Deep Reinforcement Learning for Wind and Energy Storage Coordination in Wholesale Energy and Ancillary Service Markets
Monash University（莫纳什大学）
针对风电波动性导致弃风损失、储能调度难平衡弃风消纳与市场收益的问题，提出基于深度强化学习的风电-储能共址系统联合市场竞价方法，收益较基准提升约25%，弃风减少2.3倍。
2023-08-28 cs.LG cs.SY eess.SY
Optimal Hour-Ahead Bidding in the Real-Time Electricity Market with Battery Storage using Approximate Dynamic Programming
人们越来越感兴趣的是使用电网级存储来平滑随着风能和太阳能的使用增加而可能出现的供应变化。能源套利，即购买、储存和出售电力以利用电力现货价格变化的过程，正在成为支付电网级存储昂贵投资的重要方式。独立系统运营商，如NYISO（纽约独立系统运营商），要求电池存储运营商提前一小时投标市场（尽管结算可能以5分钟的增量发生，这被认为是接近“实时”）。运营商必须在不知道电池在一小时开始时的能量水平的情况下进行这些投标，同时考虑到在一小时结束时剩余能量的价值。该问题被表述为一个动态规划。我们描述并采用了收敛的近似动态规划（ADP）算法，利用单调性的价值函数，找到一个产生收入的投标政策，使用最佳基准，我们凭经验证明算法的计算效益。此外，我们提出了ADP算法的一个无分布的变体，它不需要价格过程的分布的任何知识（也不对特定的实时价格模型做任何假设）。我们证明了使用这种无分布方法对NYISO的历史实时价格数据进行训练的政策确实有效。
2015-08-31 math.OC
Attentive Convolutional Deep Reinforcement Learning for Optimizing Solar-Storage Systems in Real-Time Electricity Markets
Monash University（莫纳什大学）
针对实时电力市场下的光储系统优化问题，提出结合注意力机制与多粒度特征卷积的AC-DRL算法，相较基准方法收益提升11%-23%，光伏弃电降低76%，实现光储协同增效。
2024-01-29 cs.LG cs.SY eess.SY
A Market Mechanism for a Two-stage Settlement Electricity Market with Energy Storage
本文针对含储能与需求不确定性的两阶段多时段电力市场，提出两种混合报价策略的市场机制，证明二者均存在唯一竞争均衡，且纳入日前决策的策略更具优势，并用纽约ISO数据给出机制性能边界。
2024-03-07 math.OC
Kriging based Surrogate Modeling for Fractional Order Control of Microgrids
本文研究了分数阶控制器在微电网中的应用，采用克里格代理建模技术优化分数阶PID参数，通过数值模拟验证了方法的有效性，并与传统进化优化技术进行比较。
2014-08-20 cs.SY eess.SY math.OC
Optimal Combination of Frequency Control and Peak Shaving with Battery Storage Systems
通过提供多种服务与电池存储系统来结合收入流，可以提高盈利能力并增强投资案例。在这项工作中，我们提出了一种新的优化和控制框架，使存储系统能够最佳地结合提供主频率控制服务与调峰的消费配置文件。我们采用了一个动态规划框架，将频率控制市场的日常报价与长期调峰目标联系起来：在整个计费周期内降低最大用电高峰。该框架还允许聚合安装在不同站点的多个电池的频率控制容量，从而在不同时间出现消耗曲线峰值时产生协同效应。使用两个电池在两个工业现场的案例研究，我们表明，所提出的方法增加了电池的净利润显着相比，使用的电池，只有调峰或频率控制。
2020-01-13 cs.SY eess.SY math.OC
A novel bidding method for combined heat and power units in district heating systems
提出了一种热电联产机组参与日前电力市场的竞价方法。更具体地说，我们考虑一个区域供热系统，其中热量可以由热电联产单元或仅供热单元产生，例如，煤气或木片锅炉。我们使用一个混合整数线性规划来确定每天生产单元和存储的组合的最佳操作。基于机组子集的最优生产，我们可以推导出竞价价格和热电联产机组提供的电量日前的市场。我们的方法的新颖之处在于，价格是通过迭代地通过热电联产生产替代纯热单元的生产而得出的。这导致具有鲁棒的投标策略的算法，即使投标未被赢得，该算法也不会增加系统成本。我们分析了我们的方法在一个小的现实的测试案例来说明我们的方法，并将其与其他报价策略从文献中，单独考虑热电联产机组。分析表明，考虑区域供热系统中的机组组合，并根据其他机组的热量生产替代来确定投标，会导致更好的结果。
2018-10-25 math.OC
GPU-Accelerated Dynamic Programming for Multistage Stochastic Energy Storage Arbitrage
Institute for Data, Systems, and Society, MIT（麻省理工学院数据、系统与 Society 研究所）；Sloan School of Management, MIT（麻省理工学院斯隆管理学院）
针对多阶段随机电价下储能套利的计算瓶颈，提出基于张量代数的GPU加速动态规划方法，适配非凹收益并生成合规报价曲线，实现大幅提速且保持近最优性。
2025-11-19 cs.SY eess.SY math.OC
Locational Energy Storage Bid Bounds for Facilitating Social Welfare Convergence
Columbia University（哥伦比亚大学）
本文提出基于多期经济调度的报价界限方法，通过整合系统不确定性和风险偏好，有效限制能源存储报价，提升社会福利，实验证明在不同场景下可降低系统成本并增加存储利润。
2025-06-22 econ.TH math.OC
Chance-Constrained Energy Storage Pricing for Social Welfare Maximization
Columbia University（哥伦比亚大学）
本文提出一种新的能源存储定价框架，旨在通过社会福利最大化目标优化经济调度。该框架可帮助电力系统运营商生成存储的默认报价或评估存储参与者的市场力量。通过两阶段可能性约束方法，系统整合了系统平衡约束和不确定性考虑，展示了存储机会成本的凸性及与未来能源和备用价格的线性耦合关系。
2024-07-09 cs.SY eess.SY math.OC
Economic Capacity Withholding Bounds of Competitive Energy Storage Bidders
本文针对电力市场中储能的经济容量 withholding 行为构建理论框架，结合新英格兰系统仿真验证，明确不同价格预测场景下的投标边界，发现考虑系统不确定性时该行为可降低系统成本，为市场政策改革提供依据。
2025-05-16 cs.SY eess.SY math.OC
Increasing the Peneteration of Renewables by Releasing Merchant Energy Storage Flexibility
预计大型储能设施（ESF）将成为未来能源市场的重要组成部分，以增加可再生能源的渗透率。本文提出了一种新的优化算法来参与大规模的商业ESF，以应对可再生能源的波动。ESF是一个投资者拥有和独立经营的，寻求最大限度地提高其总利润，同时对冲系统对净负荷变化。为此，一个精确的计算高效的双层混合整数线性规划（MILP）的设想。ESF运营商试图在上层实现自身利润最大化，而ISO则寻求在下层清除市场。原则上，ESF将能够构建其出价/出价曲线，以从/向不同市场购买/出售。为了保持问题的易处理性，每一个较低的水平是由其KKT最优性条件取代，和非线性转化为线性等价物，使用强对偶理论渲染单级MILP，从而重铸为MPEC。此外，建议的框架是根据信息差距决策论（IGDT）工具来捕捉不确定性对ESF利润的不利影响。
2022-03-01 math.OC
An Open Source Stochastic Unit Commitment Tool using the PyPSA-Framework
本研究基于PyPSA框架开发了含市场竞价、随机优化等模块的开源随机机组组合工具，并以德国带储热和BESS的垃圾电厂为例，在价格与热负荷不确定场景下验证了其UC优化功能。
2024-05-10 math.OC
Surrogate Models in Bidirectional Optimization of Coupled Microgrids
能源转型需要迅速采用可再生能源。除了电网基础设施内的物理变化外，储能设备及其智能操作是应对由此产生的挑战的关键措施，例如，发电量波动很大对于后者，基于优化的控制已经在微电网水平上展示了其潜力。然而，如果考虑耦合微电网的网络，则通常使用包括若干通信回合的迭代优化方案。在这里，我们建议通过使用从径向基函数或神经网络导出的代理模型来取代微电网级别上的优化，以避免这种迭代过程。我们证明了我们的方法的适定性和证明其效率的数值模拟的基础上提供的澳大利亚网格运营商的真实数据。
2019-11-11 math.OC
On long-duration storage, weather uncertainty and limited foresight
本文构建考虑天气不确定性的欧洲含LDES脱碳能源系统随机容量扩张模型，揭示有限预见力下LDES的防御性囤积与概率报价机制及其对容量配置和电价形成的影响。
2025-06-10 econ.GN math.OC q-fin.EC
State constrained stochastic optimal control of a PV system with battery storage via Fokker-Planck and Hamilton-Jacobi-Bellman equations
University of Santiago de Compostela（圣地亚哥德孔波斯特拉大学）；Galician Centre for Mathematical Research and Technology (CITMAga)（加利西亚数学研究与技术中心）
提出一种连续时间随机最优控制框架，通过Fokker-Planck和Hamilton-Jacobi-Bellman方程联合优化光伏电站的实时电池管理和日前市场投标，并引入降维策略实现计算加速。
2026-04-11 math.OC
Beyond Price-Taker: Multiscale Optimization of Wind and Battery Integrated Energy Systems
该研究针对风电与电池集成能源系统，指出传统价格接受者模型会高估收益与净现值，提出多尺度优化方法并验证其准确性，强调突破该假设对储能容量配置和技术经济分析的重要性。
2024-10-09 math.OC
Updating DMD Operators for Changes in Domain Properties
Harold Vance Department of Petroleum Engineering, Texas A&M University（德克萨斯农工大学）；Texas A&M Energy Institute, Texas A&M University（德克萨斯农工大学能源研究所）
本文提出了一种无需重新训练即可更新DMD算子以适应域属性变化的方法，通过调整模型内部动态和空间表示，实现快速且准确的替代模型更新。
2025-11-27 cs.CE math.OC physics.comp-ph
A model aggregation approach for high-dimensional large-scale optimization
National University of Singapore（新加坡国立大学）；Arizona State University（亚利桑那州立大学）
贝叶斯优化在机器学习和仿真优化中有着广泛的应用。随着这些领域计算资源和存储容量的增加，高维和大规模问题变得越来越普遍。在这项研究中，我们提出了一个模型聚合方法在贝叶斯优化（Mambo）算法有效地解决高维大规模优化问题。Mambo使用子采样和子空间嵌入的组合来共同解决高维和大规模问题;此外，还采用模型聚合方法来解决应用嵌入时出现的代理模型不确定性问题。这种代理模型不确定性问题在嵌入文献和实践中很大程度上被忽视，并且当问题是高维的并且数据有限时，它会加剧。我们提出的模型聚合方法降低了这些低维代理模型的风险，提高了BO算法的鲁棒性。我们推导出一个渐近界建议的聚合代理模型，并证明了收敛的Mambo。基准数值实验表明，我们的算法实现了优越的或类似的性能，其他常用的高维BO算法。此外，我们将Mambo应用到用于人脸检测的机器学习算法的级联分类器中，结果表明，Mambo发现设置比基准设置实现更高的分类精度，并且计算速度比其他高维BO算法更快。
2022-06-01 cs.LG math.OC stat.ML
Evaluating the Impact of Multiple DER Aggregators on Wholesale Energy Markets: A Hybrid Mean Field Approach
School of Industrial Engineering, Purdue University（工业工程学院，普渡大学）
本文研究多个DER聚合商参与批发能源市场的多智能体互动问题，提出结合平均场博弈与平均场控制的混合平均场方法，并引入强化学习优化策略，仿真表明该方法能使节点边际价格快速稳定，且储能与平均场学习结合可显著降低价格波动。
2025-07-04 cs.AI cs.LG cs.SY
Decentralized Control via Dynamic Stochastic Prices: The Independent System Operator Problem
智能电网连接风能或太阳能或存储农场，化石燃料厂，工业或商业负载，或负载服务实体，建模为随机动力系统。在每个时间段内，它们消耗或供应电能，总发电量等于消耗量。每个代理人的效用要么是从消费中获得的收益，要么是发电成本的负数。独立的系统运营商必须最大化他们的总和，社会福利，没有代理人透露他们的动态模型或效用。它必须在通过投标与代理商互动后宣布价格。如果代理人观察并知道影响其他代理人的不确定性的法律，那么就有一个迭代的价格和出价的相互作用，导致最大的社会福利，如果代理人汇集他们的信息。在代理是LQG系统的重要情况下，甚至不知道其他代理的存在，投标和价格迭代非常简单，在每个时间步交换未来价格和消费或代的时间向量。不需要国家独立招标。这种分散随机控制问题的解决方案在电力系统中可能具有经济重要性，并且在随机动态代理的经济学一般均衡理论中具有更广泛的兴趣。
2016-06-29 math.OC
Optimal BESS Scheduling for Multi-Market Participation in the Nordics
本文提出基于广义加性模型预测与随机混合整数优化的统一框架，用于北欧多市场下电池储能系统的最优调度，并量化了预测误差对投标和盈利的影响。
2025-06-03 math.OC
