，得到了输电扩展规划问题最优投资的下界。这项工作还创建了一个算法，自动化的过程中发现和应用所讨论的有效的不等式，从而显着减少测试和计算时间。该算法在Python中实现，使用求解器CPLEX添加约束并解决传输扩展问题。本文使用两个不同大小的系统来说明所提出的框架的有效性：修改后的IEEE 118总线系统和波兰2383总线系统。
2019-10-03 math.OC
Robust Coordinated Transmission and Generation Expansion Planning Considering Ramping Requirements and Construction Periods
随着风力发电的快速增长，输电规划中出现了两个关键问题。首先，由于风力发电的高度可变性，日常运行中的严重功率斜升事件对多年规划决策提出了巨大挑战。其次，输电线路的建设周期较长，可能无法跟上可再生能源发电日益一体化带来的快速增长的不确定性。为了解决这些问题，我们提出了一个全面的鲁棒规划模型，考虑不同的资源，即输电线路，发电机和FACTS设备。考虑了各种因素，包括灵活性要求，施工周期和成本。我们构造了小时净负荷斜坡不确定性（HLRU）集来表征小时净负荷（包括风力发电）的变化，和年净负荷持续时间曲线不确定性（LDCU）集正常年净负荷持续时间曲线的不确定性。这导致在两个阶段的鲁棒最优化模型与两种不同类型的不确定性集，这是解耦成两个不同的子问题，使整个解决方案的过程易于处理。实际数据的数值模拟表明，所提出的模型和求解方法能够有效地协调不同的柔性资源，给出鲁棒的扩展规划策略。
2016-12-01 math.OC
Analyzing Performance and Scalability of Benders Decomposition for Generation and Transmission Expansion Planning Models
Princeton University（普林斯顿大学）
本文研究了Benders分解在发电与输电扩展规划模型中的性能与可扩展性，探讨了改进收敛速度的方法，并展示了通过正则化等策略优化求解效率的成果。
2026-03-31 math.OC
A Unified View on Planning, Scheduling and Dispatching in Production Systems
计划、调度和调度在供应链的运营中发挥着关键作用。本文以统一的观点明确给出了它们的定义。从微观经济学和排队论的角度分析了计划与调度的区别。从计算复杂性和层次分解的角度分析了调度和分派的区别。根据价格弹性和容量弹性，规划可以分为需求规划和容量规划。调度期是价格和平均生产成本对生产率不敏感的时间范围。通过层次分解的概念，说明了主生产计划和移动目标在作业调度中的重要作用。调度是作业调度层次分解的最后一层。系统地比较和分析了推拉式系统的优点。
2014-07-10 math.OC
Bilevel Optimization Based Transmission Expansion Planning Considering Phase Shifting Transformer
本文将移相Transformer（PST）引入考虑风电并网的输电规划问题。建议的规划模型制定为一个双层计划，旨在确定最优策略的网络增援和PST的位置。上层问题的目标是最小化用户支付的总费用、输电线路的投资费用和PST。下层问题指定不同负荷-风情景下的电力市场出清条件。通过将下层问题用原-对偶形式代替，将双层模型转化为单层混合整数线性规划。基于IEEE 24节点系统的算例验证了该模型的有效性。此外，仿真结果表明，PST的安装增加了灵活性的TEP，有利于风力发电的整合。
2017-07-31 math.OC
Security Constrained AC Transmission Network Expansion Planning
现代输电网扩展规划（TNEP）采用能够处理电压和电压稳定约束的交流网络模型。然而，这样的模型需要优化与迭代交流潮流模型，这是计算上如此苛刻，大多数研究人员忽略了至关重要的（N-1）安全约束。因此，本研究工作的目标是开发一个有效的，两阶段的优化策略来解决这个问题。在第一阶段中，解决了DC扩展规划问题，该问题提供了初始猜测以及一些非常好的算法，以减少用于AC传输和无功扩展规划的第二阶段的潮流解的数量。采用改进的人工蜂群算法（MABC）求解该最优化问题。Garver 6总线，IEEE 24总线和IEEE 118总线测试系统的静态AC TNEP结果已获得与建议和严格的方法，并在可能的情况下，与文献中报道的类似结果进行比较，以证明所提出的方法的好处。此外，多级动态AC TNEP的Garver 6总线系统的解决，以显示这种问题的方法的适用性。
2018-09-22 math.OC
A Hierarchical Multi-Objective Programming Approach to Planning Locations for Macro and Micro Fire Stations
消防站是城市应急控制系统中最关键的应急设施之一，具有快速应对火灾等突发事件的能力。消防站的选址规划对消防站的应急响应能力和效率有着重要的影响，同时也影响着建设成本。为了获得高效实用的消防站选址方案，选址模型中需要考虑效用最大化、距离约束和工作量限制等主要要求，特别是对于具有特定目标和建设要求的宏观和微观消防站的多级消防设施系统。本文提出了一种新的分层优化方法，考虑所有的主要要求，位置规划和债券之间的功能连接不同级别的消防站在同一时间。建立了单目标和多目标最优化模型，同时解决了宏观和微观消防站选址问题。采用保留精英的遗传算法和基于Pareto的多目标进化算法来求解该问题。以深圳市福田区为例，对所提出的分层选址模型进行了验证，结果表明了该方法的有效性和实用性。
2021-06-15 math.OC
A Prosumer-Centric Framework for Concurrent Generation and Transmission Planning -- Part II
我们提出了一个框架，其中发电和传输容量计划同时在市场环境中，重点是消费者。本文是第一部分的延续，并提出了三个典型的案例研究的数值结果。根据所提出的框架，在所有情况下，最优规划决策。此外，在案例研究I中，考虑到未来电力市场设计的不确定性，无遗憾规划决策进行了讨论。在案例研究II中，我们研究了风能的社会阻力普遍存在，产消者选择不投资风能的情况。这种偏好导致系统成本增加，从而可能损害其他生产消费者。该框架被用来作为一个谈判模拟器来处理这个问题。案例研究三介绍了双边/联营混合市场的数值结果。案例研究利用荷兰电力系统和欧洲电力系统的实际数据，提供政策相关的结果，帮助他们在各种市场环境中脱碳。
2021-05-21 math.OC
Security Constrained Multi-Stage Transmission Expansion Planning Considering a Continuously Variable Series Reactor
将连续可变串联电抗器（CVSR）引入输电网规划问题。CVSR是一种类似FACTS的设备，具有控制传输线总阻抗的能力。然而，CVSR的成本约为类似额定FACTS设备的十分之一，这可能允许安装大量设备。考虑$N-1$安全约束的CVSR多级TEP被表示为混合整数线性规划模型。由可变电抗引入的潮流的非线性部分通过重构技术线性化。为了减少实际大系统的计算负担，提出了一种分解方法。IEEE 24节点系统和波兰2383节点系统的仿真结果验证了该方法的有效性。此外，适当分配的CVSR增加了灵活性的TEP问题，并允许降低规划成本。虽然所提出的分解方法不能保证全局最优，如何网络可以可靠地和经济地考虑CVSR实现了一个高层次的图片。
2017-03-27 math.OC
A hybrid Benders decomposition and bees algorithm matheuristic approach to transmission expansion planning considering energy storage
本文介绍了一种新的混合优化算法，结合了元启发式搜索和整数规划的元素。这种新的数学方法结合了Benders分解和蜜蜂算法的元素，创建了蜜蜂-Benders混合算法（BBHA），该算法保留了两种方法的许多优点。具体来说，它被设计为易于并行化，以快速产生良好的解决方案，同时在运行足够长的时间时仍然保持最优性的保证。该算法进行了测试，使用输电网络扩展和储能规划模型，一个具有挑战性的和非常大规模的混合整数线性规划问题。输电网络规划问题本身就很困难。当在网络中包括存储系统的规划时，必须考虑需求随时间的变化，这显著增加了最优化问题的大小和难度。BBHA被证明是非常有效的混合数学算法，执行至少以及无论是本德分解或蜜蜂算法，这些都是有效的自己，并显着改善的个别方法，其中没有一个组成部分具有明显的优势。虽然本文证明了在具体的电网规划问题的有效性，该算法可以很容易地应用到任何混合整数线性规划，并预计特别好地工作时，这是一个结构，是服从Benders分解。
2019-03-09 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
Optimal Generation and Transmission Expansion Planning Addressing Short-Term Constraints with Co-optimization of Energy and Reserves
可变可再生能源（VRE）在电力系统中的渗透改变了处理扩展规划的方式。这种资源在很短的时间内具有很大的可变性，这使得表示需要按时间顺序排列的小时约束变得非常重要。除此之外，还应调整发电储备，以捕捉间歇性影响，由于许多国家使用快速热电厂作为这些储备的一部分，机组承诺和斜坡约束也变得更加重要。在本文中，我们提出了一个MILP扩展规划模型，可以表示每小时的时间步长，同时保持合理的计算时间，投资和运营问题同时解决。由于规划范围很长（几十年），在单个最优化问题中的整个范围的解决方案对于大型实际系统在计算上是不可行的，因此，有必要在较小的子范围中应用范围分解启发式，并使用典型日期和季节的表示来减小问题的大小。
2021-12-01 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
An Efficient Hybrid Heuristic for the Transmission Expansion Planning under Uncertainty
Universidade Federal da Paraíba（帕拉伊巴联邦大学）；PSR - Energy Consulting and Analytics（PSR能源咨询与分析）
本文提出一种结合渐进贴现算法和集成方法的混合启发式策略，用于解决具有不确定性的传输扩展规划问题，通过在大型系统中实现高效求解，平均成本降低5.28%。
2026-05-09 math.OC
Transmission Expansion Planning with Seasonal Network Optimization
输电扩建规划（TEP）对于电网满足未来快速增长的需求至关重要。传统的TEP模型没有充分利用输电网络的灵活性，将其视为静态资产。然而，由于负载分布可能具有不同的季节模式，因此最佳网络配置对于规划范围中的不同季节可能非常不同。因此，本文提出将季节性网络优化（SNO）纳入传统的TEP模型。SNO针对每个规划时期的每个季节动态地优化网络。提出了两个TEP-SNO模型，分别研究优化（i）现有分支和（ii）现有和新分支的状态的好处。数值模拟验证了TEP-SNO模型的有效性。结果表明，SNO可以提高系统的运行效率，延缓新的传输元件的投资，降低总成本。
2019-11-29 eess.SP math.OC
Towards a Sustainable Power Grid: Stochastic Hierarchical Planning for High Renewable Integration
在雄心勃勃的可再生能源组合标准的推动下，大规模纳入可变能源（如风能和太阳能）预计将给电力系统运行带来前所未有的不确定性。目前采用确定性优化模型的作战计划实践可能不适合具有大量不确定性的未来。为了克服潜在的可靠性和经济挑战，我们提出了一个随机分层规划（SHP）框架。该框架捕捉了前一天、短期和前一小时的时间尺度上的操作，以及随机过程和决策之间的相互作用。与早期的研究不同，在早期的研究中，个体问题的随机优化（例如，机组组合、经济调度）的研究，本文研究了一个集成的\emph{planning under uncertainty}框架，其中随机优化模型被缝合在一个层次设置中，这与电力工业中广泛采用的确定性分层规划方法相平行。我们的实验，基于NREL-118数据集，揭示了在高可再生能源渗透率下，通过过渡到小水电模式，可以预期显著的运营改善。特别是，计算结果表明，显着的改善，可以实现在几个指标，包括系统的可靠性，环境的可持续性和系统的经济性，仅仅通过战略选择，采用新的小水电范例。
2021-07-30 cs.SY eess.SY math.OC
Heuristics for Transmission Expansion Planning in Low-Carbon Energy System Models
世界各国政府正在计划增加可再生能源在其能源系统中的份额。新的风能和太阳能发电厂的选址需要与电网规划密切协调，因此在空间和时间上解决的模型中，发电和输电扩展投资的共同优化是一个不可或缺但复杂的问题。特别是考虑输电扩展规划（TEP）增加了问题的复杂性。即使将潮流方程线性化，由于线路扩展对线路阻抗的依赖性和线路扩展选项的离散集，最优化问题仍然是双线性和混合整数。虽然可以通过应用大M析取松弛来线性化该混合整数非线性规划（MINLP），但是所得到的MILP仍然难以使用用于大规模能源系统模型的最先进的求解器来求解。因此，在本文中，我们开发了将整数传输扩展和响应线阻抗的能源系统模型，同时保留了较低的计算工作量的连续线性规划（LP）应用顺序线性规划（SLP）技术，松弛和离散化途径。我们基准测试他们的性能对德国传输系统的政策相关的案例研究的精确制定的结果，在他们的计算时间的加速，偏离最佳的总系统成本，和线路扩展的相似性。使用优化，我们减少了82%的联合发电和传输优化的计算时间，最大的总系统成本偏差只有1.5%。该算法紧密反映了精确MINLP的最优整数线路投资，为政策相关的低碳能源系统最优化模型节省了大量时间。
2019-07-24 math.OC physics.soc-ph
Hierarchical planning-scheduling-control -- Optimality surrogates and derivative-free optimization
针对化工企业多层级规划-调度-控制集成问题，提出结合最优性替代与无导数优化并保留启发式回退的混合方法，实现可处理性与精度平衡。
2023-10-11 cs.CE math.OC
Optimization-Based Hierarchical Motion Planning for Autonomous Racing
ETH Zurich（苏黎世联邦理工学院）
在本文中，我们提出了一个分层控制器的自主赛车中使用相同的车辆模型在两个层次的优化框架运动规划。高级控制器计算使单圈时间最小化的轨迹，并且低级非线性模型预测路径跟随控制器在线跟踪所计算的轨迹。遵循计算出的最佳轨迹避免了在线规划，并实现了快速计算时间。通过在高级控制器中计算的终端约束，通过两个级别的耦合进一步提高了效率。在实时优化级别中包括该约束确保了预测范围可以缩短，同时保证了安全性。这对于在全尺寸无人驾驶赛车上进行实验验证至关重要。有问题的车辆赢得了两个国际学生赛车比赛，使用所提出的框架，此外，我们的分层控制器实现了20%的改进，在圈速相比，使用非常相似的汽车和轨道实现的最先进的结果。
2020-03-11 cs.RO cs.SY eess.SY
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
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
Hierarchical Game-Theoretic Planning for Autonomous Vehicles
University of California, Berkeley（加州大学伯克利分校）；KTH Royal Institute of Technology（KTH皇家理工学院）；Stanford University（斯坦福大学）
自动驾驶汽车在道路上的行为会影响其他驾驶员的行为，无论是超车、谈判合并还是避免事故。这种相互依赖，最好用动态博弈论来描述，在车辆的规划和对其他驾驶员行为的预测之间建立了强耦合，并构成了一个直接影响自动驾驶技术安全性和可行性的开放性问题。不幸的是，动态游戏的计算要求太高，无法满足自动驾驶在连续状态和动作空间中的实时约束。在本文中，我们介绍了一种新的游戏理论的自动驾驶轨迹规划算法，使实时性能分层分解的基础动态游戏到一个长期的“战略”游戏，简化的动态和完整的信息结构，和一个短期的“战术”游戏，完整的动态和简化的信息结构。战略博弈的价值被用来指导战术规划，隐含地扩展规划范围，推动局部轨迹优化更接近全局解决方案，最重要的是，定量地考虑自动驾驶汽车和人类驾驶员相互影响的能力和激励。此外，我们的方法承认人类决策的非确定性模型，而不是依赖于完全理性的预测。与现有技术相比，我们的研究结果展示了更丰富，更安全，更有效的自主行为。
2018-10-13 cs.AI cs.MA cs.RO
