Trilevel Scheduling Model Considering Residential Demand Flexibility of Aggregated HVACs and EVs under Distribution LMP
住宅负荷，特别是供暖、通风和空调（HVAC）和电动汽车（EV），具有提供需求灵活性的巨大潜力，这是网格交互式高效建筑（GEB）的一个属性。在这种新的范式下，首先，EV和HVAC聚合器模型，本文开发代表车队的GEB，其中的聚合参数的基础上获得的数据生成和最小二乘参数估计（DG-LSPE），它可以处理异质HVAC的新方法。在此基础上，建立了基于竞争性配电运营的三级竞价调度框架。前两个层次形成了一个双层模型，以优化聚合器支付，并表示负载聚合器和配电系统运营商（DSO）之间的相互依赖性使用DLMP，而第三个层次是分配最优的负载聚合所有居民提出的基于优先级列表的需求调度算法。最后，修改后的IEEE 33总线系统的案例研究说明了三个主要的技术原因支付减少由于需求的灵活性：负荷转移，DLMP阶跃变化，和功率损耗。它们可以作为更好的决策的一般准则，为未来的规划和需求响应程序的操作。
2021-03-01 cs.SY eess.SY
Microgrid Optimal Energy Scheduling with Risk Analysis
目前微电网资源调度优化中的风险分析还没有量化。对含分布式能源的居民微网进行了条件风险价值（cVaR）分析。我们假设建立自组织微电网的基础设施已经到位，用于具有光伏（PV），柴油和电池储能系统（BESS）等电源的居民区。考虑到这种情况，我们解决了提前一天的调度，以优化分配各种资源，以满足社区，特别是住宅区与整个电网断开连接的情况下的需求，如洪水，飓风，冬季风暴或运营故障。其目标是提供一个替代框架，以优化优先客户的电力可用性，并加强整体电网对正常运行考虑之外的电力下降的影响。本文的重点将是在最小化成本的同时，将光伏与柴油和BESS相结合的可再生能源纳入其中。案例研究表明，通过拟议的能源管理系统，可以实施微电网，以应对新的挑战。
2023-01-04 cs.SY eess.SY
Atomic Scheduling of Appliance Energy Consumption in Residential Smart Grid
Xi’an Jiaotong-Liverpool University（西交利物浦大学）；Middlesex University（密德萨斯大学）
本文提出了一种基于最优路由框架的家电能耗原子调度新方法，通过用户流配置作为优化变量来确定调度时间，采用连续凸松弛技术高效求解近似解，实验证明该方法能提供接近或等于全局最优的解决方案。
2019-09-25 cs.NI cs.SY eess.SY
Agentic AI Home Energy Management System: A Large Language Model Framework for Residential Load Scheduling
Department of Industrial Economics and Technology Management, The Norwegian University of Science and Technology（工业经济学与技术管理系，挪威科学与技术大学）
电力部门的转型需要大幅提高住宅需求响应能力，但家庭能源管理系统（HEMS）的采用仍然受到用户交互障碍的限制，需要将日常偏好转化为技术参数。虽然大语言模型已被应用到能源系统作为代码生成器和参数提取器，没有现有的实现部署LLM作为自治协调器管理从自然语言输入到多设备调度的完整工作流。本文提出了一种代理人工智能HEMS，其中LLM自主协调多设备调度从自然语言请求到设备控制，实现最优调度没有例子演示。将一个协调器与三个专业代理相结合的分层架构使用ReAct模式进行迭代推理，实现动态协调，而无需硬编码工作流，同时集成Google日历进行上下文感知的截止日期提取。使用真实的奥地利日前电价对三个开源模型进行评估，发现了巨大的能力差异。Llama-3.3- 70 B成功地协调了所有场景中的所有设备，以匹配通过混合整数线性规划计算的成本最优基准，而其他模型实现了完美的单设备性能，但难以同时协调所有设备。渐进式提示工程实验表明，分析查询处理没有明确的指导仍然是不可靠的，尽管模型的一般推理能力。我们开源了完整的系统，包括编排逻辑，代理提示，工具和Web界面，以实现可重复性，扩展和未来的研究。
2025-10-30 cs.AI cs.MA cs.SY
Guarding the Grid: Enhancing Resilience in Automated Residential Demand Response Against False Data Injection Attacks
针对分布式住宅需求响应系统易遭虚假数据注入攻击的问题，本研究提出融合需求响应优化、异常检测与攻击缓解的综合框架，经真实数据集验证可有效提升系统安全弹性。
2023-12-14 cs.CR cs.SY eess.SY
Optimal Dispatch of Residential Photovoltaic Inverters Under Forecasting Uncertainties
University of Minnesota（明尼苏达大学）；National Renewable Energy Laboratory（国家可再生能源实验室）
本文研究在光伏预测误差下如何通过逆变器提供辅助服务以避免过电压，提出考虑条件风险价值的非凸混合整数非线性规划方法，并通过实测数据验证其有效性。
2014-11-07 cs.SY eess.SY math.OC
Representing Long-term Impact of Residential Building Energy Management using Stochastic Dynamic Programming
在包含基于容量的电网电价的情况下，短期调度住宅建筑以优化电费可能是困难的。根据拟议的实测峰值（MP）电网电价（基于一段时间内最高峰值功率的成本）对建筑物进行调度，需要用户考虑当前决策对未来的影响。因此，作者提出了一个数学模型，使用随机动态规划（SDP），试图代表当前决策的长期影响。SDP算法基于一个月内每天的峰值功率向后计算建筑物的非线性预期未来成本曲线（EFCC）。负荷需求和天气的不确定性被认为是使用离散的马尔可夫链设置。该模型被应用到一个案例研究的灵活负载的智能控制的挪威建筑，并与MP电网的关税是不准确的代表，用户有完整的信息，整个月的方法进行比较。结果表明，SDP算法的性能比没有准确方式呈现未来影响的场景好0.3%，与用户拥有完美信息的场景相比，性能差3.6%。
2020-08-24 cs.SY eess.SY math.OC
Model-Free Control for Residential Heating: Deployment and Simulation of Nonlinear Data-Enabled Predictive Control
University of Oslo（奥斯陆大学）；Swiss Federal Laboratories for Materials Science and Technology (Empa)（瑞士联邦材料科技与工程研究院）；University of Pennsylvania（宾夕法尼亚大学）；Eindhoven University of Technology（埃因霍温理工大学）；University of Groningen（格罗宁根大学）
针对住宅供暖中MPC建模困难的问题，本文应用三种非线性DeePC（DPC）方法，在数字孪生和真实公寓中验证其比滞回控制节能约11%，且优于线性DeePC。
2026-09-21 cs.SY eess.SY math.OC
Multiobjective Model Predictive Control for Residential Demand Response Management Under Uncertainty
National Tsing Hua University（国立清华大学）；Deakin University（迪肯大学）；National Taipei University（台北大学）
本研究提出了一种多目标模型预测控制方法，用于在不确定性下优化住宅能源管理，通过拉格朗日函数和改进的进化算法实现成本和用户满意度的双重优化。
2026-01-13 cs.SY eess.SY
Optimized energy utilization in small and large commercial loads and residential areas
在智能电网中，需求侧管理（DSM）技术需要被设计为处理大量的几种类型的可控负荷。在本文中，我们提出了一个框架来研究智能电网的需求侧管理，其中包含各种负荷在两个服务区，一个与多个居民家庭，一个总线与商业客户。具体地，每个家庭可以具有可再生发电以及可中断和不可中断的电器，以进行单独的调度，从而通过根据电价的提前一天预测进行最佳的用电时间来优化电能成本。高负荷母线代表一个商业区域，用于演示任何母线上的高负荷对电压分布、功率损耗和负荷潮流条件的影响，并显示建议的DSM对大量电器的性能。使用开发的仿真模型，我们研究了拟议的DSM的性能，并研究了它们对配电网运行和可再生能源发电的影响，整体电压偏差，有功功率损耗，以及可能出现的问题，如反向潮流，电压上升进行了研究和比较，这些问题可以很容易地看到在商业负载总线。
2019-06-25 cs.SY eess.SY math.OC
Stochastic Decision-Making Model for Aggregation of Residential Units with PV-Systems and Storages
许多住宅能源消费者已经安装了光伏（PV）面板和储能系统。这些住宅用户可以聚集并参与能源市场。本文提出了一个随机决策模型，这些住宅单位的聚合参与两个结算市场。使用季节性自回归综合移动平均（SARIMA）模型和预测误差的联合概率分布函数来模拟实时价格、光伏发电量和需求的不确定性。本文提出的情景生成模型将预测误差视为随机变量，它允许将实时市场中观察到的新信息反映到情景生成过程中，而无需重新训练SARIMA或重新拟合预测误差的概率分布函数。这种方法显着提高了所提出的模型的计算时间。最后，以6户住宅为例进行了模拟研究，结果显示了住宅组合的优势以及所提出的随机决策模型。
2020-02-20 cs.MA cs.SY eess.SY
A Reliability-aware Distributed Framework to Schedule Residential Charging of Electric Vehicles
住宅消费者在配备住宅EV充电设施后已成为配电网络的积极参与者。这对负责以可靠的方式通过现有配电网络基础设施向住宅消费者调度电力的网络运营商提出了挑战。在本文中，我们解决的问题，调度多个消费者的住宅电动汽车充电，同时保持网络的可靠性。另一个挑战是信息交换受限：消费者无法访问网络信息，网络运营商无法访问消费者负载参数。我们提出了一个分布式的框架，它生成一个最佳的电动汽车充电时间表为个人住宅消费者根据他们的喜好和迭代更新，直到网络的可靠性约束设置的运营商得到满足。我们验证了不同的EV采用水平的综合创建的数字孪生的实际配电网络所提出的方法。结果表明，与住宅消费者仅根据个人偏好对电动汽车充电的情况相比，新方法可以实现更高水平的网络可靠性，从而为现有电网提供了一种解决方案，以跟上不断增长的采用率，而无需在增加电网容量方面进行重大投资。
2022-02-14 cs.MA cs.SY eess.SY
Non Cooperative Game Theoretic Approach for Residential Energy Management in Smart Grid
需求侧管理（DSM）是智能电网的主要功能之一，因为它允许消费者调整其能量消耗以进行有效的能量管理。现有的需求侧管理技术大多以能源成本最小化为目标，而没有考虑用户的舒适度。因此，在这两个相互冲突的目标之间保持平衡仍然是一项具有挑战性的任务。提出了一种基于非合作博弈的居民用户需求侧管理新方法，通过智能电网运营商实施的动态电价政策，激励各参与方重塑其电力消费模式。玩家被引导选择最佳策略，包括安排他们的电器，以尽量减少日常能源成本和他们的不适程度。采用非排序遗传算法NSGA-II求解能源管理博弈的纳什均衡。仿真结果表明，分布式非合作博弈方法的有效性，住宅能源管理问题，其中一个可观的能源成本降低达到，同时保持在一个可接受的水平的不适。
2019-08-23 cs.SY eess.SY
HVAC Scheduling under Data Uncertainties: A Distributionally Robust Approach
在商业建筑中，暖通空调（HVAC）系统消耗的能源最多，占美国总能源使用量的60%以上。灵活的HVAC系统设定点调度可能会节省建筑能源成本。本文首先研究了以室内空气温度舒适性和机械运行要求为约束条件的确定性优化、稳健优化和随机最优化，以最小化日运行费用为目标。考虑到环境温度的不确定性，提出了一种基于Wasserstein度量的分布式鲁棒优化（DRO）方法，以提高最优调度对概率预测误差不确定性的鲁棒性.在Wasserstein度量定义的模糊集内的最坏情况下的分布优化的时间表。建议的DRO方法最初制定为一个两阶段的问题，然后重新制定为一个易于处理的混合整数线性规划（MILP）的形式。最后以某商业建筑为例，对优化方案的可行性和最优性进行了评价。数值计算结果表明，所提出的DRO方法的成本是6.6%，低于传统的优化技术下的不确定性。它们还为需求响应计划中的决策提供了细粒度的风险-收益选项。
2021-03-10 cs.SY eess.SY math.OC
Robust Scheduling of Virtual Power Plant under Exogenous and Endogenous Uncertainties
虚拟电厂（VPP）通过聚合可再生能源发电机组、常规电厂、储能和灵活需求，为分布式能源整合提供了一种灵活的解决方案。本文提出了一种新的模型，用于确定日前备用市场的最优报价策略和最优自调度计划。它考虑了与市场清算价格和可用风力发电相关的外生不确定性（或称为决策独立不确定性，DIU），以及与实时备用部署请求相关的内生不确定性（或称为决策依赖不确定性，DDU）。提出了一种基于强对偶理论、McCormick松弛和Benders分解的随机自适应鲁棒优化方法。仿真结果证明了该方法的适用性。
2021-02-03 cs.SY eess.SY
Less Conservative Adaptive Gain-scheduling Control for Continuous-time Systems with Polytopic Uncertainties
针对含多面体不确定性的连续时间线性系统，提出一种自适应增益调度控制方法，通过结构化松弛与精确拓扑表示降低保守性，数值实验验证其优于现有方法。
2025-06-14 cs.SY eess.SY
Co-Scheduling of Energy and Production in Discrete Manufacturing Considering Decision-Dependent Uncertainties
针对离散制造中决策依赖不确定性带来的调度难题，提出能量-生产协同调度模型，通过线性化约束和基于C&CG的新算法，在真实发动机装配线上显著降低成本并改善频率调节。
2024-11-11 cs.SY eess.SY
Assessing Value of Renewable-based VPP Versus Electrical Storage: Multi-market Participation Under Different Scheduling Regimes and Uncertainties
本研究对比纯可再生能源虚拟电厂与电网级储能系统在多市场的表现，采用两阶段鲁棒优化框架处理不同不确定性，提出储能容量匹配算法，通过多场景仿真为运营商提供二者相对价值的量化参考。
2025-07-30 cs.SY eess.SY
Moving horizon-based optimal scheduling of EV charging: A power system-cognizant approach
插电式电动汽车（PEV）的快速升级及其不协调的充电模式对配电系统操作提出了若干挑战。一些不良影响包括Transformers过载、快速电压波动和过/欠电压。虽然这损害了消费者的电力质量，但它也给本地电压控制设备带来了额外的压力。这些挑战要求为社区中的PEV提供协调良好的电力网络感知充电方法。将电动汽车充电调度问题转化为一个混合整数线性规划问题。这个问题将由一个聚合器来解决，该聚合器在住宅小区中提供充电服务。拟议的公式最大限度地提高利润的聚合，提高现有的基础设施的利用率。该算法在事先知道负荷需求和小时电价的情况下，采用移动时域优化方法，允许车辆到达数量未知。在这种现实的设置，所提出的框架，确保电力系统的约束得到满足，并保证所需的PEV充电水平在规定的时间内。IEEE 13节点馈线系统的数值试验表明，所提出的MILP技术的计算和性能的优越性。
2020-03-27 cs.SY eess.SY math.OC
Optimal scheduling of island integrated energy systems considering multi-uncertainties and hydrothermal simultaneous transmission: A deep reinforcement learning approach
Northeast Electric Power University（东北电力大学）；Huazhong University of Science and Technology（华中科技大学）；Cranfield University（克兰菲尔德大学）
来自电源和负荷的多重不确定性给海岛各种资源的稳定需求供给带来了重大挑战。为了应对这些挑战，提出了一个全面的调度框架，通过引入一个无模型的深度强化学习（DRL）方法的基础上建模的岛屿综合能源系统（IES）。针对海岛淡水短缺的问题，除了引进海水淡化系统外，还提出了“热液同步输送”（HST）的输送结构。IES调度问题的本质是各单元输出的最优组合，是典型的时序控制问题，符合深度强化学习的马尔可夫决策求解框架。深度强化学习通过智能体与环境的交互来适应各种变化，及时调整策略，避免了复杂的建模和多不确定性的预测。仿真结果表明，该调度框架能够有效地处理电源和负荷的多种不确定性，实现各种资源的稳定需求供给，具有比其他实时调度方法更好的性能，特别是在计算效率方面。此外，HST模式也是提高海岛淡水资源利用效率的一种积极探索。
2022-12-27 cs.LG cs.SY eess.SY
Storage Scheduling with Stochastic Uncertainties: Feasibility and Cost of Imbalances
Institute for Automation and Applied Informatics, Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院自动化与应用信息学研究所）
本文提出了一种基于两阶段决策过程的新型调度方法，以在给定概率下保证调度可行性，并通过场景优化方法对比了最小化预期最终成本的策略。
2018-05-24 cs.SY eess.SY
Distributionally Robust Day-ahead Scheduling for Power-traffic Network under a Potential Game Framework
电动汽车的广泛使用给电力-交通耦合网络的调度带来了更多的不确定性和影响。本文研究了日前能源市场中电力-运输耦合网络的最优电力调度问题，该问题考虑了光伏发电和车辆交通需求的多重不确定性。该问题的关键是在日前调度阶段建立两个网络之间的耦合关系模型，并考虑当天的源和负荷的空间不确定性。同时，引入具有一定调节裕度的柔性负荷，保证电力节点的供需平衡，更好地消耗可再生能源。此外，我们显示了电力系统和电动汽车用户之间的相互作用，从潜在的博弈论的角度来看，不确定性的特点是由一个模糊集。为保证日前电力调度中两个网络在统一框架下的个体最优性，建立了两阶段分布式鲁棒集中优化模型，实现了电力-运输耦合网络的均衡。在此基础上，将对偶理论与Benders分解相结合，对分布鲁棒优化模型进行求解。仿真结果表明，该方法可以获得个体最优和保守性较小的策略。
2022-12-04 cs.SY eess.SY
Dynamic Rolling Horizon Optimization for Network-Constrained V2X Value Stacking of Electric Vehicles Under Uncertainties
Monash University（莫纳什大学）；Monash Energy Institute（莫纳什能源研究所）；The University of Tokyo（东京大学）
本研究提出动态滚动时域优化框架，结合GRU-EN-TFD预测模型，实现V2X价值堆叠以降低住宅社区能源成本，并揭示EV到达不确定性对性能的关键影响。
2025-02-22 cs.LG cs.SY eess.SY
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
Uncertainty-Cognizant Model Predictive Control for Energy Management of Residential Buildings with PVT and Thermal Energy Storage
Niroo Research Institute (NRI)（尼鲁研究所）
建筑业占全球能源消耗的近40%。这揭示了在建筑物中利用可再生能源以实现气候目标的绝佳机会。在这种情况下，本文提供了一种建筑能源系统，包括热泵，热能储存系统以及并网光伏热（PVT）收集器，以最小的运营成本提供电力和热能需求的建筑物。为此，本文开发了一种随机模型预测控制（MPC）策略，以最佳地确定整个建筑能源系统的设定点，同时考虑与PVT能量生成相关的不确定性。该系统使建筑物能够1-将其电力需求从高峰时间转移到非高峰时间，2-将电力出售给电网以进行能源套利。
2022-01-21 cs.LG cs.SY eess.SY
Blockchain-Based Decentralized Energy Management Platform for Residential Distributed Energy Resources in A Virtual Power Plant
分布式能源（DER）的出现，如分布式可再生能源、储能、电动汽车和可控负载，\rv{brings}对集中式电力系统产生了重大的破坏性和变革性影响。人们普遍认为，一个分散的电力系统与双向潮流的范式转变是必要的DER的整合。虚拟发电厂（VPP）是管理参与电力系统的DER的一个很有前途的范例。在本文中，我们开发了一个基于区块链的VPP能源管理平台，以促进VPP中具有可再生能源，能源存储和灵活负载的住宅用户之间的丰富的交互式能源活动。具体地，用户可以通过VPP彼此交互以交易能量以实现互利，并提供网络服务，诸如馈入能量、储备和需求响应。为了尊重用户的独立性和保护用户的隐私，我们设计了一个分散的优化算法来优化用户的能源调度，能源交易和网络服务。然后，我们开发了一个用于VPP能源管理的原型区块链网络，并在区块链网络上实现了所提出的算法。通过对真实数据的追踪实验，验证了算法和区块链系统的可行性和有效性。仿真结果表明，我们基于区块链的VPP能源管理平台将用户成本降低了38.6%，并将整体系统成本降低了11.2%。
2021-05-31 cs.CR cs.DC cs.SY
Stackelberg game-based optimal scheduling of integrated energy systems considering differences in heat demand across multi-functional areas
中国能源系统的能源需求侧管理是非常重要的，因为中国的化石能源消费量高，系统的能源效率低。引入建筑体形因子来描述不同功能区的建筑特征，并结合用户用能特征来考察不同功能区的热负荷特征。提出了一种基于Stackelberg博弈的电热一体化能源系统优化调度模型，该模型以综合能源运营商收益最大化和用户成本最小化为目标。在这里，IEO和用户分别是Stackelberg游戏的领导者和追随者。领导者使用实时的能源价格来引导负荷参与需求响应，而跟随者基于价格反馈来制定能源计划。利用Karush-Kuhn-Tucker（KKT）条件和大M法将模型转化为混合整数二次规划（MIQP）问题，并利用MATLAB和CPLEX软件进行求解。结果表明，该方案能够平衡IEO和用户的利益。此外，可以根据能耗和建筑形状特征的差异，分别管理公共和住宅区的热负荷，从而提高系统运行灵活性，促进可再生能源的使用。
2022-08-27 cs.SY eess.SY
Energy Vision--Language--Action: A Controlled Multimodal Benchmark for Intent-Conditioned Residential Energy Management
本文提出EVLA基准，将住宅电池调度构建为多模态轨迹预测问题，通过受控实验揭示语言路径对预测质量的关键作用，而视觉路径无显著误差优势。
2026-09-29 cs.AI cs.LG cs.SY
Model Predictive Control-Based Battery Scheduling and Incentives to Manipulate Demand Response Baselines
我们研究了电池储能系统在基于基线的需求响应（DR）计划下的操作，DR事件的时间表不确定。基于基线的DR计划可能会提供非期望的激励，以在非事件日夸大基线消费，以便增加事件日的“明显”DR减少并确保更高的DR支付。我们的目标是确定和量化这些激励措施。为了理解客户决策，我们制定了确定每小时电池充电和放电时间表的问题，以在足够长的时间范围内最小化预期净成本，定义为能源购买成本减去能源出口退税和DR付款（例如，一年）。这个随机优化问题的复杂性与所考虑的时间范围呈指数增长。为了获得计算上易于处理的解决方案，我们建议使用多阶段模型预测控制与场景采样。数值结果表明，我们的解决方案是接近最优的（例如，在测试情况下，最佳值的3%以内）。最后，我们应用我们的解决方案来研究一个示例住宅客户与太阳能光伏和电池系统参与一个典型的现有的基于基线的DR计划。结果表明，超过66%的平均明显的负载减少在DR事件可能会导致通货膨胀的基线消费在非事件天。
2019-09-26 cs.SY eess.SY
Renewable energy management in smart home environment via forecast embedded scheduling based on Recurrent Trend Predictive Neural Network
Institute of Theoretical and Applied Informatics, Polish Academy of Sciences（波兰科学院理论与应用信息研究所）；Prime Vision；Yaşar University（亚沙尔大学）
本文提出rTPNN-FES算法，将可再生能源预测与家电调度嵌入同一神经网络，在智能家居中实现接近最优且对预测误差鲁棒的调度，速度比优化方法快37.5倍。
2023-07-06 cs.LG cs.SY eess.SY
Statistical Assessment of Renewable Energy Generation in Optimizing Qatar Green Buildings
太阳能光伏住宅电能调度是现代绿色建筑的重要研究领域。在需求侧，建筑负荷、可再生光伏能源等因素综合在一起，是一个非线性、不确定、时变的复杂系统，很难预测和优化。这些能源在很大程度上取决于气候条件。这进一步使得住宅建筑的能源管理复杂化。为了解决这个问题，我们提出了统计模型，有效地利用可再生能源，减少配电网的负担。考虑了温度、空气中的灰尘、湿度和太阳辐射等天气参数对绿色建筑能源基础设施的影响。手稿中分析并介绍了细节。实时数据在SPSS软件工具中进行分析。结果表明，统计模型是必要的控制器采取行动的有效和可靠的可再生能源的整合。
2021-03-14 cs.SY eess.SY
A Scenario-based Branch-and-Bound Approach for MES Scheduling in Urban Buildings
本文提出了一种新的解决方案技术调度多能源系统（MES）在商业城市建筑执行基于价格的需求响应，降低能源成本。MES调度问题是一个混合整数非线性规划（MINLP），一个非凸NPhard问题，由于可再生能源发电和需求的不确定性。一个模型预测控制方法是用来处理的不确定性和价格变化。这又需要在计算密集的每个时间段期间求解时间耦合的多时间步长MINLP。本研究提出一种称为基于场景的分支定界（SB3），一个轻量级的求解器，以减少计算复杂度的方法。它结合了凸规划的简单性和元启发式技术处理复杂非线性问题的能力。SB3求解器的性能进行了验证，在清洁技术建设，新加坡和结果表明，所提出的算法降低了约17.26%和22.46%，作为解决多时间步长的启发式优化模型的能源成本。
2020-03-08 cs.SY eess.SY
Coordinating Flexible Demand Response and Renewable Uncertainties for Scheduling of Community Integrated Energy Systems with an Electric Vehicle Charging Station: A Bi-level Approach
带电动汽车充电站的社区综合能源系统（CIES）为解决日益增长的能源效率和环境污染问题提供了新的途径，协调灵活的需求响应和多种可再生能源的不确定性是一项关键任务。为此，本文建立了一个新的双层优化调度模型的CIES与EVCS在多利益相关者的场景。在该模型中，一个综合的需求响应计划的目的是促进能源供应和需求之间的平衡，同时保持用户的综合满意度在可接受的范围内。为进一步挖掘需求响应潜力，灵活引导用户能源消费和电动汽车行为（充电、放电和提供旋转储备），提出了分时电价和实时电价相结合的动态电价机制。在求解阶段，利用序列运算理论（SOT），将原机会约束规划（CCP）模型转化为一个易于求解的混合整数线性规划（MILP）模型，并利用CPLEX求解器进行求解。对华北地区一个实际的CIES的仿真结果表明，该方法通过协调灵活的需求响应和不确定的可再生能源，实现了CIES和EVCS之间的利益平衡。
2021-07-16 cs.SY eess.SP eess.SY
Robust Distributed Fixed-Time Economic Dispatch under Time-Varying Topology
定义北美电网的集中式发电基础设施正在慢慢转向分布式架构，这是由于可再生能源和分布式能源（DER）的使用激增，例如住宅太阳能，风力涡轮机和电池存储。此外，可变的定价政策和大量的灵活负载需要从各个发电单元所需的功率输出的频繁和严重的变化，需要快速的功率分配的可用性。为此，提出了一种固定时间收敛的，完全分布式的经济调度算法，用于在一组DER之间调度最优发电。该算法结合了负荷平衡和发电容量约束。
2020-08-27 cs.SY eess.SY math.OC
Appliance-level Flexible Scheduling for Socio-technical Smart Grid Optimisation
参与住宅能源需求响应计划需要消费者发挥积极作用。他们在如何使用他们的电器作为调整能源消耗和减少需求峰值的手段方面贡献了灵活性，可能以牺牲他们自己的舒适度为代价（例如，热）。了解设备级灵活性在降低需求峰值方面的集体潜力是一项挑战和复杂的工作。例如，电器的物理特性、使用偏好和舒适性要求都会影响消费者的灵活性、采用率和需求响应计划的有效性。为了捕捉和研究这种社会技术因素和权衡，本文贡献了一种新的设备级的灵活调度框架的基础上，消费者的自我确定的灵活性和舒适性的要求。通过利用这个框架，本文研究了（一）消费者使用偏好的各种电器，以及他们的自愿贡献的灵活性和愿意牺牲舒适性，以提高电网稳定性，（二）的影响，个人电器的集体目标，减少需求高峰，和（iii）可变水平的灵活性，合作和参与的效果协调家电调度的结果。使用通过智能手机应用程序收集的新数据集进行的实验评估表明，更高的消费者灵活性可以显着降低需求峰值，而烤箱在这方面具有最高的系统潜力。总体而言，合作的方法允许更高的调峰相比，非合作计划，完全集中在个别电器的效率。本研究的结果可用于设计更具成本效益和粒度（设备级）的需求响应计划，在参与和分散的智能电网。
2020-04-28 cs.MA cs.SY eess.SY
Bidding and Scheduling in Energy Markets: Which Probabilistic Forecast Do We Need?
概率预测与随机规划相结合是处理未来能源系统中日益增长的不确定性的关键工具。从一般的随机规划制定能源市场的最优调度和投标，我们研究了几个常见的特殊情况下，包含不确定的负荷，能源价格，和可变的可再生能源。我们分析每个设置是否只需要期望值预测，边际或二元预测分布，或完整的联合预测分布。对于市场进度优化，我们发现，预期价格预测是足够的，在几乎所有的情况下，而可再生能源的生产和需求的边际分布往往是必需的。对于投标曲线优化，除了特殊情况外，成对或完全联合分布是必要的。这项工作帮助从业者选择最简单的预测类型，仍然可以为他们的问题和研究人员集中在最相关的情况下实现最好的理论上可能的结果。
2022-03-24 cs.SY eess.SY math.OC
Hierarchical Stochastic Scheduling of Multi-Community Integrated Energy Systems in Uncertain Environments via Stackelberg Game
利用社区一体化能源系统和大量小规模分布式能源的经营实体可以很容易地与现有的分销市场进行交易。针对多能源交互的多社区综合能源系统（MCIES）的能源管理和定价问题，研究了不确定环境下的分层随机优化调度方法.为了处理多个不确定性，使用具有梯度惩罚的Wasserstein生成对抗网络来生成可更新场景，并使用Kmeans++聚类算法来生成典型场景。构建了一个基于Stackelberg的集成需求响应的分层随机调度模型，MCIES运营商作为领导者，通过设定能源价格追求净利润最大化，而建筑用户作为追随者，调整其能源消耗计划以最小化总成本.最后，设计了一种基于元启发式的分布式迭代求解方法。通过实例验证了该方法的有效性。
2021-12-14 cs.SY eess.SY math.OC
Active Power Thermal Feasibility Assessment of EV Integration with DER Scheduling and Distribution Network Reconfiguration
University of Houston（休斯顿大学）
本文提出线性规划框架评估不同EV渗透率下四种配电网配置的运行成本，证明SDNTR-DER方法最具成本效益且能缓解基础设施升级需求。
2026-10-06 cs.SY eess.SY
Branching Dueling Q-Network Based Online Scheduling of a Microgrid With Distributed Energy Storage Systems
这封信研究了一种基于分支决斗Q网络（BDQ）的微电网在线运行策略，该微电网具有在不确定性下运行的分布式电池储能系统（BESS）。开发的基于深度强化学习（DRL）的微电网在线优化策略可以实现神经网络输出数量随分布式BESS数量的线性增加，克服了多个BESS充放电决策带来的维度灾难。数值仿真验证了该方法的有效性。
2021-05-27 cs.SY eess.SY
Market-based Microgrid Optimal Scheduling
University of Denver（丹佛大学）
本文提出一种微grid参与电力分配市场并与配电市场运营商互动的最优调度模型。该模型通过设定电力价格和电力交换量，平衡供需并考虑财务目标，采用随机规划方法应对不确定性。
2016-02-04 cs.SY eess.SY
Networked control systems in the presence of scheduling protocols and communication delays
KTH Royal Institute of Technology（皇家理工学院）；Tel Aviv University（特拉维夫大学）；Ecole Centrale de Lille（里尔中央理工学院）
本文提出了一种处理网络控制系统中可变传输延迟、采样间隔和通信约束的时间延迟方法，引入了新的混合系统模型和Lyapunov-Krasovskii方法，用于分析具有时间变化延迟的混合系统稳定性。
2014-08-01 cs.SY eess.SY math.OC
Robust Learning Model Predictive Control for Periodically Correlated Building Control
住宅和商业建筑占全球能源消耗的40%以上，将成为未来绿色能源系统的关键参与者。为了充分发挥其潜力，同时确保乘员舒适性，需要一个鲁棒控制方案来处理各种不确定性，如外部天气和乘员行为。然而，突出的模式，特别是周期性，在大多数不确定性来源中广泛存在。本文将这种相关结构的学习模型预测控制的框架，以学习一个全局最优的鲁棒控制方案的建设业务。
2021-04-06 cs.SY eess.SY
Risk-aware stochastic scheduling of multi-market energy storage systems
Imperial College London（帝国理工学院）；BP International Ltd（英国石油国际有限公司）
本文研究了在电力市场中考虑价格不确定性的储能系统调度，采用两阶段随机风险约束方法，通过条件风险价值量化风险，验证了在氢气系统和电池储能系统中，增加风险厌恶程度可显著提高收益，尽管预期收益降低。
2026-05-07 cs.SY eess.SY math.OC
Towards Optimality Preserving Aggregation for Scheduling Distributed Energy Resources
本文针对异构分布式储能设备的调度问题，提出保证聚合模型无最优性损失的温和约束条件，从而降低计算负担并支持不确定性处理。
2019-06-20 cs.SY eess.SY
Robust-to-Noise Algorithms for Distributed Resource Allocation and Scheduling
本文针对噪声与扰动环境下的分布式资源分配和调度问题，提出基于符号动力学的抗噪声多智能体算法，并结合凸优化、控制理论与网络科学保证资源-需求平衡和约束可行性。
2023-11-30 cs.DC cs.SY eess.SP
Event-triggered Hybrid Energy-aware Scheduling in Manufacturing Systems
将可再生能源（RESs）引入到制造系统中是一个非常活跃的研究领域，以解决可再生能源（RESs）的不可预测性所带来的诸多挑战。在制造系统的能量感知调度中，传统的离线调度技术由于对不精确模型或意外情况的不确定性缺乏鲁棒性而不能很好地工作。另一方面，在线调度或重新调度，这可以提高鲁棒性，同时使用模型和最新的测量，遭受高的计算成本。本文提出了一种混合调度框架，它结合了离线调度和在线调度的优点，在鲁棒性和计算成本之间提供了一个平衡的解决方案。提出了部分可调度状态的概念。当模型运行良好时，它可以作为调度中的常量。当模型不能很好地工作时，它会被触发作为变量进行调优以提高性能。这种事件触发的结构可以减少重新调度的次数和计算成本，同时实现合理的性能和增强系统的鲁棒性。此外，部分可分派状态的选择还提供了实现绿色制造的额外设计自由度。以100 kW太阳能光伏发电系统、10台流水线生产线、50 kWh储能系统、100 kW燃气轮机和电网供电的制造系统为例，验证了该事件触发混合调度框架的有效性和适用性。
2023-02-02 cs.SY eess.SY
Enhancing Cyber-Resilience in Integrated Energy System Scheduling with Demand Response Using Deep Reinforcement Learning
School of Electrical Engineering, Northeast Electric Power University（东北电力大学电气工程学院）；State Grid XiXian New Area Power Supply Company（国家电网西安新区供电公司）；School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院）；The Hong Kong University of Science and Technology（香港科技大学）；Institute of Energy Technology, Aalborg University（奥尔堡大学能源技术研究所）；Illinois Institute of Technology（伊利诺伊理工大学）
本文针对综合能源系统在不确定性和网络攻击下的调度问题，提出基于状态对抗深度强化学习的无模型韧性调度方法，设计综合需求响应程序并引入SA-SAC算法，仿真显示经济性能较SAC提升10%。
2024-11-03 cs.LG cs.SY eess.SY
Robust Co-Optimization of Distribution Network Hardening and Mobile Resource Scheduling with Decision-Dependent Uncertainty
针对灾害下配电网韧性问题，提出含 DDU 的网络加固与 MHERs 调度鲁棒协同优化模型，并用增强型 N-PC&CG 精确高效求解。
2025-03-17 cs.SY eess.SY
A Predictive Flexibility Aggregation Method for Low Voltage Distribution System Control
University of Liege（列日大学）；Montefiore Institute, University of Liège（蒙泰菲奥尔研究所）
本文提出一种预测灵活性聚合方法，结合集中优化实现低压配电网实时控制，通过多参数优化和操作规划问题生成灵活性图，提升系统效率与经济性。
2026-03-10 cs.SY eess.SY
A Two-phase On-line Joint Scheduling for Welfare Maximization of Charging Station
电动汽车的大量采用为充电站的运营优化带来了实际利益。定价和充电控制的联合调度将实现充电站和电动汽车司机的双赢局面，从而提高充电站的运营能力。我们认为这一重要问题在本文中，并作出以下贡献。首先，定价和充电控制的联合调度模型的开发，以最大化的期望社会福利的充电站考虑服务质量和价格波动的敏感性的电动汽车司机。它被公式化为一个马尔可夫决策过程与方差准则，以捕捉在操作过程中的不确定性。其次，提出了一种两阶段在线策略学习算法来解决该联合调度问题。在第一阶段，它实现了基于事件的策略迭代，以找到最优的定价方案，而在第二阶段，它实现了基于神经网络的模型预测控制的智能充电下更新的定价方案。第三，利用性能差异理论，从理论上分析了该算法的最优性。对一个分布式发电储能充电站的数值实验表明了该方法的有效性和提高充电站社会福利的效果。
2022-12-07 cs.SY eess.SY
Financial Risk-Based Scheduling of Microgrids Accompanied by Surveying the Influence of the Demand Response Program
提出了一种基于混合整数规划（MIP）的优化方法，在需求响应计划（DRP）存在的情况下，使微电网（MG）的利润最大化，同时使利润风险（RIP）最小化。RIP被定义为从期望利润值中获得更少利润的风险。使用正态分布、Beta分布和Weibull分布函数对与RES和负荷相关的不确定性进行建模。在GAMS和MATLAB中对一年中的5个随机日进行了模拟研究。仿真结果表明，考虑下行风险约束（DRC）和实施DRP后，RIP降低。DRP虽然增加了MG的总利润，但也显著增加了风险。另一方面，考虑DRC大大降低了风险的百分比，利润略有下降。
2021-02-06 cs.SY eess.SY
Feedback Scheduling for Energy-Efficient Real-Time Homogeneous Multiprocessor Systems
Imperial College London（帝国理工学院）
本文提出一种闭环反馈调度框架，通过反馈信息优化多处理器实时调度，减少能耗。采用线性规划解决任务分配问题，McNaughton算法确定任务执行顺序，实验显示能耗降低40%。
2016-06-08 cs.DC cs.OS cs.SY
Strategic Scheduling of Discrete Control Devices in Active Distribution Systems
离散控制设备dcd的频繁致动，例如，有载分接开关，大大缩短了它们的使用寿命。这反过来又增加了巨大的重置成本。同时调度这些\textsc{dcd}和连续控制设备，例如，分布式能源，降低运营成本势在必行。这也增加了\textsc{dcd}的寿命，并有助于避免次优/不可行的解决方案。考虑到离散控制动作（dcas）的高成本，它们可能永远不会在短调度时间内与其他选项相比较。由于sh较长，它们的长期效益证明了dcas的合理性。然而，较短的\textsc{sh}有助于对冲不确定性带来的风险。在这里，系统的未来被建模为一组多时期的场景。操作员利用长sh，但仅应用针对第一时段做出的决策，并等待更新的数据来做出下一个决策。这使得通过在不可避免的时间之前战略性地应用dca来降低成本，同时在不需要时避免它们。所提出的分支和切割为基础的解决方案的方法准确地处理dca，同时应用一些加速算法。在分支过程中，一个全局收敛的信赖域算法解决整数松弛问题。
2020-01-11 cs.SY eess.SY
Risk-Aware Multi-Market Scheduling of Virtual Power Plants with Dynamic Network Tariffs
Institute of Energy and Process Engineering ETH Zurich（苏黎世联邦理工学院能源与过程工程研究所）
本文提出一种两阶段随机优化框架，整合详细设备约束、网络限制和运营市场不确定性，通过动态网络电费显式考虑本地灵活性采购，验证了风险中性和风险厌恶策略在利用套利机会中的效果。
2026-04-29 cs.SY eess.SY
