Harnessing Flexible and Reliable Demand Response Under Customer Uncertainties
需求响应（DR）是一种具有成本效益和环境友好的方法，通过利用客户需求的灵活性来减轻可再生能源整合中的不确定性。然而，现有的DR计划遭受低参与由于严格的承诺要求或不可靠的自愿计划。此外，能量存储/储备的容量规划传统上与需求响应程序设计分开进行，这导致效率低下。此外，客户往往面临着很高的不确定性，他们的成本在提供需求响应，这是没有很好的研究文献。本文首先通过一个随机最优化问题对联合容量规划和需求响应程序设计问题进行建模，该问题综合考虑了可再生能源发电、客户电力需求以及客户提供DR的成本等不确定性因素。一个分布式的算法，然后开发实现控制策略，而没有效率损失。我们还通过在承诺水平上允许灵活性，提供更好的政策设计。我们进行基于真实世界轨迹的数值模拟。结果表明，所提出的算法可以实现接近最优的社会成本，并显着的社会成本节省相比，基线方法。
2017-05-09 math.OC
Data-Driven Distributionally Robust Electric Vehicle Balancing for Mobility-on-Demand Systems under Demand and Supply Uncertainties
University of Connecticut（康涅狄格大学）；Rutgers University（罗格斯大学）
随着电动汽车（EV）技术的成熟，EV已被迅速应用于现代交通系统中，并有望提供未来具有经济和社会效益的自主机动性（AMoD）服务。然而，由于其有限且不可预测的续航里程，电动汽车需要频繁充电，并且必须在动态充电过程中对其进行有效管理。这是迫切和具有挑战性的，研究一种计算效率高的算法，提供EV的AMoD系统的性能保证模型的不确定性，而不是使用启发式的需求或充电模型。为了实现这一目标，本文设计了一种数据驱动的分布式鲁棒优化方法，用于车辆供需比和充电站利用率平衡，同时考虑乘客移动性需求的不确定性和电动汽车供应的不确定性，使最坏情况下的预期成本最小化。然后，我们推导出一个等价的计算上易于处理的形式，用于解决分布鲁棒问题的计算效率的方式下的椭球不确定性集构造的数据。基于深圳市电动出租车系统的数据分析表明，与不考虑模型不确定性的均衡方法相比，采用分布鲁棒均衡方法后，平均总均衡费用降低了14.49%，供需比和利用率的平均不公平性分别降低了15.78%和34.51%。
2022-10-19 cs.RO math.OC stat.AP
A Robust Power Grid Defense Model Considering Load Demand and Wind Generation Uncertainties
制定有效的策略来保护电力系统免受蓄意攻击是一项重大任务。必须全面考虑与人类和环境有关的风险和不确定性，这是现有文献所缺乏的。本文考虑了负荷需求的不确定性和风力发电的不确定性，除了相互作用的攻击者/防御者的行为。具体而言，防御者-攻击者-自然-运营商模型，它结合了攻击/防御的相互作用，正确的重新调度的运营商，攻击策略之间的协调和随机性质的负载需求和风力发电。采用列和约束生成（C&CG）算法求解该模型，将模型分解为主问题和子问题。使用MATLAB和CPLEX在修改后的IEEE RTS 79系统上进行仿真。仿真结果验证了该模型的有效性。
2018-02-23 math.OC
Transit Network Design with Two-Level Demand Uncertainties: A Machine Learning and Contextual Stochastic Optimization Framework
H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（工业与系统工程学院，佐治亚理工学院）
本文提出一种结合机器学习和上下文随机优化的框架，用于考虑公共交通网络设计中的两级需求不确定性，通过案例研究验证了其在应对不确定需求方面的有效性。
2026-03-17 cs.LG math.OC
Energy Scheduling for Residential Distributed Energy Resources with Uncertainties Using Model-based Predictive Control
本文提出了一种可靠的能源调度框架的分布式能源（DER）的住宅区，以实现适当的日常用电量与最大的可负担的需求响应。可再生和不可再生能源资源可用于响应客户的需求，使用不同类别的方法来管理能源期间。最优运行问题是一个混合整数线性规划（MILP）研究基于模型的预测控制（MPC），以确定哪个可调度单元应在什么时间和在什么功率水平，同时满足实际约束。可再生能源（RES），特别是太阳能和风能，最近已经扩大了它们在电力电力系统中的作用。虽然它们是环境友好型和可访问的，但在其性能方面存在挑战性问题，例如处理与它们有关的可变性和不确定性。本研究探讨了这些系统的能源管理在三个互补的情况下。第一种和第二种情况分别适用于价格恒定和价格变化的市场。此外，第三种方案提出考虑的作用，可再生能源的不确定性，它的目的是补偿电力短缺使用不可再生资源。在一个住宅小区进行了24小时的测试，结果表明该方法具有降低运行成本的能力。
2020-07-22 cs.SY eess.SY math.OC
Robust Dynamic Edge Service Placement Under Spatio-Temporal Correlated Demand Uncertainty
本文提出一种两阶段多周期鲁棒模型，通过动态服务放置和利用需求时空相关性优化边缘服务放置与工作负载分配，以最小化运营成本并保证服务质量，并设计了基于分解的迭代方法确保有限收敛至最优解。
2024-12-20 cs.SY eess.SY math.OC
Incentivizing Reliable Demand Response with Customers' Uncertainties and Capacity Planning
将可再生能源纳入电网的主要问题之一是它们带来的不确定性和可变性增加。如果这种不确定性得不到充分解决，将限制可再生能源向电网的进一步渗透，甚至导致停电。与能量存储相比，需求响应（DR）具有以具有成本效益和环境友好的方式向负荷服务实体（LSE）提供储备的优势。当电网遇到诸如供需不匹配等意外情况时，DR程序通过改变客户的负载来工作。客户端和LSE端的不一致性使得设计DR算法成为一项重大挑战。本文的主要贡献如下：（i）提出了基于离线解最优结构的DR控制策略。(ii)一个分布式算法的开发，以实现控制策略，没有效率损失。(iii)我们还通过在承诺水平上允许灵活性，提供了一种强化的政策设计。(iv)我们进行了真实世界的跟踪基于数值模拟，表明所提出的算法可以实现接近最优的社会成本。详细信息可以在我们的扩展版本中找到。
2017-05-11 math.OC
Resilient Edge Service Placement under Demand and Node Failure Uncertainties
本文针对资源需求与节点失效不确定性，提出两阶段自适应鲁棒模型优化边缘服务部署与工作负载分配，并开发高效迭代算法与仿射决策规则近似方法求解，帮助服务提供商主动减轻不确定性影响。
2023-06-27 cs.DC math.OC
Feedback strategies in the market with uncertainties
本文研究随机需求下在位企业通过价格反馈策略威慑潜在进入者的问题，并利用路径积分控制推导出最优均衡，揭示了弱在位者的类型揭示与进入者进入时机的策略互动。
2024-10-21 econ.TH math.OC
Multi-objective Optimal Trade-off Between V2G Activities and Battery Degradation in Electric Mobility-as-a-Service Systems
本文针对电动出行即服务系统，建立混合整数线性规划模型，在电池退化成本与 V2G 售电收益之间进行多目标权衡，并通过埃因霍温仿真证明 V2G 不影响出行服务数量，但退化成本可能超过 V2G 收益。
2024-05-03 cs.SY eess.SY math.OC
Space Logistics Modeling and Optimization: Review of State of the Art
本文针对空间机动与物流建模需多飞行器协调、结合轨道力学优化库存等挑战，综述了相关最新研究，按应用问题和物流驱动方法分类，为从业者和研究者指明方向。
2024-09-12 math.OC
A Nested Cross Decomposition Algorithm for Power System Capacity Expansion with Multiscale Uncertainties
现代电力系统已经见证了可再生能源、存储、电动车辆和各种需求响应资源的快速增长。由于新能源的多样性和不确定性，电力基础设施规划面临着更多的挑战。针对电力系统容量扩张问题，提出了一种多阶段多尺度随机混合整数规划（MM-SMIP）模型，既考虑了投资成本和长期需求随机性等粗时间尺度不确定性，又考虑了可再生能源发电量和电力需求不确定性等细时间尺度不确定性.要应用到一个真正的电力系统，所得到的模型将导致非常大规模的混合整数规划问题，这不仅遭受众所周知的灾难的维数，而且在每个阶段的大量的整数变量的计算困难。在解决这些挑战与MM-SMIP模型，我们提出了一个嵌套的交叉分解算法，由两层的分解，即，Dantzig-Wolfe分解和L形分解。该算法具有良好的计算性能下，我们的数值研究，特别是适合并行计算，这也将通过计算结果证明。
2021-08-19 cs.DC math.OC
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
Runway capacity expansion planning for public airports under demand uncertainty
针对需求不确定性下机场跑道容量扩展问题，提出跳跃扩散过程建模需求增长，并构建实物期权模型联合优化容量与投资时机，发现不确定性导致更保守决策，扩展规模与触发需求关系复杂。
2025-02-04 cs.SY eess.SY math.OC
Chance-constrained regulation capacity offering for HVAC systems under non-Gaussian uncertainties with mixture-model-based convexification
供暖、通风和空调（HVAC）系统是提供调节服务的理想需求侧灵活资源。然而，在电力市场中提前找到HVAC系统的最佳小时调节容量是具有挑战性的，因为它们受到来自调节信号的非高斯不确定性的影响。此外，由于HVAC系统需要根据调节信号频繁地调节其功率，因此引入了许多热力学约束，导致巨大的计算负担。本文提出了一个易处理的机会约束模型来解决这些挑战。它首先开发了一个时间压缩的方法，在该方法中，极端的室内温度在运行小时的估计和限制在舒适的范围内，使众多的热力学约束可以压缩成只有几个。然后，提出了一种新的凸化方法来处理非高斯不确定性。该方法利用高斯混合模型将左侧具有非高斯不确定性的机会约束重新表示为确定性非凸形式。我们进一步证明了这些非凸形式可以近似凸二阶锥约束边际最优性损失。因此，该模型可以有效地解决保证最优性。数值实验验证了该方法的优越性。
2022-01-25 cs.SY eess.SY math.OC
Impact of Electric Vehicle Routing with Stochastic Demand on Grid Operation
随着电动汽车（EV）普及率的提高，政府政策的支持和技术价格的下降，电动交通的建模和运营面临着新的挑战。在本文中，我们提出了一个模型来解决EV路由问题，同时考虑到现实生活中的随机需求行为。我们提出了一个数学公式，最大限度地减少旅行时间和能源成本的电动汽车车队。EV由电池能量消耗模型表示。为了使我们的配方适应现实生活中的场景，客户的皮卡和下车建模为随机参数。提出了一种机会约束最优化模型，用于解决上下车的不确定性问题。计算验证模型的基础上提供了代表性的运输方案。结果表明，我们的模型与可验证的解决方案的快速收敛。最后，电动汽车充电的影响是在曼哈顿市中心，纽约通过评估对配电网的影响进行验证。
2021-04-12 cs.SY eess.SY math.OC
Pure Characteristics Demand Models and Distributionally Robust Mathematical Programs with Stochastic Complementarity Constraints
将概率分布不确定性下的纯特征需求模型表示为随机互补约束的分布鲁棒数学规划（DRMP-SCC）。对于任何固定的第一阶段变量和随机实现，DRMP-SCC的第二阶段问题是一个单调线性互补性问题（LCP）。为了处理随机LCP中所涉及的随机变量的概率分布的不确定性，我们使用分布鲁棒方法。此外，我们提出了一个正则化和离散化的近似问题来解决DRMP-SCC，这是一个两阶段的非凸-非凹极大极小最优化问题。证明了当正则化参数趋于零和样本量趋于无穷大时，DRMP-SCC的逼近问题关于最优解集、最优值和稳定点的收敛性.最后，研究纯特征需求模型的分布鲁棒性的初步数值结果，以说明我们的方法的有效性和效率。
2021-02-09 math.OC
Stochastic MPC for energy hubs using data driven demand forecasting
ETH（苏黎世联邦理工学院）；Empa（瑞士联邦材料科学与技术研究所）
针对能源枢纽优化中需求不确定性的挑战，提出结合高斯过程数据驱动需求预测与场景法求解的随机MPC控制器，经仿真与真实建筑数据验证可有效降低能源成本。
2023-07-24 cs.LG cs.SY eess.SY
Resource Distribution Under Spatiotemporal Uncertainty of Disease Spread: Stochastic versus Robust Approaches
我们认为，在疾病传播和资源需求的时空不确定性下，配送中心（DC）的位置和计划分配资源，如测试试剂盒和疫苗的优化问题。我们的目标是平衡运营成本（包括部署设施、运输和存储的成本）和服务质量（由需求覆盖率反映），同时确保资源在多个人群中分配的公平和公正。我们比较了基于样本的随机规划（SP）的方法与分布鲁棒优化（DRO）的方法，使用基于矩的模糊集。我们对在美国分发COVID-19疫苗和测试试剂盒的实例进行了数值研究，以将SP和DRO模型与使用估计需求的确定性公式以及美国目前实施的资源分配计划进行比较。我们展示了不同阶段的流行病的结果，以估计成本和速度的资源分配取决于规模和覆盖范围，并显示“需求驱动”的属性的SP和DRO解决方案。我们的研究结果进一步表明，如果最坏的情况下未满足的需求是优先考虑的，那么DRO方法是首选，尽管其较高的整体成本。尽管如此，SP方法可以在预算限制下提供一个中间计划，而不会在需求覆盖方面做出重大妥协。
2022-07-16 cs.SY eess.SY math.OC
Two-Stage Distributionally Robust Edge Node Placement Under Endogenous Demand Uncertainty
本文针对边缘计算中需求与节点放置决策相互依赖的问题，提出两阶段决策依赖分布鲁棒优化框架，并给出精确求解方法和有效不等式加速策略，实验验证了其优越性。
2024-01-16 cs.NI math.OC
Robust Path Recommendations During Public Transit Disruptions Under Demand Uncertainty
针对公共交通中断时的乘客路径引导需求，本文提出考虑需求不确定性的鲁棒路径推荐模型，通过仿真近似与鲁棒优化求解，在CTA真实场景中有效降低系统及事故线路乘客出行时间，最坏需求场景下提升更明显。
2025-05-17 cs.SY eess.SY math.OC
Dynamic Pricing and Energy Management Strategy for EV Charging Stations under Uncertainties
本文提出了一种电动汽车充电服务提供商的动态定价和能源管理框架。服务提供商在制定充电价格时面临三个不确定性：批发电价的波动性、可再生能源发电的间歇性和电动汽车充电需求的时空性。我们的主要工作目标是帮助充电服务提供商提高总利润，同时提高客户满意度，保持电网稳定性，并考虑到这些不确定性。我们采用线性回归模型来估计每个充电站的电动汽车充电需求，并介绍了客户满意度的定量测量。贪婪算法和动态规划（DP）算法被用来获得最优的充电价格，并确定有多少电力从批发市场购买在每个规划视野。仿真结果表明，DP算法实现了增加利润（高达9%）相比，贪婪算法（基准算法）在某些情况下。此外，我们观察到，将低成本储能集成到系统中不仅可以提高利润，还可以平滑充电价格波动，保护终端客户免受波动的批发市场的影响。
2018-01-09 econ.EM eess.SP math.OC
Analytical solution to an investment problem under uncertainties with shocks
我们得出的最优投资决策的项目中，需求和投资成本是随机过程，最终受到冲击。我们扩展了Dianjiang和Pindyck（1994）第6.5章中使用的方法，以处理两个不确定性源，但假设基本过程不再是几何布朗扩散过程，而是跳跃扩散过程。对于我们在本文中讨论的等弹性函数类，仍然有可能推导出企业价值的封闭表达式。形式上证明了所得到的结果确实是最优化问题的解。
2015-09-15 math.OC q-fin.PM
Stochastic optimal control of a domestic microgrid equipped with solar panel and battery
微电网是收集和操作能源生产单元以满足消费者需求的集成系统。本文详细介绍了国内微电网能量管理系统（EMS）设计的不同数学方法。我们考虑不同的股票耦合在一起-电池，家用热水箱-和分散的能源生产与太阳能电池板。环管系统面临的主要挑战是，在考虑到这种系统固有的不确定性的同时，至少要以成本来确保供应始终与需求相匹配。我们基准两个优化算法来管理EMS，并比较它们与启发式。模型预测控制（MPC）是一种众所周知的算法，它用确定性预测来模拟未来的不确定性。相比之下，随机对偶动态规划（SDDP）将未来的不确定性建模为概率分布来计算最优策略。我们对这两种控制微电网的算法进行了公平的比较。一个全面的数值研究表明，i）优化算法实现显着的收益相比，启发式，ii）SDDP优于MPC几个因子，具有合理的计算开销。
2018-01-19 math.OC
Logistics Hub Capacity Deployment in Hyperconnected Transportation Network Under Uncertainty
针对超连接运输网络中的需求不确定性和地理中断，提出两阶段随机优化模型部署枢纽容量，并通过压力测试和仿真验证，实现交付及时性、高整合度与网络弹性，同时最小化成本。
2024-02-09 math.OC
Demand Response with Communicating Rational Consumers
Georgia Institute of Technology（佐治亚理工学院）；University of Pennsylvania（宾夕法尼亚大学）
本文研究了在实时定价机制下，消费者行为和信息模型对能源系统性能的影响，提出不同行为和信息模型下的理性行为模型，并分析了通信模型对需求不确定性的降低作用。
2016-09-26 cs.GT cs.SY eess.SY
Structural Analysis and Optimal Design of Distributed System Throttlers
Massachusetts Institute of Technology (MIT)（麻省理工学院）；Google Inc.（谷歌公司）
本文研究了分布式系统限流器的性能分析与合成，探讨了在需求不确定情况下限流器性能退化问题，并通过通信链路和服务器更新周期的改进提升噪声环境下限流器性能。
2017-06-29 cs.SY eess.SY math.OC
Adaptive Robust Optimization Models for DER Planning in Distribution Networks under Long- and Short-Term Uncertainties
针对配电网分布式能源资源规划的长短期不确定性问题，提出ARO与ARSO两种自适应优化方法及改进Benders割平面算法，实验证明ARSO的解更接近完全信息下的最优解。
2025-03-22 math.OC
Robust Price Optimization of Multiple Products under Interval Uncertainties
本文研究了需求函数中价格敏感性参数为区间不确定的多产品价格最优化问题。价格最优化问题的目标是使企业的总收益最大化，其中决策变量是企业提供的产品的价格。我们提出了一种方法，产生最优解下的不同变化的估计价格敏感性参数。我们采用了一种鲁棒优化方法，通过建立一个数据驱动的不确定性集的参数，然后构建一个确定性的鲁棒最优化模型。数值结果表明，该方法实现了两个目标：一是反映了参数估计中的不确定性，二是得到了最优价格区间。我们还进行了模拟研究，我们比较了我们的方法的结果。比较结果表明，虽然鲁棒优化被认为是保守的，所提出的方法的结果相比，从模拟显示出很小的损失。
2021-03-18 math.OC
Stochastic Approach for Price Optimization Problems with Decision-dependent Uncertainty
针对需求不确定性依赖于价格的价格优化问题，提出一种通用非凸随机优化方法，通过推导无偏随机梯度估计器并结合投影随机梯度下降寻找稳定点，实验证明其能获得比基线更高的总收入。
2024-01-03 math.OC
An Efficient Method for the Optimal Control of Microgrids Under Uncertainties using Local Reduction
Imperial College London（帝国理工学院）；SLB Cambridge Research（斯伦贝谢剑桥研究中心）
针对微电网中带逻辑约束和不确定性的最优规模与功率调度问题，提出两种形式化方法（混合整数线性规划与连续非线性规划），并扩展局部缩减算法高效求解，平均可行性率超90%。
2026-06-11 math.OC
A Two-Stage Stochastic Model for Road-Rail Intermodal Freight Transportation Under Demand and Capacity Uncertainty
针对固定列车时刻表下公铁联运集装箱运输优化问题，考虑需求与列车临时容量不确定性，构建整合条件风险价值（CVaR）的两阶段随机优化模型，经真实数据验证可降低成本、减少排放并辅助风险权衡决策。
2025-08-21 math.OC
An Integrated Supply Chain Network Design for Advanced Air Mobility Aircraft Manufacturing Using Stochastic Optimization
针对eVTOL制造商缺乏供应链规划无法量产的问题，提出考虑多类不确定性的随机优化集成规划模型，经多场景验证适应性与性能更优，可助力企业实现最优决策与盈利。
2024-06-11 math.OC
An Operational Scheduling Framework for Tanker-based Water Distribution System under Uncertainty
针对水罐车供水调度中的需求与行驶时间不确定性，提出两阶段随机优化模型，结合蒙特卡洛模拟与场景树方法，实现可持续供水运营并验证随机解价值。
2024-08-01 math.OC
Deep Reinforcement Learning for Community Battery Scheduling under Uncertainties of Load, PV Generation, and Energy Prices
Monash University（莫纳什大学）；Monash Energy Institute（莫纳什能源研究所）
本文提出以SAC为核心并结合噪声网络的深度强化学习策略，在PV、负荷和价格不确定下实现社区电池的多重调度目标，实验证明其优于PPO、DDPG及优化基准。
2023-12-04 cs.AI cs.LG math.OC
