Enhancing System Flexibility through Corrective Demand Response in Security-Constrained Unit Commitment
目前，系统运营商通过在日前调度中出于经济原因调度可控负荷来实现需求响应。特别地，需求从电力成本较高的高峰时间转移到非高峰时间，以通过平坦化负载分布来保持系统可靠性。然而，在短期业务中，没有明确考虑到在发生意外后的情况下采取这种行动的系统灵活性和经济效益。因此，本文强调了需求响应的好处，作为一个纠正行动，潜在的突发事件后，提前一天调度。提出了一种安全约束的机组组合（SCUC）模型，该模型考虑了当线路或发电机停运时，通过修正需求响应（CDR）提供的灵活性来维持系统的系统可靠性。该模型在IEEE 24节点系统上进行了测试，仿真结果表明，在日常运营中，总成本节省显着。此外，结果表明，发电机具有更好的长期可靠性，并且能够使用现有系统的灵活性，并在实施CDR时满足基本情况下更高的关键需求。
2020-06-20 cs.SY eess.SY math.OC
An Overview of Application of Optimization Models Under Uncertainty to the Unit Commitment Problem
最优化模型已被广泛用于能源工业，作为有用的决策系统调度和调度电力能源资源，这是应用在一个系统称为机组组合（UC）。机组组合是在满足输电模型和计算资源的运行约束条件下，为满足一定需求的电力能源设备寻求最大价格的发电机组合方案。考虑到这些过程中的风险可变性，并检查它们的比较整体性能为一个单一的或多阶段的能源模型作为货币性能的函数，除了与承诺的决定有关的风险。随机规划和鲁棒优化是在净负荷不确定性下最广泛研究的UC方法。这些技术将在本文中讨论。
2022-03-31 math.OC
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
Impacts and Benefits of UPFC to Wind Power Integration in Unit Commitment
统一潮流控制器（UPFC）被公认为是电力系统运行中最强大的灵活交流输电系统（FACTS）装置。本文讨论了统一潮流控制器如何探索传输的灵活性，并促进不确定性和波动性的风力发电集成。为此，提出了一种考虑统一潮流控制器和不确定风力发电的综合机组组合模型。在此基础上，提出了统一潮流控制器对电力系统运行可靠性、安全性和经济性影响的评价指标。此外，不同的调度策略的UPFC进行了比较，提供了有益的指导，充分利用UPFC对冲不确定性。此外，对于具有挑战性的混合整数非线性非凸问题，提出了近似模型，为有效地解决这些问题提供了一个起点。所有这些模型都很容易适应其他类型的FACTS设备。提供了说明性的数值结果。
2017-09-29 math.OC
Fairness in Robust Unit Commitment Problem Considering Suppression of Renewable Energy
Toshiba Energy Systems & Solutions Corporation（东芝能源系统与解决方案公司）
本文提出了一种考虑可再生能源抑制的鲁棒单元调度问题中的公平性模型，通过基尼指数衡量公平性并验证其有效性。
2026-03-10 cs.SY eess.SY math.OC
An Accelerated-Decomposition Approach for Security-Constrained Unit Commitment with Corrective Network Reconfiguration
将安全约束机组组合模型用于电力系统日前调度。然而，目前的SCUC模型使用静态网络来提供电力并最佳地满足需求。动态网络可以提供较低的最优成本并缓解网络拥塞。然而，由于计算复杂性和缺乏有效的算法，网络重构尚未被纳入SCUC模型。针对安全约束机组组合（SCUC）中的校正网络重构（CNR）问题，提出了一种新的处理SCUC中计算复杂性的方法，并通过快速筛选SCUC-CNR非关键子问题的加速分解方法，兼顾SCUC的可扩展性。所提出的方法提供了大量的计算效益，也适用于SCUC。IEEE 24节点系统的仿真结果表明，所提出的方法是在不损失的解决方案的质量，而可扩展性的好处，证明使用较大的情况下，IEEE 73节点系统，IEEE 118节点系统和波兰系统的速度大大加快。
2021-12-14 math.OC
Adaptive Pricing in Unit Commitment Under Load and Capacity Uncertainty
针对电力市场日前价格不确定性及现有定价方法依赖提升支付且不适应不确定性的问题，提出首个适应负荷与容量不确定性的自适应定价方法，消除市场后提升支付并遏制自行调度。
2023-09-15 math.OC
Stochastic Unit Commitment in Low-Inertia Grids
本文研究了具有低转动惯量的电力网络中的机组组合问题。与频率相关的约束，即频率变化率（RoCoF），频率最低点和稳态频率误差的限制，来自一个统一的系统频率响应模型，并包括到一个随机UC帐户的风力发电和设备的意外不确定性，使用二叉树的方法。与线性RoCoF和稳态频率误差约束相比，最低点约束是高度非线性的。为了保持混合整数线性制定的随机UC模型，我们提出了一种计算效率高的方法，允许重铸的最低点约束，通过引入适当的界限上的相关决策变量的UC模型。对于中等规模的网络，这种方法被证明是计算更有效的分段线性化方法改编自文献。改进的IEEE RTS-96系统的仿真结果表明，包括惯性相关的约束显着影响UC的决定，并增加了总成本，因为更多的同步机被迫在线提供惯性响应。
2019-04-05 math.OC
Network-Constrained Robust Unit Commitment for Hybrid AC/DC Transmission Grids
在需求不确定和可再生能源（RESs）输出功率波动的情况下，考虑输电约束和电压安全限制的日前能量和备用管理是大规模电力系统面临的一项挑战性任务。在这项工作中提出的制定支持联合调度的能源和储备，以促进经济和可靠的操作。为了提高其可扩展性，提出了一种基于Bender分解框架的两阶段迭代优化算法。因此，最优调度计算的AC网络约束（AC-NC）在预定的不确定实现的可行性。一个凸松弛应用到AC-NC支持算法的收敛性。此外，RES的集成通常受到现有电网中的传输拥塞问题的限制。对于此类电网，AC到DC转换方案对于容量扩展来说可能是可行且有吸引力的选择。在这项研究中，我们采用了一种混合AC/DC输电网（HTG）的架构，具有特定的拓扑结构，以提高电网容量的有效利用率，并容纳更多的需求和RESs，这是通过在大规模网络上的模拟展示。此外，HTG诱导AC-NC的凸松弛的精确性，支持最优调度的有效性。
2018-11-21 math.OC
Closed-Loop Hierarchical Operation for Optimal Unit Commitment and Dispatch in Microgrids: A Hybrid System Approach
为了促进智能电网，机组的承诺和调度（UCD）是一个非常重要的问题，在未来的微电网环境中重新审视。在考虑需求响应（DR）和碳排放交易（CET）的情况下，研究了传统火电机组和分布式发电机组的UCD问题。然后，UCD问题转化为混合系统的最优切换问题。该方法可以方便地处理动态规划（DP）的启动费用随时间变化的问题。之后，闭环分层操作（CLHO）算法是能够产生的闭环行为的最优调度。理论分析也表明等价的重新制定和CLHO算法的有效性。最后，通过仿真研究进一步验证了该算法的闭环性能和有效性。低排放配额和高排放权交易价格有助于减少碳排放总量。
2018-12-24 math.OC
Unit commitment constrained Nash equilibrium in power markets
University of Copenhagen（哥本哈根大学）；University College Dublin（都柏林大学学院）；University of Edinburgh（爱丁堡大学）
本文针对电力市场中的机组组合约束纳什均衡问题，提出混合整数凸规划的最优性条件与互补问题求解方法，并证明古诺-纳什均衡的存在性，案例显示忽略机组组合会带来显著福利损失。
2026-09-25 math.OC
A Quantum Computing Approach for the Unit Commitment Problem
针对能源生产规划中的机组组合问题（UCP），提出将带最小运行和空闲时间约束的UCP建模为二次无约束优化问题以用量子计算硬件求解的方法，初步实验验证了该方法在量子比特用量、连通性和解质量上的优势。
2022-12-13 math.OC quant-ph
Primal heuristics for Dantzig-Wolfe decomposition for unit commitment
机组组合问题是能源工业中的一个短期规划问题。Dantzig-Wolfe分解是解决这一问题的常用方法。本文重点研究了原始统计学与Dantzig-Wolfe分解的结合。我们提出了两个原始算法：一个基于分解，一个基于机器学习。第一种方法使用限制主问题的分数阶解来确定整数变量的子集。在列生成过程的每次迭代中，原始启发式算法获得分数解，检查每个二进制变量是否满足完整性约束，并修复那些满足完整性约束的变量。然后，求解器快速优化剩余的变量，以找到原始实例的可行的、接近最优解的解。另一种基于机器学习的原始启发式算法，当问题需要用不同的需求数据重复求解时，具有相同的问题结构。原始启发式使用预先训练的神经网络来固定整数变量的子集。在训练阶段，神经网络被训练为预测任何需求数据和每个二进制变量，该变量取两个可能值中的每一个的可能性。在训练之后，给定一个待求解的实例，使用模型的预测，并使用舍入阈值来固定一些二进制变量。我们的数值实验比较我们的方法与解决未分解的问题，也与其他原始算法的文献。实验结果表明，基于机器学习的原始启发式算法在次优容差较大时（如0.5%或0.25%）具有较好的性能，而分解算法在容差较小时（如0.1%）性能最佳。
2022-02-28 math.OC
Unit Commitment With Gas Network Awareness
最近发电燃料组合的变化，特别是天然气发电厂（GFPP）的增加，在电力和天然气输送系统之间产生了显著的相互依赖性。然而，尽管这些网络在物理和经济上相互关联，但它们仍然是独立运作的，市场机制并不同步。这种运行模式可能会在拥挤的环境中导致重大的经济和可靠性风险，正如美国东北部经历的2014年极涡事件所揭示的那样。为了降低这些风险，同时保持目前的市场结构，本文探讨了将天然气网络意识引入标准机组组合模型的想法。在假设电力系统运营商对天然气需求预测和天然气网络有一定（或全部）了解的情况下，提出了一种三层数学规划，其中天然气分区价格由天然气流量守恒约束的对偶解给出，承诺决策受投标有效性约束，以确保承诺的GFPs的经济可行性。这个三层程序可以被重新表述为一个单层混合二阶锥程序，然后可以使用专用的Benders分解来求解。该方法在美国东北部的案例研究中得到了验证[1]，该案例研究可以重现2014年初冬期间经历的天然气和电力价格飙升。案例研究的结果表明，在机组组合中的天然气意识有助于避免电价高峰，同时保持天然气价格在合理的水平。
2019-02-08 math.OC
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
Data-Driven Screening of Network Constraints for Unit Commitment
输电约束机组组合（TC-UC）问题是电力系统日常运行中最重要的问题之一。由于其计算复杂性，该问题通常不能解决的全局最优的实际规模的电力系统。在本文中，我们提出了一个数据驱动的方法，利用历史信息筛选出的网络约束的TC-UC问题。首先，使用整个网络的需求和可再生能源发电的过去数据来学习输电线路的拥塞状态。然后，我们推断出的线路，将不会成为拥挤的即将到来的操作条件的基础上，这样的学习和忽视他们的容量限制。通过这种方式，我们制定了一个简化的TC-UC问题，更容易解决。一个中型和大型电力系统的数值结果表明，所提出的方法优于现有的显着减少计算时间，同时获得的解决方案是相同的或接近的一个与原来的TC-UC问题。此外，我们提出的纯数据驱动方法可以与约束生成过程无缝补充，以保证最终恢复原始TC-UC问题的最优解。
2020-01-24 math.OC
Optimization models and algorithms for the Unit Commitment problem
Carnegie Mellon University（卡内基梅隆大学）；King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；Hitachi Energy Research（日立能源研究）
研究机组组合问题，提出利用分解方法结合EGRET库替代模型的解决方案，经针对四个基准系统测试，实现显著计算加速，为解决该问题提供了有效途径。
2026-07-23 cs.SY eess.SY math.OC
Commitment and Dispatch of Heat and Power Units via Affinely Adjustable Robust Optimization
热电系统的联合管理被认为是将可再生能源纳入区域供热广泛渗透的能源系统的关键。确定这些系统的日前机组投入和生产计划是一个最优化问题，它受到来自热和电的需求和价格的不可预测性的不确定性的影响。此外，由于生产和热存储单元的动态特征以及优化范围的长度和粒度（例如，一整天，每小时解决），这个问题本质上是一个多阶段的问题。我们提出了一种基于鲁棒优化的配方，其中追索权的决定近似为线性或分段线性函数的不确定参数。这种方法允许在多阶段决策中的不确定性的严格建模，而不损害计算的易处理性。我们进行了广泛的数值研究的基础上，从丹麦哥本哈根地区的数据，突出了所提出的模型的重要功能。首先，我们说明承诺和派遣的选择，增加稳健优化方法的保守性。其次，我们评估的增益从线性切换到分段线性决策规则的鲁棒优化。此外，我们给出了方向选择的参数定义的不确定性集（大小，预算），并评估平均利润和保守性的解决方案之间的权衡。最后，我们与基于确定性优化和随机规划的竞争模型进行了全面的比较。
2015-07-21 math.OC
Robust Unit Commitment Considering Strategic Wind Generation Curtailment
传统上，风力发电被视为不可调度的资源，除非存在安全问题，否则会被完全吸收。为了解决风力发电的波动性和不可调度性所引起的运行可靠性问题，已经提出了许多调度框架，包括考虑风变化的鲁棒机组组合（RUC）。这些调度框架中普遍存在的缺点之一是对灵活性资源和相关成本的需求增加。为提高风电场的可调度性，降低柔性资源成本，提出了一种考虑风电场战略弃风的RUC模型。战略WGC可以减少风力的不确定性和可变性，并增加风力发电能力的可见性。因此，对风力发电的斜升要求将降低，并且风力发电的斜升能力可以增加，从而在保证电力系统的运行可靠性要求的情况下降低日前的运行成本。经济效益还包括风电场通过提供斜升容量和其他辅助服务而获得的利润。提出了一种基于列和约束生成的求解算法（C&CG）. IEEE 39节点系统和两个更大的测试系统的仿真表明，所提出的RUC模型的有效性和所提出的计算方法的效率。
2015-11-12 math.OC
Initialization-free distributed coordination for economic dispatch under varying loads and generator commitment
研究了在强连通、权平衡有向图上通信的发电机组网络的经济调度问题。集体目标是满足电力需求，同时尊重个体发电机约束和最小化总发电成本。我们设计了一个由两个相互关联的动力系统组成的分布式协调算法。一个块使用动态平均共识来估计给定单元的发电水平的负载满意度的演变失配。另一个块基于优化目标和负载失配的估计来调整发电水平。我们的收敛性分析表明，由此产生的策略可证明收敛到从任何初始功率分配开始的调度问题的解决方案，因此不需要任何特定的初始化程序。我们还描述了算法的鲁棒性属性对添加和删除的单位（捕获的情况下，间歇性发电）和其跟踪随时间变化的负载的能力。我们的技术方法采用了一种新的细化拉萨尔不变原理的微分包含，我们也建立和独立的利益。几个模拟说明了我们的结果。
2014-09-15 math.OC
Contingency-Constrained Unit Commitment with Post-Contingency Corrective Recourse
我们认为，在发电机组组合问题，在电力系统运行的基石，同时执行N-K-E可靠性标准的成本最小化的问题。该可靠性标准是公知的$N$标准的推广，并且规定在$k$或更少的系统部件失效之后，必须满足总系统需求的至少$(1-e_ j)$部分。我们把这个问题称为权变约束机组组合问题，或CCUC。我们提出了一个混合整数规划制定的CCUC，占传输和发电元件故障。我们提出了新的切割平面算法，避免了需要明确考虑指数数量的突发事件。几个IEEE测试系统和美国西部互连网络的简化模型，这表明我们所提出的方法相对于当前最先进的有效性进行计算研究。
2014-04-10 cs.GT math.OC
Integrating Aggregated Electric Vehicle Flexibilities in Unit Commitment Models using Submodular Optimization
EDF Lab Paris-Saclay（法国电力集团巴黎萨克雷实验室）；Univ. Grenoble Alpes, Inria, CNRS, Grenoble INP, LIG（格勒诺布尔阿尔卑斯大学、法国国家信息与自动化研究所、法国国家科学研究中心、格勒诺布尔理工学院、信息学实验室）；Inria, and CMAP, École polytechnique, IP Paris, CNRS（法国国家信息与自动化研究所、巴黎综合理工学院数学与应用中心、巴黎文理研究大学、法国国家科学研究中心）
本研究提出结合割平面法与次模优化的精确算法，将聚合电动汽车灵活性整合到机组组合模型，可线性时间内精确求解机组组合问题，并通过欧洲电网与法国电动汽车用户行为数据的真实实例验证方法有效性。
2026-08-05 math.OC
Predict-and-Optimize Robust Unit Commitment with Statistical Guarantees via Weight Combination
针对机组组合中预测与优化目标割裂的问题，提出带统计保证的一体化鲁棒框架，通过权重组合多源预测、反馈优化权重、神经网络代理加速及不确定性集合重塑来降低保守性。
2025-09-29 math.OC
Security Constrained Unit Commitment with Corrective Transmission Switching
传统上，电力系统运行使用静态网络来输送电力并最佳地满足需求。通过输电切换（TS）进行网络拓扑重构以降低电力系统的运行成本，近年来引起了广泛的关注。然而，TS的实施也会导致网络中的大干扰，因此，使用校正传输切换（CTS）来响应电力系统突发事件目前正在被广泛研究。在N-1安全约束机组组合（SCUC）模型中，强调CTS对实现灵活输电的重要性。提出了一个N-1 SCUC数学模型，实现了一个动态的网络在事故后的情况下，而不是目前的行业实践中的静态网络在短期内的操作。该模型在IEEE 24节点系统上进行了测试和验证。所提出的模型的结果，在成本效益的实施，并导致整体成本降低，并减少拥塞后的应急方案。
2020-01-02 eess.SP 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
A New Hybrid Quantum-Classical Algorithm for Solving the Unit Commitment Problem
针对电力系统机组组合问题，提出一种结合变分量子算法与经典Bender启发式方法的量子-经典混合三阶段算法，通过生成候选向量并利用SLSQP求解最优功率，在多规模系统测试及IonQ的Forte系统上验证了其有效性与收敛性。
2025-04-30 math.OC quant-ph
Tight Data-Driven Linear Relaxations for Constraint Screening in Robust Unit Commitment
现实世界的电力系统及其基础市场的日常运作依赖于机组组合问题的及时解决。然而，鉴于其计算复杂性，已经提出了几种基于优化的方法，以减轻其问题制定，通过删除冗余的线路流量约束。这些方法往往忽略了可再生能源发电和需求的空间耦合，这对市场结果有着内在的影响。此外，消除过程主要集中在可行域，并排除了问题的目标函数如何在这里发挥作用。为了解决这些缺陷，我们采取行动，以排除冗余和无效的约束，通过增加有效的不等式约束，原来的机组承诺可行性区域的紧线性规划放松。我们扩展了基于优化的方法称为伞约束发现通过执行的一致性逻辑的约束集，通过添加建议的不等式约束的制定。因此，我们减少了保守性的筛选方法，使用现有的历史数据，从而导致更严格的单位承诺制定。在标准IEEE测试网络上进行了数值测试，以证实所提出的方法的有效性。
2023-03-23 cs.SY eess.SY math.OC
Uncertainty Marginal Price, Transmission Reserve, and Day-ahead Market Clearing with Robust Unit Commitment
Galvin Center for Electricity Innovation at Illinois Institute of Technology（伊利诺伊理工学院加尔文电力创新中心）
本文提出不确定性边际电价（UMP）用于定价不确定性和备用容量，结合鲁棒机组启停机制，解决可再生能源渗透带来的不确定性问题，通过仿真验证新概念和清算机制的有效性。
2016-08-02 cs.SY eess.SY math.OC
Machine Learning Assisted Approach for Security-Constrained Unit Commitment
University of Houston（休斯顿大学）
针对电力系统日前发电计划中的安全约束机组组合问题，提出了一种求解该问题的大规模混合整数线性规划方法。SCUC的模型缩减可以带来显著的时间节省。在这项工作中，提出了一种新的方法，有效地利用机器学习（ML），以减少SCUC的问题大小。提出了一种使用逻辑回归（LR）算法的ML模型，并用历史节点需求曲线和相应的承诺时间表进行训练。对ML输出进行处理和分析，以减少SCUC中的变量和约束。在IEEE 24节点系统、IEEE 73节点系统、IEEE 118节点系统、合成South Carolina 500节点系统和波兰2383节点系统等标准测试系统上对该方法进行了验证。仿真结果表明，在SCUC模型约简中使用所提出的LR模型的预测可以在保持解的质量的同时大大减少计算时间。
2022-07-13 cs.LG cs.SY eess.SY
A Hybrid Decomposition Approach for Stochastic Unit Commitment with Combined-Cycle Generators
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Georgia Institute of Technology（佐治亚理工学院）
本文提出一种混合Benders和Dantzig-Wolfe分解算法，用于解决包含联合循环发电机的随机单元调度问题，通过分离线性约束和整数约束提升求解效率。
2026-09-03 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 Mixed-Integer SDP Solution Approach to Distributionally Robust Unit Commitment with Second Order Moment Constraints
研究了一种考虑可再生能源不确定性的电力系统机组组合问题。我们假设随机参数的一阶矩和二阶矩可以从历史数据中推断出来，然后用来模拟概率分布的集合。由此产生的问题是一个两阶段的分布式鲁棒机组组合与二阶矩约束，我们表明，它可以被改写为一个混合整数半定规划（MI-SDP）有限约束。该问题的求解算法包括求解一系列松弛的MI-SDP和一个可行性检查和顶点生成子程序。在证明半定规划（SDP）问题具有强对偶性的基础上，提出了求解MI-SDP问题的割平面算法，并引入了SDP松弛算法来求解这类难处理的双凸优化问题.在IEEE 6节点系统上的实验结果表明，在不进行任何参数调整的情况下，分布式鲁棒UC方法的实时运行代价优于确定性UC方法和两阶段鲁棒UC方法，且具有更高的调度可靠性。
2019-10-27 cs.SY eess.SY 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
Stochastic optimization for unit commitment applied to the security of supply: extended version
针对供应安全中备用裕度不足时的调节决策问题，提出含成本项的概率机组组合随机优化策略，并以两阶段随机MPC近似，在法国真实电力案例中验证。
2024-05-13 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
New efficient ADMM algorithm for the Unit Commitment Problem
针对非凸的机组组合问题，提出一种新高效ADMM算法，通过迭代增加惩罚系数处理非凸性并强制收敛，在基准实例上能产生高质量解且计算时间随时间范围线性增长，在特定成本条件下优于MILP方法。
2023-11-22 math.OC
Data-Driven Distributionally Robust Electric Vehicle Balancing for Autonomous Mobility-on-Demand Systems under Demand and Supply Uncertainties
University of Connecticut（康涅狄格大学）；University of Illinois, Chicago（伊利诺伊大学芝加哥分校）；Florida State University（佛罗里达州立大学）；Rutgers University（罗格斯大学）；University of Virginia（弗吉尼亚大学）
电动汽车（EV）由于其经济和社会效益而迅速被采用。自主移动按需（AMoD）系统也顺应了这一趋势。然而，EV的长充电时间和高充电频率对有效管理EV AMoD系统提出了挑战。电动汽车主动式驱动系统复杂的动态充电和移动过程，使得在设计车辆平衡算法时，需求和供应的不确定性很大。在这项工作中，我们设计了一个数据驱动的分布式鲁棒优化（DRO）方法来平衡电动汽车的移动服务和充电过程。优化目标是在乘客出行需求不确定和电动汽车供应不确定的情况下最小化最坏情况下的期望成本。然后，我们提出了一种新的分布式不确定性集的构造算法，保证所产生的参数包含在所需的置信区域与给定的概率。为了解决所提出的DRO AMoD EV平衡问题，我们推导出一个等价的计算上易处理的凸优化问题。基于出租车系统的真实电动汽车数据，我们表明，与不考虑不确定性的解决方案相比，我们的解决方案的平均总平衡成本降低了14.49%，平均移动公平性和收费公平性分别提高了15.78%和34.51%。
2022-11-24 cs.RO cs.SY eess.SY
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
Cost Attribution And Risk-Averse Unit Commitment In Power Grids Using Integrated Gradient
本文提出基于 Integrated Gradients 的成本归因算法，量化负荷与可再生能源预测偏差对系统成本的影响，并构建风险规避机组组合框架，在 RTS-GMLC 上验证可提升可靠性并降低成本。
2024-08-09 cs.NA math.NA 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
Efficient Unit Commitment Constraint Screening under Uncertainty
针对不确定性下机组组合优化中传统约束筛选不可靠且低效的问题，提出兼容机会约束与鲁棒形式、基于多参数规划和多区域策略的筛选方法，显著缩减模型规模并将单约束筛选加速71.2至131.3倍。
2024-08-09 cs.SY eess.SY 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
Stochastic Economic Dispatch Considering Demand Response and Endogenous Uncertainty
本文针对需求响应承诺带来的内生不确定性，建立SED-DR-EnU优化模型，并提出耦合学习驱动的优化算法，在IEEE 14节点和39节点系统上验证了考虑内生不确定性的重要性。
2023-05-31 math.OC stat.ME
Resource constrained shortest path algorithm for EDF short-term thermal production planning problem
电力网络中的机组组合问题是指在满足需求约束的前提下，企业如何选择生产计划的问题。它通常使用分解方法来解决，其中需求约束被放松，导致每个单元的一个定价子问题。在本文中，我们专注于在法国电力公司，一个主要的法国电力生产商的热单位的定价子问题。我们的目标是确定一个最佳的两天生产计划，使总成本最小化，同时尊重几个非线性操作约束。定价问题一般用动态规划来解决。然而，由于维数灾难，动态规划达到其极限时，额外的约束必须强制执行。我们将子问题建模为资源约束最短路径（RCSP）问题。利用第二作者最近介绍的RCSP算法，我们获得了数量级的速度相对于传统的RCSP算法。
2018-09-03 math.OC
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
Robust Integration of High-level Dispatchable Renewables in Power System Operation
可再生能源（RES）的日益普及需要更多的灵活性资源（FR），通常是热单位和存储，必须保持在系统中，以适应来自RES的不确定性。在本文中，RESS被认为是完全角色的市场参与者。他们可以在日前的市场中出价，并且他们向市场提供的电力是可控的，直到他们的最大可用电力。因此，RES是有效地可调度的，并且可以用作FR提供者。针对可调度的可再生能源，建立了两阶段鲁棒机组组合与调度模型。在第一阶段中，确定基本UC和调度。在第二阶段中，所有的FR包括RESS用于容纳不确定性，这是一个混合整数规划（MIP）问题。证明了对于内部极小化问题，无论强对偶是否成立，都可以直接判定极大极小问题的解。通过仅包括一个额外的场景来保证解决方案的鲁棒性。数值结果表明，该模型的有效性和传统的鲁棒UC模型与高水平RES渗透的优势。
2015-12-29 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
Forecast-Residual-Based Chance-Constrained Scheduling of Local Energy Communities under PV and Demand Uncertainty
University of Santiago of Chile（智利圣地亚哥大学）
提出基于预测残差的机会约束调度框架，联合优化光伏与储能运行，并通过事后分配最大化内部匹配，在近5%预测误差下性能接近随机规划且计算高效。
2026-10-02 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
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
Framework for Modeling and Optimization of On-Orbit Servicing Operations under Demand Uncertainties
本文针对需求不确定性下的在轨服务作业，提出结合扩展的空间物流技术与滚动时域决策方法的建模优化框架，通过混合整数线性规划高效求解，并经案例验证其在短期调度和长期战略决策中的有效性。
2025-08-19 cs.SY eess.SY 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
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
