Trajectory tracking with an aggregation of domestic hot water heaters: Combining model-based and model-free control in a commercial deployment
居民用电负荷的可伸缩需求响应是近年来的一个研究热点。商业时代的到来或住宅需求响应需要一个可扩展的控制架构，既有效又实用。这项工作提出了这样一种家用热水器的策略，并提出了一个商业概念验证部署。该策略结合了聚合和调度的最新技术水平和利用强化学习最新发展的新型调度策略，并在硬件在环仿真环境中进行了测试。结果是有前途的，并提出如何基于模型和无模型的控制策略可以合并，以获得一个成熟的和商业上可行的控制策略，住宅需求响应。
2018-05-11 math.OC
Control of Energy Storage in Home Energy Management Systems: Non-Simultaneous Charging and Discharging Guarantees
在本文中，我们提供了非同时充电和放电保证线性储能系统（ESS）模型的模型预测控制（MPC）为基础的家庭能源管理系统（HEMS）算法。HEMS最佳地控制住宅负载和住宅拥有的电源，例如光伏（PV）发电和能量存储，给定住宅客户偏好，例如能量成本敏感性和ESS寿命。在具有线性ESS模型的某些问题公式下，当存在高渗透率的PV功率时，可以观察到同时充电和放电作为最优解。我们提出了一个建议的HEMS优化配方，确保非同步ESS充电和放电操作的线性ESS模型，捕捉充电和放电效率的ESS。储能系统模型的行为保证显示各种电力定价方案，如使用时间（TOU）定价和净计量。仿真结果表明，理想的ESS行为提供了每个电力定价方案。
2019-04-19 math.OC
Trading in residential energy systems with storage: a kinetic mean-field approach
Università di Bologna（博洛尼亚大学）
本文提出了一种动能平均场方法，用于解决住宅能源系统中存储与交易的优化问题，通过建模电池状态、充放电功率和控制为位置、速度和加速度，结合平均场理论与超抛物算子，实现大规模能源管理的优化控制。
2026-02-28 math.AP math.OC math.PR
Probabilistic Day-Ahead Battery Scheduling based on Mixed Random Variables for Enhanced Grid Operation
针对可再生能源波动带来的电网稳定挑战，提出基于混合随机变量的居民电池日前概率调度分析方法，嵌入连续随机优化框架，可减少量化电网不确定性、降低用电成本，提升电网韧性。
2024-11-19 cs.SY eess.SY math.OC
Time series aggregation for energy system design: Modeling seasonal storage
可再生能源系统的优化设计是一个计算要求很高的任务，因为高的时间波动的供应和需求的时间序列。为了减少这些时间序列，典型操作周期的聚合已经变得常见。这种方法的问题是，这些聚合的典型周期是独立建模的，不能交换能量。因此，不能充分考虑季节性储存，尽管这对于可再生能源发电比例高的能源系统是必要的。为了解决这个问题，本文提出了一种新的数学描述的基础上叠加的期间和期间内的状态的库存。期间间状态连接典型的时期，并能够说明它们的顺序。该方法已被用于不同的能源系统配置。结果表明，一个显着减少的计算负荷，也可以实现长期的存储为基础的能源系统模型相比，最优化模型的基础上，全年时间序列。
2018-01-31 math.OC
On representation of energy storage in electricity planning models
本文考虑了电力部门容量规划模型中的储能表示。随着储存技术，特别是电池和补充性可变可再生技术的成本下降，将储存纳入这类长期系统模型的相关性越来越大。为了适当地评估存储技术，需要表示时间段之间的联系，打破经典的时间聚合策略，大大提高了计算时间。我们评估的方法来解决这个问题，强调一个共同的基础结构，无损聚合的条件，并在相关的地理尺度聚合的挑战。然后，我们调查的建模问题，包括一个分解方案，以避免在并行计算成本的时间聚集的解决方案。这些例子为运筹学界的贡献提供了问题的框架。
2021-05-31 econ.GN math.OC q-fin.EC
Towards Exact Temporal Aggregation of Time-Coupled Energy Storage Models via Active Constraint Set Identification and Machine Learning
Institute of Electricity Economics and Energy Innovation, Research Center for Energy Economics and Energy Analytics Graz University of Technology（格拉茨工业大学电力经济与能源创新研究所、能源经济与能源分析研究中心）
本文通过主动约束集识别和机器学习方法，实现了在存在储能时间耦合约束情况下电力系统模型的精确时间聚合，提升了计算效率并保持了解的准确性与复杂性之间的良好平衡。
2026-03-13 math.OC
Machine Learning for Exact Time Series Aggregation in Generation Expansion Planning with Energy Storage
Graz University of Technology（格拉茨工业大学）；Institute of Electricity Economics and Energy Innovation Research Center ENERGETIC（电力经济与能源创新中心ENERGETIC研究所）
针对含可再生能源、火电和储能的发电扩展规划问题，提出一种基于机器学习估计边际成本的迭代时间序列聚合方法，实现精确聚合并保持最优性间隙可评估。
2026-05-27 math.OC
Market-based Demand Response via Residential Plug-in Electric Vehicles in Smart Grids
电力需求的灵活性、多样化的使用模式和插电式电动汽车（PEV）的储能能力显著增加了居民电力需求的弹性。这种弹性可以用于形成每日聚合需求简档和/或改变系统的瞬时需求，其中大量住宅PEV共享一个电力零售商或聚合器。在本文中，我们提出了一种需求响应（DR）技术来管理车辆到电网（V2 G）使能的PEVs的电力分配（充电和放电），以降低零售商投标到两个结算电力市场的总电力采购成本，即，一天前（DA）和现货或实时（RT）市场。我们表明，我们的方法是分散的，可扩展的，快速收敛，不侵犯用户的隐私。大量的仿真结果表明，显着的整体成本节省可以实现零售商投标到一个可操作的电力市场，通过使用所提出的算法。当电网容纳大量间歇性能量资源时，该技术变得更加需要，其中由于更可能的意外事件以及因此更多的RT价格波动，RT需求改变是至关重要的，并且甚至发生所谓的\textit{black swan events}。最后，这样的零售商也可以为客户提供更好的交易。
2015-12-21 math.OC
Ageing-aware Energy Management for Residential Multi-Carrier Energy Systems
Delft University of Technology（代尔夫特理工大学）
本文提出一种考虑电池老化因素的非线性经济模型预测控制器，通过物理电池老化模型优化电网成本与电池降解之间的平衡，提升住宅多载体能源系统的效率与可靠性。
2026-04-17 cs.SY eess.SY math.OC
Energy storage applications for low voltage consumers in Uruguay
能量存储可以用于智能电网中的许多应用，例如能量套利、调峰、功率因数校正、能量备份等，并且可以在增加电力网络容纳可再生能源的容量方面发挥重要作用。通常，根据电力网络计费结构、可靠性限制和其他本地电力网络规范，存储控制算法将需要是\textit{tailored}。在本文中，我们探讨了乌拉圭的住宅储能应用，乌拉圭是可再生能源的全球领导者之一，最近推出了新的低压消费者合同。基于这些计费机制，我们专注于能源套利和无功能量补偿的最终用户的消费成本最小化的目的。考虑到在新的接触中，电力的购买和销售价格是相等的，并且无功功率补偿主要由安装的转换器控制，存储操作对参数不确定性不敏感，因此，决策不需要前瞻。提出了一种基于阈值的\textit{hierarchical}控制器，该控制器决定用于套利的最佳有功能量，并使用剩余的换流器容量进行无功补偿，从而增加最终用户的利润。数值结果表明，存储可能是有利可图的，即使考虑电池退化，根据一些但不是所有的研究合同。对于不适合的情况，我们建议最适合的合同。这里提出的结果可以很自然地适用于关税结构满足在这项工作中考虑的假设。
2020-02-11 cs.SY eess.SY math.OC
Towards Efficient Aggregation of Storage Flexibilities in Power Grids
本文针对大量灵活存储设备聚合面临的维度灾难问题，改进基于顶点的内近似方法以扩展至通用存储设备，并通过电动汽车削峰案例验证其有效性与准确性。
2024-03-29 math.OC
Accurately modeling long-term storage with minimum representative hours in large-scale renewable energy systems
本文提出了一种基于代表性小时的新型存储表示方法，结合高精度和高效率，显著提升了大规模可再生能源系统中长期存储建模的计算效率和准确性。
2025-11-30 math.OC
Improved formulation for long-duration storage in capacity expansion models using representative periods
本文研究容量扩展模型中时间聚合下长期储能的建模问题，提出一种紧凑公式以减少约束并跟踪荷电状态，在Dolphyn模型与美国大陆案例中验证，较现有方法运行时间快30%-70%、内存低1%-9%。
2024-09-27 cs.SY eess.SY math.OC
Multistage Robust Optimization for Time-Decoupled Power Flexibility Aggregation with Energy Storage
针对配电系统运营商的电力灵活性聚合问题，提出含决策依赖不确定性的多阶段鲁棒优化模型，开发多种求解方法与贪心分解算法，证明矩形法优势并通过案例验证方法有效性。
2025-08-20 math.OC
Variable aggregation-based formulations for pumped storage hydro model in the day-ahead unit commitment problem
针对抽水蓄能电站多机组共享水库导致的对称结构问题，提出两种基于变量聚合的新公式，有效打破对称性，提升混合整数规划求解效率。
2025-10-09 math.OC
Typical periods or typical time steps? A multi-model analysis to determine the optimal temporal aggregation for energy system models
能源系统模型面临的挑战是需要高的时间和空间分辨率，以适当地描绘间歇性可再生能源，存储技术和能源部门之间日益增长的互联互通的份额。本研究通过分析不同的时间聚合技术来评估维持这些模型的计算可行性的方法，这些技术减少了输入时间序列中的时间步数。两种常用的方法是通过单个（典型）时间步长的子集或通过连续时间步长（典型周期）的组来表示时间序列。我们测试这些技术的两个不同的能源系统模型，实现使用框架的综合能源系统评估（FINE）基准的优化结果的基础上聚合的完全解决的模型，并调查是否最佳的聚合方法可以，先验，基于聚类指标确定。结果表明，典型的时间步长一致优于典型的日子就集群指标，但不导致更准确的优化结果时，应用到一个模型，考虑到许多存储技术。虽然这两种聚合技术都可以耦合聚合的时间步长，但典型日提供了更多描述存储操作的选项，而典型时间步长对于忽略时间链接约束的模型更有效。总之，聚合方法的适当选择强烈地依赖于所考虑的能量系统最优化模型的数学结构，并且充分的时间聚合的先验决定仅在充分了解该数学结构的情况下才是可能的。
2021-04-01 math.OC
Designing Near-Optimal Policies for Energy Management in a Stochastic Environment
Intel Corporation（英特尔公司）；Carnegie Mellon University（卡内基梅隆大学）；Starflow Networks, Inc.（星流网络有限公司）；Cisco Systems, Inc.（思科系统公司）
本文提出了一种基于马尔可夫决策过程的能源管理优化方法，通过考虑电池存储动态、随机需求模型、随机太阳能发电模型和电价方案，设计出近最优策略以降低运营成本并应对天气不确定性。
2019-02-17 cs.SY eess.SY math.OC
Bottom-up energy supply optimization of a national building stock
分布式能源（DER）的安装和运行以及供热的电气化显著改变了住宅建筑与电网基础设施的相互作用。评估DER在国家一级的大规模部署将需要分析数百万个建筑物，这将带来巨大的计算负担。为了克服这一点，这项工作提出了一种新的自下而上的模型，该模型包括一个聚合算法，从人口普查数据中创建一组空间分布的典型住宅建筑。每个典型的建筑物，然后优化与混合线性规划，以获得其成本最优的技术采用和操作，确定其在未来的情况下不断变化的电网负荷。该模型在德国进行了验证，200个典型的建筑物被认为是充分代表了住宅建筑存量的多样性。在2050年的未来情景中，光伏和热泵预计将成为不同建筑类型的最经济和生态稳健的供应解决方案。然而，它们的发电量和需求量在时间上并不匹配，导致冬季农村地区电网高峰负荷增加一倍。城市地区可以用高效的热电联产装置来弥补这一点，而农村地区的热电联产装置成本效益不高。
2020-01-02 math.OC physics.soc-ph
A Stochastic Sizing Approach for Sharing-based Energy Storage Applications
为了促进可再生能源整合，提高电能质量和可靠性，并减少碳氢化合物排放，迫切需要部署储能系统（ESS），它可以为高峰时段的公用事业运营提供控制介质。在住宅一级特别需要环境服务系统，因为这一部门具有最未开发的需求响应潜力。然而，考虑到其高昂的购置、操作和维护成本，单独部署ESS在经济上是不可行的。因此，在本文中，我们提出了一个\emph{sharing-based} ESS架构，其中每个客户的需求是随机建模和总需求是由从电网和存储单元的组合，当需求超过电网容量的功率。提出了一种分析储能系统最优规模的随机框架。针对\emph{single}型家电的一组用户，提出了一种分析方法。然后，这个框架被扩展到任何网络规模与任意数量的客户和设备类型。分析方法提供了一个易于处理的解决方案的ESS规模问题。最后，提供了详细的成本效益分析，结果表明，基于共享的ESS是实用的，并显着节省ESS的大小可以实现。
2015-08-08 math.OC
Optimal Selection of Small-Scale Hybrid PV-battery Systems to Maximize Economic Benefit Based on Temporal Load Data
光伏和电池储能技术的持续进步使得混合光伏电池系统成为住宅能源消费者的一个有吸引力的前景。然而，由于电池成本相对较高，众多可用的零售电力计划以及取消光伏安装激励计划，选择适当系统的过程变得复杂。在本文中，建立了一个优化策略的基础上，单个客户的时间负荷曲线，以最大限度地节省电力成本，通过最佳选择的光伏电池系统的大小，方向和零售电力计划。量子行为粒子群优化算法适用于其非常适合的应用程序，涉及混合能源系统规范的问题作为底层算法。使用真实世界的居民消费数据，当前的系统定价和可用的零售电力计划来测试优化策略，以确定混合光伏电池解决方案的功效。
2017-05-31 math.OC
A Fast Distributed Algorithm for Large-Scale Demand Response Aggregation
实施住宅需求响应的一个主要挑战是，调整许多家庭的目标，每个家庭的目标是尽量减少其支付和最大限度地提高其舒适度，同时平衡这与聚合器的目标，旨在尽量减少在集中批发市场购买电力的成本。本文提出了一种快速的分布式算法聚合大量的家庭与离散和连续的能量水平的混合。本文中的方法的一个显着特点是，非凸DR问题被分解的家庭，而不是设备，这允许将更复杂的耦合之间的能量存储设备，电器和分布式能源。该方法是一种快速分布式算法，适用于所采用的DR模型的双平滑对偶函数。该方法在多达2560个家庭的系统上进行了测试，每个家庭平均拥有10台设备。该算法的目的是终止在60次迭代，无论系统的大小，这可以是理想的在线版本的这个问题。此外，数值结果表明，与最小的参数调整，该算法表现出非常相似的收敛行为，在整个研究的系统，并收敛到近最优解，这证实了其可扩展性。
2016-03-01 cs.DC math.OC
Adversarially and Distributionally Robust Virtual Energy Storage Systems via the Scenario Approach
Eindhoven University of Technology（埃因霍温理工大学）；Polytechnic of Bari（巴里理工大学）；Technical University of Delft（代尔夫特理工大学）
本文提出一种数据驱动的调度框架，通过停车场管理者与零售商互动，提供虚拟能源存储服务，并在不确定的电动车离场和电池状态限制下，实现经济性能与操作安全性的平衡。
2026-04-09 cs.LG cs.SY eess.SY
Predictability and Fairness in Load Aggregation and Operations of Virtual Power Plants
Czech Technical University（捷克技术大学）；University College Dublin（都柏林大学学院）；Imperial College London（帝国理工学院）；University of Passau（帕绍大学）
在电力系统中，人们希望调节分布式能源（DER）的集合的总需求，例如可控负载和电池储能系统。我们提出了一个可预测性和公平性的概念，这意味着价格或激励措施的长期平均值应该独立于DER、聚合器和电网运营商的初态。我们表明，这一概念不能保证与许多传统的控制器所使用的负载聚合器，包括通常的比例积分（PI）控制器。我们表明，即使考虑非线性的交流模型，这种概念的可预测性和公平性可以保证增量输入状态稳定（iISS）控制器，在温和的假设。
2021-10-06 cs.AI cs.SY eess.SY
Optimal corrective dispatch of uncertain virtual energy storage systems
间歇性可再生能源在电力系统中的高渗透率需要大的平衡储备以实现可靠的运行。聚合和协调的表后负载可以提供这些快速储备，但代表能量受限和不确定的储备（在其能量状态和容量方面）。为了优化调度不确定的，能量受限的储备，基于优化的技术允许开发一个适当的权衡之间的闭环性能和鲁棒性的调度。因此，本文研究了与灵活的，背后的米分布式能源（DER）的能量约束聚合的不确定性。本文研究的不确定性与估计DER集合的荷电状态和容量（即，虚拟能量存储系统或VESS）。为此，开发了一种基于风险的机会约束控制策略，该策略优化了VESS意外饱和的操作风险，以防止发电机偏离其预定设定点。该控制器协调能量受限的VESS，以最小化非计划参与，并克服斜坡率限制的发电机，以平衡可再生能源发电的变化，同时考虑电网条件。为了说明所提出的方法的有效性，基于仿真的分析进行了增强的IEEE RTS-96网络与不确定的能源和基于温度的动态线路额定值。
2019-10-02 math.OC
Robust Energy-Constrained Frequency Reserves from Aggregations of Commercial Buildings
Swiss Federal Institute of Technology (ETH) Zurich（苏黎世联邦理工学院）；University of California, Berkeley（加州大学伯克利分校）
本文提出利用商业建筑聚合实现鲁棒频率储备的控制框架，通过三级分层方法优化HVAC系统，验证100栋建筑可满足瑞士频率市场最低投标量要求。
2015-06-17 cs.SY eess.SY math.OC
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
Stochastic Model Predictive Control based on Mixed Random Variables for Economic Energy Management
Institute for Automation and Applied Informatics Karlsruhe Institute of Technology (KIT), Germany（卡尔斯鲁厄理工学院自动化与应用信息学研究所）
本文提出基于混合随机变量的随机模型预测控制方法，用于优化家庭能源管理，通过考虑不确定的消费和可再生能源生成，实现降低电力成本的目标。
2026-03-31 math.OC
Flexibility Framework with Recovery Guarantees for Aggregated Energy Storage Devices
本文提出了一个框架，采购的灵活性储备从聚合存储车队。它允许聚合层次结构的任意树结构，以及通过广播分派容易实现的分解。通过耦合放电和恢复模式，拟议的框架使全周期的能力，提前采购的实时，有保证的恢复和准确的会计损失。对可行放电请求的集合进行精确编码，使得满足放电信号的能力没有降低，并且恢复能力被参数化为单个虚拟电池。包括在本文中是一个数值演示的框架和方法的组成曲线的建设也对相关的替代品进行基准。
2022-05-07 math.OC
Unlocking the Informational Value of Marginal Costs for Exact Time Series Aggregation in Generation Expansion Planning
Institute of Electricity Economics and Energy Innovation, Graz University of Technology（格拉茨工业大学电力经济学与能源创新研究所）；Research Center ENERGETIC（ENERGETIC研究中心）
针对发电扩展规划问题的计算复杂性，提出一种基于边际成本的理论化时间序列聚合方法，通过保留完整模型的活跃约束实现精确聚合，并嵌入迭代算法提供误差上界的性能保证，在完整优化不可行时恢复可解性。
2026-06-26 math.OC
Impact of different time series aggregation methods on optimal energy system design
由于供应和需求时间序列的高度波动，对可再生能源系统进行建模是一项计算要求很高的任务。为了缩小这些数据的规模，本文探讨了将它们汇总成典型时段的不同方法。每种聚合方法都适用于不同类型的能源系统模型，使得这些方法相当不可比。为了克服这一点，不同的聚合方法，首先扩展，使它们可以应用到所有类型的多维时间序列，然后通过将它们应用到不同的能源系统配置和分析其对成本最优设计的影响进行比较。已发现，不管方法如何，时间序列聚合允许显著减少的计算资源。然而，与使用原始时间序列的代表性周期相比，平均值导致低估了实际系统成本。聚合方法本身，例如k均值聚类，起着次要的作用。更重要的是系统考虑：能源系统利用集中的资源，需要更少的典型周期的一个可行的系统设计相比，系统具有更高的可再生能源馈入的份额。此外，对于基于季节性存储的能量系统，现有的典型时段的模型集成是不合适的。
2017-08-01 cs.CE math.OC
Stochastic Optimal Control of Prosumers in a District Heating System
针对区域供热中产消者热能产消不确定的决策问题，将其建模为随机最优控制问题，用动态规划求解，得到值函数与最优控制的数值结果，可最小化产消者热能买卖及系统运行的期望折现总成本。
2025-01-15 math.OC
