Efficient Algorithm for Scalable Event-based Demand Response Management in Microgrids
需求响应管理已成为智能电网的关键使能技术之一。在服务运营商提供的需求响应激励措施不断增加的推动下,越来越多的客户订阅了各种需求响应计划。然而,随着越来越多的客户参与,确定在可行的时间范围内的突发事件期间在微电网中被削减的最佳负载的问题在计算上变得困难。针对微电网中基于事件的需求响应管理问题,提出了一种有效的近似算法。在基于事件的管理中,重要的是尽可能快地削减负荷,以可扩展的方式在孤岛模式期间保持微电网的稳定性。一个简单的贪婪的方法,可以快速确定一个接近最优的负荷削减计划,以最大限度地提高总客户效用在毫秒为大量的客户。本文进一步推导出一种新的理论保证之间的差距,提出了有效的算法和最优解(这可能是计算上难以获得)。算法的性能得到了广泛的证实,模拟多达数千名客户。为了实用性,建议的基于事件的需求响应管理算法应用于从加拿大基准配电系统馈线。仿真结果表明,所提出的方法有效地优化了孤岛模式下微电网的运行,同时保持了适当的电压水平和网络约束。
2016-10-10 cs.DS math.OC
Inventory Management Under Stochastic Demand: A Simulation-Optimization Approach
本研究提出利用蒙特卡洛仿真结合网格搜索和贝叶斯优化来解决随机需求下的库存管理问题,对比分析表明连续审查策略能显著提升预期利润,且开源框架促进了相关研究的复用与发展。
2024-06-27 math.OC
A Rolling Horizon Approach for a Bilevel Stochastic Pricing Problem for Demand-Side Management
为了保证配电网络的良好运作,必须不断确保供需平衡。要做到这一点,人们可以控制生产资料,但也影响需求:需求侧管理变得越来越流行,因为需求不断增加,变得越来越混乱。在这项工作中,我们提出了一个双层模型,涉及能源供应商和智能电网运营商(SGO):供应商诱导转移的SGO控制的负荷提供时间依赖性的价格。我们假设SGO与消费者签订了合同,并决定了他们的消费时间表,保证由负荷转移引起的不便不会超过相关的经济利益。此外,我们假设SGO管理的可再生能源(RE)的来源,这导致我们考虑一个随机的双层模型,因为产生的RE是自然高度不可预测的。为了解决问题规模大的问题,我们设计了一个滚动时域算法,可以应用在一个真正的上下文中。
2021-02-26 math.OC
A game-theoretic approach to dynamic demand response management
在\emph{smart buildings}和\emph{smart cities}的动态范围内,动态响应管理正在发挥越来越重要的作用,从而吸引了来自不同学科的科学家的注意。动态需求响应管理涉及一系列旨在分散大型复杂电网中的负荷控制的操作。每个单独的设备如果充分响应和重新调整其能源需求的整体网络负载。一个主要的问题是由于供求之间的不平衡造成的电源频率振荡。简而言之,本文通过为每个信号消费者提供战略洞察力来促进这一主题。特别是,我们强调三个主要贡献和其他一些小的贡献。首先,我们设计了一个平均场博弈模型,研究了确定性平均场博弈模型的平均场均衡和微观动力学的渐近稳定性。其次,我们扩展的分析和设计不完善的模型,涉及随机或确定性的干扰。这导致强大的平均场均衡策略,保证随机和最坏情况下的稳定性,分别。小的贡献涉及使用随机控制策略,而不是确定性的,和一些数值研究说明所提出的策略的有效性。
2014-10-24 math.OC
Multiple Independent DE Optimizations to Tackle Uncertainty and Variability in Demand in Inventory Management
Alliance University(联盟大学);Business School(商学院);School of Applied mathematics(应用数学学院)
针对随机需求下的库存成本优化问题,论文结合连续盘点、MCS与LHS调参,比较多种元启发式算法,并提出融合多次独立DE优化结果的方法。
2023-10-09 cs.LG cs.NE math.OC
Optimal Demand Response with Energy Storage Management
在本文中,我们考虑的问题,最优的需求响应和能量存储管理的电力消费实体。该实体的目标是找到一种最优控制策略,用于决定消耗多少负载、从电网购买/向电网出售多少电力以及如何使用有限容量能量存储设备和可再生能源,以最小化其平均成本,即由于甩负荷和购买电力的成本而产生的负效用。由于有限尺寸能量存储的耦合效应,这样的问题是具有挑战性的,并且通常使用动态规划来解决,动态规划通常在计算中是复杂的并且需要系统动态的大量统计信息。相反,我们开发了一种低复杂度的算法,称为具有能量存储管理的需求响应(DR-ESM)。DR-ESM不需要任何系统动态的统计知识,包括可再生能源和电力价格。它只要求实体每次求解一个6个变量、6个线性约束的小凸优化规划进行决策。我们证明了DR-ESM能够实现接近最佳的性能,并明确计算所需的能量存储大小。
2012-05-19 math.OC
Optimization-Guided Exploration of Advanced Air Mobility Congestion Management Strategies with Stochastic Demands
University of Michigan(密歇根大学);The MITRE Corporation(MITRE公司)
本文针对先进空中交通拥塞管理,提出一种双层优化方法,结合神经网络代理模型求解随机时变需求及突现需求下的拥塞管理策略,并验证其可显著降低拥塞。
2025-09-23 math.OC
Robust Worst-Case Analysis of Demand-Side Management in Smart Grids
Universidad Politécnica de Madrid(马德里理工大学)
本文提出考虑需求变化不确定性的模型,通过鲁棒定价减少用户费用并为能源供应商提供可靠成本估计。
2016-05-05 cs.SY eess.SY math.OC
Revenue Management with Calendar-Aware and Dependent Demands: Asymptotically Tight Fluid Approximations
本文研究具有日历阶段划分及跨阶段依赖、任意分布需求的收益管理,提出以紧邻前期需求为条件的正确流体近似,并证明其策略渐近最优且实践效果显著。
2024-09-06 math.OC
Analysis and Implementation of a Hourly Billing Mechanism for Demand Response Management
关于住宅需求响应的智能电网文献的一个重要部分涉及博弈论消费模型。在这些论文中,小时计费模式作为一种直观和公平的机制特别令人感兴趣。我们专注于这个模型,并回答几个理论和实践问题。首先,我们证明了唯一的消费配置文件对应的纳什均衡,我们分析了其效率,通过提供一个界限的价格无政府状态。接下来,我们通过提供两种算法:循环最佳响应动力学和投影梯度下降法,并通过给出其收敛速度的上界的平衡配置文件的计算问题。最后,我们模拟这个需求响应框架在随机环境中的参数依赖于预测。我们在数字上显示了在线需求响应程序的相关性,这减少了不准确预测的影响。
2017-12-22 cs.GT math.OC
Optimal Management of Renewable Generation and Uncertain Demand with Reverse Fuel Cells by Stochastic Model Predictive Control
本文提出了一种用于管理可再生能源社区的反向燃料电池的控制策略。一个两阶段的基于神经网络的模型预测控制算法的设计,以确定最佳的经济策略,以遵循在操作过程中。采用适当定义的离散马尔可夫链方法对可再生能源发电量和用户需求进行预测。控制算法能够考虑到预测的不确定性和可逆燃料电池的非线性行为。所提出的方法的性能进行了测试的可再生能源社区组成的聚合的工业建筑配备了光伏。
2022-08-30 cs.SY eess.SY math.OC
Dynamic Pricing and Distributed Energy Management for Demand Response
研究了零售市场中电力的动态定价问题。一个Stackelberg游戏是用来模拟零售商和它的客户之间的互动;零售商设置前一天的每小时的电价和消费者调整实时消费,以最大限度地提高个人消费者剩余。对于非均衡需求,最优总需求是日前小时价格的仿射函数。消费者剩余和零售利润之间的权衡得到一个完整的表征。帕累托前沿的可实现的权衡被证明是凹的,帕累托前沿上的每一点都是通过一个最优的前一天的小时价格来实现的。分析了可再生能源和本地存储相结合的效果。结果表明,当可再生能源容量相对较小时,可再生能源整合的收益全部流向零售商。随着容量的增加超过一定的阈值,消费者从可再生能源中获得的利益也会增加。
2016-02-29 math.OC
A Stackelberg Game for Multi-Period Demand Response Management in the Smart Grid
研究了多个电力公司相互竞争的智能电网中多时段需求响应管理问题。用户公用事业公司之间的互动是通过纳什均衡捕获的Stackelberg类型的非合作对策建模。结果表明,这个游戏有一个独特的Stackelberg均衡,在该公用事业公司设定的价格,以最大限度地提高他们的收入(在纳什博弈),而用户相应地响应,以最大限度地提高他们的效用,他们的预算约束。为用户和电力公司的相应策略提供了封闭形式的表达式。结果表明,与单周期方案相比,多周期方案能更好地激励用户参与博弈。提供了关于用户参与所需的最小预算的充要条件。
2015-09-13 cs.GT math.OC
On the Hardness of Inventory Management with Censored Demand Data
Universitat Pompeu Fabra(庞培法布拉大学);Barcelona Graduate School of Economics(巴塞罗那经济研究生院);Barcelona School of Management(巴塞罗那管理学院)
我们考虑一个重复的报童问题,库存经理没有事先的信息的需求,只能访问审查/销售数据。类似于多臂强盗问题,管理者需要同时“探索”和“利用”她的库存决策,以最小化累积成本。我们不做概率假设-重要的是,独立性或时间平稳性-关于创建需求序列的机制。我们的目标是揭示问题的硬度,并制定政策,表现良好的遗憾标准,即政策的累积成本之间的差异,最好的固定行动/静态库存决策在事后,均匀地在所有可行的需求序列。我们表明,一个简单的随机化的政策,称为指数加权预测,结合精心设计的成本估计,实现最佳的缩放预期遗憾(对数因子)的所有三个关键原语:时间段的数量,库存决策的数量,和需求支持。通过这个结果,我们得到一个重要的见解:从“信息跟踪”的好处以及审查的成本都可以忽略不计,在这个动态学习问题,至少在遗憾的标准。此外,我们修改建议的政策,以执行良好的跟踪遗憾,也就是说,作为基准的最佳序列的库存决策,开关有限的次数。数值实验表明,所提出的方法优于现有的(量身定制,或促进,时间平稳性)的非平稳需求模型。最后,我们提出的方法和分析的“组合”版本的重复报童问题。
2017-10-16 cs.LG math.OC stat.ML
Network-Aware Demand-side Management Framework with A Community Energy Storage System Considering Voltage Constraints
本文研究了将社区储能(CES)系统与屋顶光伏(PV)发电相结合的可行性,以实现对社区的需求侧管理,同时保持配电网电压在允许的范围内。为此,我们在CES供应商和屋顶光伏系统用户之间开发了一个分散的能源交易系统。通过利用径向配电网络的线性化分支流模型,开发了电压约束的领导者-追随者Stackelberg博弈,其中CES供应商通过与CES系统和电网进行能量交易来最大化收入,并且用户最小化他们的个人能量成本。Stackelberg博弈有一个唯一的均衡,在这个均衡中,CES供应商的收入最大化,用户的能源成本最小化。一个案例研究,与现实的光伏发电和需求数据,证实了能源交易系统可以降低峰值能源需求,防止网络电压波动,同时提供经济利益的用户和CES供应商。此外,模拟强调,与集中式系统相比,分散式能源交易系统为储能容量较小的用户提供了更大的经济效益。
2020-08-21 cs.GT cs.SY eess.SY
Optimal Hospital Capacity Management During Demand Surges
本研究提出基于鲁棒混合整数线性规划的数据驱动框架,优化需求激增期间医院容量分配与急诊科患者转运,回顾性评估显示仅转运32名患者即可将激增容量需求减少近90%。
2024-03-29 cs.CY math.OC
A System-Dynamic Based Simulation and Bayesian Optimization for Inventory Management
本研究提出一种结合系统动力学蒙特卡洛仿真和贝叶斯优化的方法,解决需求不可预测的库存管理难题,在真实数据集上验证了其能显著改善库存策略,提升生产力与盈利能力。
2024-02-15 cs.CC math.OC
Dynamic charging management for electric vehicle demand responsive transport
随着气候变化的挑战,运输网络公司开始扩大其车队,以减少二氧化碳排放。然而,这样的生态转型带来了新的研究挑战,动态电动车队充电管理下的不确定性。在这项研究中,我们解决了共享乘车服务与公共充电站的动态充电调度管理。提出了一种滚动时域框架下的两阶段充电调度优化方法,通过预测未来公共充电站的可用性,最大限度地减少车队的总体充电运营成本,包括车辆的访问时间,充电时间和等待时间。充电站占用率预测基于混合LSTM(长短期记忆)网络方法,并集成到所提出的在线车辆充电器分配中。所提出的方法适用于现实的模拟研究,在城市的邓迪,英国。数值研究表明,所提出的方法可以减少48.3%的车队的总充电等待时间和总充电量的能量的车队相比,基于需求的充电参考政策的35.3%。
2022-09-22 math.OC
Demand-side management via optimal production scheduling in power-intensive industries: The case of metal casting process
本研究提出一种基于混合整数规划的多阶段多产线调度模型,通过优化日前能源市场成本与辅助市场备用供应,实现能源密集型产业的需求侧管理,并在真实金属铸造厂案例中显著降低能源成本并开辟次要收入流。
2023-06-27 cs.SY eess.SY math.OC
Spatiotemporal Pricing and Fleet Management of Autonomous Mobility-on-Demand Networks: A Decomposition and Dynamic Programming Approach with Bounded Optimality Gap
本文针对自主按需出行系统提出一种分解与动态规划方法,通过联合优化时空定价、车队再平衡和规模决策以最大化利润,并在曼哈顿数值实验中验证了其能提供更紧的最优性上界及应对需求激增的显著效益。
2023-12-06 math.OC
Robust Hierarchical MPC for Handling Long Horizon Demand Forecast Uncertainty with Application to Automotive Thermal Management
针对具有慢变状态的动态系统,提出了一种具有需求预测不确定性的鲁棒递阶MPC(H-MPC)。H-MPC有两层:(i)上层的调度MPC具有相对长的预测/规划范围和慢的更新速率,以及(ii)下层的导频MPC在较短的预测范围上具有较快的更新速率。调度层MPC计算将由引导MPC跟踪的最优慢变状态,同时根据未来需求/负载的长期和近似预测来实施系统约束,例如,用于驱动车辆的牵引功率需求。在本文中,为了增强H-MPC对长期需求预测不确定性的鲁棒性,我们建议使用连接技术在短期内实现的高质量预览信息,通过在调度层的约束收紧方法来修改计划轨迹。一个简化的车辆模型的仿真结果,以确认所提出的鲁棒H-MPC框架在处理需求预测的不确定性的有效性。
2019-09-13 cs.SY eess.SY math.OC
Online Inventory Management with Application to Energy Procurement in Data Centers
受电力市场中储能管理应用的启发,研究了带库存管理约束的在线线性规划问题。具体来说,决策者需要满足一定数量的资产作为自己的需求,既可以从一个价格随时间变化的市场中获得,也可以从自己的库存中获得。决策者以逐槽的方式呈现价格,并且必须立即决定当前价格的购买量以满足需求或存储在库存中以满足未来需求。库存的容量是有限的,其关键作用是以低价购买和储存资产,并以高价使用储存的资产来满足需求。决策者的最终目标是满足需求,同时最大限度地降低从市场购买资产的成本。我们提出了蝙蝠侠,简单的库存模型的在线算法,和蝙蝠侠率,率约束的情况下的扩展版本。BatMan和BatManRate都实现了最优竞争比,这意味着没有其他在线算法可以实现更好的理论保证。为了说明结果,我们使用所提出的算法来设计和评估数据中心的能源采购和存储管理策略,包括电网,当地可再生能源发电和储能系统的能源组合。
2019-01-14 cs.DS math.OC
Demand Side Management in the Smart Grid: an Efficiency and Fairness Tradeoff
本文从效率和公平性两个方面对Mohsenian-Rad et al(2010)和Baharlouei et al(2012)提出的两种需求侧管理(DSM)机制进行了比较。每种机制都定义了一个游戏,消费者在游戏中优化他们的灵活消费,以减少他们的电费。Mohsenian-Rad等人提出了一种日常机制,他们证明了社会最优性。Baharlouei等人提出了一种按小时计费的机制,我们给出了理论结果:我们证明了在相关的游戏中的均衡的唯一性,并给出了其价格的无政府状态的上界。我们评估数值的两种机制,使用真正的消费数据从山核桃街公司。模拟结果表明,与小时机制达到的均衡是社会最优的0.1%,它实现了一个重要的公平性,根据我们定义的定量指标。我们观察到,这两个DSM机制避免了非博弈机制,如高峰/非高峰小时合同引起的同步效应。
2017-11-29 cs.GT math.OC
Honesty is the Best Policy ... or is it? Demand Management for Probabilistic Service Options
University of Augsburg(奥格斯堡大学);University of the Bundeswehr Munich(慕尼黑联邦国防军大学)
本研究针对概率服务选项的需求管理问题,将其建模为序列决策过程,提出改进的强化学习算法与采样混合整数规划,以动态披露概率信息并权衡个体透明度与总体客户效用。
2026-10-16 cs.LG math.OC
Integrated demand-side management and timetabling for an urban rail transit line: A Benders decomposition approach
School of Systems Science, Beijing Jiaotong University(北京交通大学系统科学学院);Hebei Key Laboratory of Future Urban Intelligent Traffic Management, Beijing Jiaotong University(北京交通大学河北省未来城市智能交通管理重点实验室);Department of Transport & Planning, Delft University of Technology(代尔夫特理工大学交通与规划系)
本文针对城市轨道交通供需协同优化问题,提出整合列车时刻表、客流控制与票价激励出行转移的整数规划框架,并设计Benders分解算法,在北京地铁案例中验证其计算效率优于商业求解器。
2025-11-07 math.OC
Uncertainty-aware demand management of water distribution networks in deregulated energy markets
我们提出了一个开源的解决方案,用于饮用水分配网络的运营控制,该解决方案考虑了在波动的放松管制的经济的前一天市场中水需求和电价的固有不确定性。随着越来越多的能源市场采用这种交易方案,饮用水网络的运行需要不确定性感知的控制方法,以减轻波动的影响,并导致网络的经济和安全运行,满足消费者对不间断供水的需求。我们提出了使用基于MIMO的随机模型预测控制:一种先进的控制方法,这是在一个相当大的计算成本,这是克服利用图形处理单元(GPU)的并行化能力,并使用一个大规模的并行化算法的基础上,加速近端梯度法。
2019-04-23 math.OC
Product-Closing Approximation for Ranking-based Choice Network Revenue Management
最近的研究在网络收入管理纳入选择行为,模型客户的购买逻辑。因此,这些模型更复杂的解决,但他们返回一个更强大的政策,通常产生更好的预期收入比独立需求模型。选择网络收益管理有一个精确的动态规划公式,很快就变得棘手。近似已经开发,其中许多是基于多项logit需求模型。然而,这种参数模型具有被称为无关备选方案的独立性的性质,并且在实践中经常被非参数模型所取代。我们提出了一个新的近似称为产品关闭程序,是专门为一个基于排名的选择模型,代表非参数的需求。数值实验表明,我们的方法快速返回预期的收入是略好于其他近似,特别是对于大型实例。我们的近似也可以为其他方法提供一个很好的初始解。
2019-11-03 math.OC
MFG model with a long-lived penalty at random jump times: application to demand side management for electricity contracts
我们考虑一个能量系统与$n$消费者谁是联系在一起的需求侧管理(DSM)合同,即他们同意减少,在随机时间,他们的总功耗在预定义的持续时间内的预定义量。他们未能提供服务将通过$n$功耗总和与合同目标之间的差异进行惩罚。我们导致分析一个非零和随机对策与$n$球员,其中的相互作用发生通过成本,其中涉及的延迟引起的持续时间包括在DSM合同。当$n \to \infty$,我们得到了一个平均场游戏(MFG)与随机跳跃时间惩罚和互动的控制。我们证明了随机最大值原理在这种情况下,它允许比较的MFG解决方案的最优策略的中央计划。在线性二次型条件下,通过一个带跳的解耦正倒向随机微分方程系统,得到了一个带跳的Riccati倒向随机微分方程的半显式解.我们发现,它提供了一个近似的纳什均衡为原来的$n$玩家游戏的$n$大。最后,我们提出了一个数值算法来计算MFG平衡,并提出了几个数值实验。
2021-01-15 math.OC
Mean-field moral hazard for optimal energy demand response management
我们研究了电力市场中的需求响应合同的问题,通过量化的影响,考虑平均场的消费者,其消费是由一个共同的噪音。我们制定的问题作为一个委托代理问题的道德风险,其中的主要-她-是一个电力生产商谁不断观察的消费连续的风险厌恶的消费者,并设计合同,以减少她的生产成本。更确切地说,生产者激励消费者减少不同用途的消费的平均值和波动性,而不观察他们所做的努力。我们证明,生产者可以受益于考虑消费者的平均场指数合同的消费一个代理和总消费统计分布的整个消费者。在线性能源估值的情况下,我们提供了封闭形式的表达这种新型的最优合同,最大化生产者的效用。在大多数情况下,我们表明,这种新型的合同允许委托人选择她想承担的风险,并减少手头的问题,一个不相关的。
2020-03-24 econ.GN math.OC math.PR
Predictive and Prescriptive Performance of Bike-Sharing Demand Forecasts for Inventory Management
Technical University of Denmark(丹麦技术大学);Technical University of Munich(慕尼黑工业大学);University of Groningen(格罗宁根大学);University of Twente(特文特大学);Munich Data Science Institute(慕尼黑数据科学研究所)
自行车共享系统是一种快速发展的交通方式,为被动的机动个人移动提供了一种有效的替代方案。自行车需求的不对称性导致需要重新平衡自行车站,这通常在夜间进行。为了确定给定日期站点的最佳起始库存量,用户不满意度函数(UDF)将用户取货和退货建模为具有分段线性速率的非齐次泊松过程。在本文中,我们通过引入变分泊松递归神经网络模型(VP-RNN)来预测未来的拾取率和返回率,设计了一个直接适用于UDF的深度生成模型。我们对来自美国纽约市的真实旅行数据进行了传统和基于学习的预测方法的实证评估,并展示了我们的模型在系统效率和需求满足方面如何优于基准。通过明确关注决策算法与基于学习的预测方法的结合,我们突出了文献中的一些缺点。至关重要的是,我们展示了更准确的预测并不一定能转化为更好的库存决策。通过对预测、模型假设和决策之间的相互作用的深入了解,我们指出,预测和决策模型应该仔细评估和协调,以最佳地控制共享移动系统。
2021-07-28 cs.LG math.OC
Effects of Risk on Privacy Contracts for Demand-Side Management
随着智能电表继续在世界各地部署,收集前所未有的消费者细粒度数据,我们需要找到对双方都公平的机制,(1)需要数据来改善运营的电力公司,以及(2)重视隐私但同时从共享消费数据中受益的消费者。在本文中,我们解决这个问题,提出电力公司和消费者之间的隐私合同,以最大限度地提高双方的社会福利的目标。我们的数学模型设计了一个最优化问题之间的人口用户有不同的隐私和运营成本的实用程序的评价。然后,我们将展示合同如何根据隐私泄露的概率而变化。这一系列的研究不仅可以为当前的智能电表收集实践提供信息,还可以为未来的智能电表收集实践提供信息。
2014-11-16 cs.CY math.OC
Autonomous Demand Side Management Based on Energy Consumption Scheduling and Instantaneous Load Billing: An Aggregative Game Approach
在本文中,我们研究了一个实际的需求侧管理的情况下,自私的消费者竞争,以尽量减少他们的个人能源成本,通过调度他们的未来能源消费配置文件。我们提出了一个瞬时负荷计费方案,以有效地说服消费者转移他们的高峰时间消费,并公平地收取消费者的能源消耗。对于所考虑的需求侧管理方案,首先制定了一个聚合博弈模型的自私的消费者的战略行为。运用变分不等式理论,分析了该博弈纳什均衡存在唯一的条件。随后,对于有一个中央单元计算和发送的实时聚合负载的所有消费者的情况下,我们开发了一个时标分布式迭代邻近点法与可证明收敛,以实现NE制定的游戏。最后,考虑到另一种情况下,中央单元不存在,但消费者连接,他们希望与他人分享他们的估计信息,我们提出了一个分布式的基于协议的算法,通过该算法的消费者可以实现制定的游戏通过与他们的近邻交换信息的NE。
2014-06-24 math.OC
A Coalitional Game for Demand-Side Management in a Low-Voltage Resistive Micro-Grid with Multiple Electricity Retailers
针对电力系统动态定价实现最优需求管理的难题,提出基于联盟博弈论的多零售商在线定价方案,证明存在Stackelberg均衡,结合微电网模型分析系统行为,仿真验证其利润优于单零售商方案且能收敛至稳态。
2024-07-14 math.OC
Learning-Based Stackelberg Equilibrium Seeking with Application to Demand-Side Energy Management
Delft University of Technology(代尔夫特理工大学);VITO(弗拉芒技术研究所);EnergyVille(能源村);Erasmus University(伊拉斯姆斯大学)
本文提出一种基于学习的零阶算法,用于设计激励机制,在需求侧能源管理中实现Stackelberg均衡,通过数据驱动的在线估计用户响应,提高效率并保护用户隐私。
2026-05-01 math.OC
Departure time choice user equilibrium for public transport demand management
针对公共交通高峰拥挤,提出出发时间选择用户均衡模型(DTUE-PT),用自适应间隙下降算法求解,显著优于传统方法,并应用于香港轨道交通网络评估。
2025-05-21 math.OC
Demand Management for Peak to Average Ratio Minimization via Intraday Block Pricing
基于价格的需求响应方案可以显著提高电力系统效率。另外,期望这样的方案通过降低峰值消耗来产生改进的功率操作。本文提出了日内分段定价(IBP)方案,旨在促进有效的需求响应的消费者,通过对他们的用电量的基础上,在一天的时间段收费。为了设计与所提出的方案相关联的价格,我们制定了一个双层最优化问题,旨在最大限度地减少峰均比(PAR),同时有利于消费者和公用事业公司。将双层规划问题转化为单层平衡约束数学规划问题。所得到的MPEC是非凸的,并且包括非线性约束。因此,为了得到一个解决方案,它是放松到一个混合的非线性规划,通过处理所有的非线性。为了评估所提出的方法的保守性,得到了原双层问题的成本的下界。所提出的方案的适用性证明了各种案例研究,表现出显着减少PAR和经济收益的公用事业公司和消费者的模拟。仿真结果表明,原问题和松弛问题的解是等价的,验证了所提方法的有效性.进一步的仿真结果表明,显着的优势,在性能的IBP计划相比,现有的计划在文献中。
2023-01-30 math.OC
Stochastic Reactive Power Management in Microgrids with Renewables
本文提出一种随机无功补偿方案,通过在线控制实现无功管理,验证了其在工业微电网和住宅配电网络中的有效性,能跟踪太阳能发电和家庭需求的变化。
2014-11-14 cs.SY eess.SY math.OC
Demand Charge Management: Prototype Design and Testing
本文设计并验证了一种低成本EMS与DCM原型,通过集成电网与磷酸铁锂电池储能并基于实时电价、负载和SoC动态优化能源切换,实现削峰填谷与套利,经实测有效降低电费且适用于教学。
2025-09-12 math.OC
Optimal Energy Management for Commercial Buildings Considering Comprehensive Comfort Levels in a Retail Electricity Market
配电系统运营商已经实施了需求响应,以减少高峰需求并减轻配电线路和变电站上的应急问题。具体而言,校园商业建筑对配电系统的峰值需求做出了主要贡献。需要注意的是,先前的工作忽略了消费者的舒适度在执行需求响应,这限制了他们的应用程序的激励是不值得相比,舒适度的损失,在大多数时间。因此,有必要建立一个综合考虑运营成本和舒适度的框架。此外,分布式能源广泛部署在商业建筑中,例如屋顶太阳能电池板、插入式电动汽车和储能单元,这给配电系统带来了各种不确定性,即,可再生能源产量;电价;插电式电动汽车的到达和离开;营业时间需求响应信号和灵活的能源需求。在本文中,我们提出了一个最佳的需求响应框架,使本地控制的需求侧设备,通常是太小,不能参与零售电力市场。几种典型的小型需求侧设备,即,加热,通风和空调系统,电热水器和插入式电动汽车,被认为是在我们提出的模型。它们的操作由中央控制器协调,其目标是最大限度地降低总成本,并最大限度地提高多个商业建筑的客户舒适度。一个基于马尔可夫的随机规划是用来处理上述的不确定性。基于实际数据的数值结果验证了该框架的有效性。此外,商业建筑的运营成本和客户的舒适度之间的权衡说明。
2018-12-20 math.OC
Logic-Based Benders Decomposition for Time Slot Management with Mixed Logit Demand
University of Lausanne, HEC Lausanne Faculty of Business and Economics(洛桑大学,洛桑高等商学院经济与管理学院);Toulouse Business School(图卢兹商学院)
本文提出了一种精确求解框架,用于解决混合洛吉特需求下的选择性时间槽管理问题,通过逻辑贝纳茨分解分离战略选择和定价决策与车辆路径子问题,提高求解效率。
2026-10-28 math.OC
A generic framework for decision support in retail inventory management
任何企业的成功都取决于它在满足客户需求的同时保持财务可行性。全球化和电子商务的增长导致零售企业必须管理越来越多的产品。随着销售产品数量的增加,相应的库存管理问题的复杂性也随之增加。在这方面,高质量的决策需要利用能够适应大量产品所带来的复杂性的计算机化决策支持系统。现有的库存管理决策支持框架主要集中在库存管理问题的一个方面-通用的,综合的框架似乎是从文献中缺席。在本文中,提出了一个整体的框架设计,它集成了所有的主要组成部分,预计形成一个通用的库存管理框架的一部分。该框架的目标是提供决策支持方面的各种库存管理业务,如产品细分,需求预测和确定的大小和时间的补货订单,在追求一个理想的平衡之间的冲突目标的库存管理。
2022-07-28 math.OC
Adaptive Robust Energy Management Strategy for Campus-Based Commercial Buildings Considering Comprehensive Comfort Levels
忽视消费者的舒适性往往导致需求响应请求失败或响应缓慢。在本文中,我们提出了几个全面的舒适度模型,各种电器在校园为基础的商业建筑(CB)。所提出的系统的目标是最小化的O\&M成本的校园为基础的CBs和最大化的各种舒适度水平,同时在最坏的情况下。利用自适应鲁棒优化(ARO)来处理所提出的系统内的各种不确定性:(i)从配电系统运营商(DSO)发送的需求响应信号;(ii)插入式电动车辆(PEV)的到达荷电状态(SoC)条件;(iii)可再生能源(RES)的功率输出;以及(iv)其他电器的负载需求。Benders分解,如列约束生成(C &CG)算法,被用于求解NP-hard极小极大问题。大量的仿真结果表明,所提出的最佳能源管理策略的有效性,以校园为基础的CBs在最大限度地减少O\&M成本和最大限度地提高综合舒适度。
2019-03-27 math.OC
Optimizing Inventory Management through Multiobjective Reverse Logistics with Environmental Impact
针对逆向物流中维修品需求上升的库存管理问题,构建考虑成本与环境影响的多目标混合整数规划模型,提出Pareto解求解算法并对比多种标量化技术的效果。
2024-06-19 math.OC
A Game-Theoretic Framework for Multi-Period-Multi-Company Demand Response Management in the Smart Grid
利用对策论的工具,我们开发了一个新的多时期多公司的需求响应框架,考虑到公司(能源的卖方)和他们的消费者(能源的买方)之间的相互作用。我们用Stackelberg博弈来模拟这种互动,在这个博弈中,公司设定价格,消费者选择需求。我们表明,潜在的游戏有一个独特的均衡,在该公司最大化他们的收入,而消费者最大化他们的效用受当地的限制。为所有参与者的最优策略提供了封闭形式的表达式。基于这些解决方案,已制定的功率分配游戏,这是承认一个唯一的纯策略纳什均衡,也提供了封闭形式的表达式。这种均衡是在公司可以在整个时间范围内自由分配权力的假设下发现的,但我们也证明了放松这一假设是可能的。我们进一步提供了一个快速的分布式算法的计算所有最优策略只使用本地信息。我们还研究了期间数(时间范围的细分)和消费者数量变化的影响。因此,当参与需求响应的消费者数量超过某个阈值时,我们能够找到合适的公司与消费者比率。此外,我们表明,无论是分析和数值,多期计划提供了激励能源消费者参与需求响应,相比,单期框架研究文献中。在我们的框架中,我们提供了一个条件,消费者需要的最低预算,并进行案例研究,使用现实生活中的数据来证明该方法的好处,这表明潜在的节省高达$30\%$和均衡价格,具有低波动性。
2020-04-17 cs.GT math.OC
Optimal Dynamic Pricing for Binary Demands in Smart Grids: A Fair and Privacy-Preserving Strategy
受智能电网需求侧管理的启发,提出了一种分散控制的马尔可夫链公式来建模具有二元需求的同质用户群体(即,关或开)。二进制需求经常出现在调度应用程序,如插电式混合动力汽车。通常情况下,独立服务运营商(ISO)在为用户提供电力方面有有限的选择。这些选项代表了各种激励手段、发电资源和价格概况。ISO的目标是找到最佳选择,通过对用户实行最低价格,使需求分布接近理想水平(通常随时间而变化)。本文建立了一个Bellman方程来确定全局团队最优策略.所提出的策略对所有用户都是公平的,同时也保护了用户的隐私。而且,其计算复杂性随着用户数量线性增加(而不是指数增加)。最后给出了一个100用户的高峰负荷管理算例。
2020-12-02 math.OC