Grid-constrained online scheduling of flexible electric vehicle charging
本文研究受电缆容量等电网约束的停车场电动汽车在线充电调度问题,提出基于调度生成方案在线变体与 destroy-and-repair 启发式的策略,并通过乌得勒支数据驱动的离散事件仿真验证其可提升充电车辆数、降低平均延误。
2024-03-05 math.OC
Charging Scheduling of Electric Vehicles with Local Renewable Energy under Uncertain Electric Vehicle Arrival and Grid Power Price
在本文中,我们考虑的延迟最优充电调度的电动汽车(EV)在充电站与多个充电点。充电站配备可再生能源发电装置,也可以从电网购买能源。考虑了电动汽车到达的不确定性、可再生能源的不确定性和电网电价的变化,并将其描述为独立的马尔可夫过程。同时,每个EV的充电能量是随机的。目标是在长期成本约束下,最小化电动汽车的平均等待时间。提出了将EV排队转化为充电需求排队的排队映射方法,并证明了两个排队平均长度最小化之间的等价性。然后重点研究了在长期费用约束下,收费需求排队平均长度的最小化问题。我们提出了一个马尔可夫决策过程(MDP)的框架来研究这个调度问题。系统状态包括充电需求队列长度、充电需求到达、可再生能源的蓄电池中的能量水平、可再生能源到达和电网电价。此外,充电需求的数量和分配的能量从蓄电池组成的二维策略。我们得到了最优策略的两个必要条件。此外,我们讨论了减少的二维政策的收费需求的数量。我们给出了系统状态的集合,分别为无需求收费和尽可能多的需求收费是最优的。最后,我们研究了所提出的激进的政策和保守的政策数值。
2013-01-11 math.OC
Electric Bus Scheduling with Non-Linear Charging, Power Grid Bottlenecks, and Dynamic Recharge Rates
针对电动公交车调度中非线性充电、电网瓶颈和动态充电速率问题,提出一种基于充电增量函数线性插值的混合整数规划模型,实现高精度近似并适应电网负荷限制,在真实实例库中验证了实用性。
2024-07-19 math.OC
Distribution Network Restoration: Resource Scheduling Considering Coupled Transportation-Power Networks
本文提出一种结合真实交通网络的配电网恢复方法,通过构建缩减网络动态求解耦合资源分配与容量受限车辆路径问题,利用网络启发式和图论优先保护关键区段,并在8500母线系统上验证。
2024-04-20 math.OC
BATTPOWER Application: Large-Scale Integration of EVs in an Active Distribution Grid -- A Norwegian Case Study
在本文中,我们介绍了一个应用程序的高性能多周期交流最优潮流(MPOPF)求解器,称为“BATTPOWER”,以模拟积极的配电网在不久的将来的情况。一个大规模的挪威配电网以及大量的电动汽车(EV)的人口在这里作为案例研究。我们建议并分析了三种操作策略(就电动汽车充电调度车队的控制而言)对于配电系统运营商(DSO):(a)不协调/哑充电调度,(b)以能量成本最小化为目标的协调充电调度,而没有电网的操作约束,以及(c)以能量成本最小化为目标的协调充电调度以及电网的操作约束。结果表明,不协调的充电将导致:1)当电动汽车的份额超过20%时,线路和Transformers的过载,以及2)比(b)和(c)的建议控制策略更高的运营成本。在策略(b)中,当EV的数量增长超过36%时,违反操作线路/Transformer限制。这意味着必须改变当前的市场设计,以允许在电网运行限制内主动控制大部分DER,从而在系统层面实现成本最小化。据我们所知,本文中提出的工作是有史以来第一次尝试对电动汽车充电需求对挪威配电网的影响进行全面分析。此外,分析的推断表明,挪威配电网络比电动汽车需求的电压问题更容易出现拥堵问题,其中包括考虑电网条件的智能充电方案。
2021-08-27 math.OC
Hierarchical Distributed Framework for EV Charging Scheduling Using Exchange Problem
本文提出了一种分布式三层多智能体框架,用于电动汽车充电优化调度。该框架减少了电动汽车充电需求对电网的负面影响。为了解决调度问题,一种新的分层分布式电动汽车充电调度(HDVCS)开发的\textit{exchange problem},其中代理聚类基于他们的耦合约束。根据智能体目标的可分性和集群的耦合约束,采用乘子的交替方向法分布式求解HDEVCS。与现有的三层方法相比,HDEVCS减少了收敛时间和迭代次数,因为它的结构允许代理同时更新其原始优化变量。通过分别由$306$和$9051$代理组成的两个小规模和大规模案例研究的数值模拟来评估HDEVCS的性能。结果验证了所提出的方法的可扩展性和效率,因为它减少了$60\%$的收敛时间和迭代次数相比,国家的最先进的方法,在不违反电网馈线的容量,优化的负荷分布和降低充电成本显着。我们的方法的重要成果是容纳大量的电动汽车人口,而无需对电网扩张进行投资。
2019-03-04 math.OC
Electric Vehicle Scheduling and Vehicle-to-Grid Integration in Microgrids
Operations Research and Information Engineering, Cornell Tech(康奈尔科技分校运营研究与信息工程系);Jacobs Technion-Cornell Institute, Cornell Tech and Technion - IIT(雅各布泰康-康奈尔学院,康奈尔科技分校和以色列理工学院);Electrical and Computer Engineering, Cornell Tech(康奈尔科技分校电气与计算机工程系)
本文针对军事微电网中电动卡车车队的行驶与充放电调度问题,扩展经典车辆调度模型并引入车网互动能力,利用列生成方法高效求解,证明该方案可显著降低燃油消耗、提升可再生能源利用率并带来经济与运营效益。
2026-10-06 math.OC
Grid Optimal Integration of Power Ships
发电船或动力船(PS)被认为是最大的移动能源之一。在本文中,提出了一个模型来评估PS到电网操作的集成。该模型优化协调船舶,以提高电网的目标,其解决方案提供了最佳的发电资源调度,以及最佳的调度和路由的船舶。IEEE 6节点和IEEE 118节点的案例研究被认为是建模系统,并验证所提出的模型的有效性。
2019-05-27 eess.SP math.OC
Optimal Switchable Load Sizing and Scheduling for Standalone Renewable Energy Systems
离网系统中太阳能的可变性决定了能量存储系统的大小以及离网系统中存在的负载的大小和调度。不幸的是,能量存储可能是昂贵的,而在没有能量存储系统的情况下频繁切换负载会导致磨损,应该避免。然而,利用太阳能的量应被最大化,并在本文中被认为是在负载响应优化的基础上,找到一个有限数量的离散电力负载的最佳静态负载大小的问题。优化的目标是最大限度地利用太阳能,而无需在离网系统中使用昂贵的储能系统。太阳能光伏发电的概念和实际数据被提供给离网系统。在给定机组数的情况下,提出了求解各机组最优负荷大小的解析解和计算算法:混合整数线性规划和约束最小二乘法。基于可用的太阳能功率曲线,该算法选择最佳的开/关切换时间,并通过计算最佳静态负载大小来最大化太阳能利用率。算法的有效性进行了比较,使用一年的太阳能发电数据从圣地亚哥,加利福尼亚州和沙特阿拉伯的Thuwal。结果表明,当使用两个负载时,系统的年太阳能利用率优化为73%,使用六个负载配置时,可以提高到98%。
2017-02-02 math.OC
Probabilistic Day-Ahead Battery Scheduling based on Mixed Random Variables for Enhanced Grid Operation
针对可再生能源波动带来的电网稳定挑战,提出基于混合随机变量的居民电池日前概率调度分析方法,嵌入连续随机优化框架,可减少量化电网不确定性、降低用电成本,提升电网韧性。
2024-11-19 cs.SY eess.SY math.OC
An Efficient Scenario-Based Stochastic Model for Dynamic Operational Scheduling of Community Microgrids with High Penetration Renewables
电能的供应越来越多地来源于可再生发电资源。与可调度电厂相比,可再生能源发电的可变性和不确定性与传统可靠和鲁棒的配电系统是一个显著不同的问题。为了使包含各种分布式能源的社区微电网达到最优运行,在决策过程中应考虑可再生能源发电的随机性。为此,本文提出了一种基于随机情景的微电网最优动态能量管理模型,其目标是成本和排放最小化以及可靠性最大化。在该模型中,负荷消耗的不确定性,也是,风能和光伏发电机组的可用输出功率建模的基于马尔可夫的随机规划。通过这种方法,所提出的问题的固有的随机性质被释放,问题被分解成一个确定性的问题。最后,基于布谷鸟优化算法(COA)的改进的元启发式算法,以产生最佳的全局最优解。将该框架应用于典型的并网微电网中,验证了其有效性和可行性。
2017-11-11 math.OC
Optimal Scheduling of Frequency Services Considering a Variable Largest-Power-Infeed-Loss
由于可再生能源渗透率的增加而导致的低惯性水平带来了几个挑战,例如对初级频率响应(PFR)的更高需求。缓解这一问题的潜在解决方案包括减少电网中最大可能的功率损耗。本文开发了一种新的建模框架,分析这种方法的好处。提出了一种新的频率约束随机机组组合(SUC),它允许动态地减少优化问题中的最大可能的损失。此外,负载阻尼的影响包括通过一个近似,而它的效果通常被忽略,在以前的频率保证UC的研究。通过几个案例研究,我们证明,减少最大的损失可以显着降低运营成本和碳排放量在未来的英国的电网。
2020-01-11 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
Electricity Price-Aware Scheduling of Data Center Cooling
本文提出基于MDP框架的电价感知冷却调度模型,利用QFR分类电价并模拟14年运行,相比基线持续降低冷却成本,为电网运营商和数据中心投资决策提供支持。
2025-09-12 math.OC
Towards net-zero manufacturing: carbon-aware scheduling for GHG emissions reduction
Ghent University(根特大学);Flanders Make(弗拉芒制造研究院)
针对制造业范围2温室气体排放问题,提出碳感知置换流水车间调度混合整数线性规划模型,并结合进化策略与局部搜索的模因算法求解,实验证实考虑电网动态碳强度与现场可再生电力可大幅减少碳排放。
2025-06-18 cs.NE math.OC
Distributed Deep Reinforcement Learning for Intelligent Load Scheduling in Residential Smart Grids
University of Oslo(奥斯陆大学);Simula Metropolitan Center for Digital Engineering(Simula大都会数字工程中心)
家庭用电量多年来一直在不断增长。为了应对这种增长,有必要对家庭的消费情况进行智能管理,以便家庭可以节省电费,并可以减少高峰时段对电网的压力。然而,实现这样的方法是具有挑战性的,由于存在随机性的电价和消费的电器。为了应对这一挑战,我们采用了一种无模型的方法,该方法适用于有关不确定因素的有限信息的家庭。更具体地说,家庭和电网之间的相互作用可以被建模为一个非合作的随机对策,其中的电价被视为一个随机变量。为了寻找博弈的纳什均衡(NE),我们采用了一种基于分布式深度强化学习的方法。此外,所提出的方法可以保护家庭的隐私。然后,我们利用Pecan Street Inc.的真实数据,其包含超过1000个家庭的电力消耗概况,以评估所提出的方法的性能。平均而言,结果表明,我们可以实现约12%的峰均比(PAR)和11%的负载方差减少。通过这种方法,可以降低电网的运行成本和家庭的用电成本。
2020-06-29 cs.LG math.OC
Leveraging Owners' Flexibility in Smart Charge/Discharge Scheduling of Electric Vehicles to Support Renewable Energy Integration
间歇性可再生能源(RES)的高度集成,特别是风力发电,在电力系统运行中产生了复杂性。另一方面,电动汽车(EV)的大车队预计将对电力消耗产生巨大影响,不协调的充电过程将增加负荷的不确定性,并进一步复杂化电网调度。在本文中,我们提出了一种智能充电方法,该方法利用电动汽车车主的灵活性来吸收车辆到电网(V2 G)设置中RES输出的波动。我们提出了一种最优调度算法的充电/放电的聚合电动汽车车队,以最大限度地提高风力发电的整合,以及最小化充电成本的电动汽车所有者。还解决了人们参与V2 G的挑战,例如电池退化和对意外事件的不安全感。我们首先制定一个静态模型,使用混合整数二次规划(MIQP)与多目标最优化假设每个参数的模型是已知的调度前一天。随后,我们制定了一个动态(放电)的时间表后,电动汽车进入系统的更新信息的电动汽车的可用性,风力发电预测,能源价格实时,滚动优化。在以风能为主要资源的微电网中使用一组100辆电动汽车进行的模拟表明,与不受控制的充电情况相比,风能利用率显着提高,充电成本显着降低。
2019-07-17 math.DS math.OC
Integrated Energy Exchange Scheduling for Multi-microgrid System with Electric Vehicles
电动汽车(EV)可以被认为是微电网中的灵活移动电池存储。对于一个区域中的多个微电网,需要协调充电和放电的调度,以避免多微电网系统和主电网之间的功率交换尖峰。提出了一种将电动汽车作为储能设备的多微电网两阶段能量交换综合调度策略。然后利用若干个代表适当约束条件下边际成本的对偶变量来形成一个更新电价,从而对原电价进行修正。基于此更新的价格信号,提出了一种基于价格的分散调度策略的微电网中央控制器(MGCC)。仿真结果表明,两阶段调度策略降低了系统的电费成本,避免了电池充放电状态之间的频繁转换。该分布式调度策略使每个微网只需解决其局部问题,并将总交换功率限制在安全范围内。
2016-02-24 math.OC
Boosting Column Generation with Graph Neural Networks for Joint Rider Trip Planning and Crew Shift Scheduling
本文提出联合乘客行程规划与乘务排班问题(JRTPCSSP),并设计了结合列生成与机器学习的 AGGNNI-CG 方法,利用注意力门控图神经网络大幅减少定价问题探索路径,加速求解,在真实数据集上显著提升了解质量与服务质量。
2025-06-16 cs.LG math.OC
Extended Version: Non-Preemptive Scheduling of Flexible Loads in Smart Grids via Convex Optimization
本文研究智能电网中非抢占式柔性负荷调度,将其建模为MICP并提出松弛-调整-舍入算法,通过基于图的调整步骤在凸松弛最优解集合内导航减少分数项,实现近最优且次优性与负荷数量无关,渐近最优且可通过边际价格分散化。
2025-03-06 cs.SY eess.SY math.OC
Frequency Security-Aware Production Scheduling of Utility-Scale Off-Grid Renewable P2H Systems Coordinating Heterogeneous Electrolyzers
College of Electrical Engineering, Sichuan University(四川大学电气工程学院);School of Engineering, Newcastle University(纽卡斯尔大学工程学院)
本文提出了一种统一的联合优化框架,用于大规模无电网可再生能源制氢系统生产调度,协调异构电解槽,以在保证频率安全的同时最大化氢气产量。
2026-03-04 cs.SY eess.SY math.OC
Distributed Optimal Vehicle Grid Integration Strategy with User Behavior Prediction
近年来,随着电动汽车的普及,电动汽车充电对电网的影响越来越大。本文提出了一种将智能电动汽车充电与V2G电网服务相结合的优化调度算法,将电动汽车作为分布式能源接入电网,提高系统性价比。具体地,根据来自聚合控制中心的控制信号和通过均值估计和线性回归的用户充电行为预测,在每个EV充电站处制定和求解最优化问题。控制中心定期收集分布式优化结果并更新控制信号。迭代继续,直到它收敛到最优调度。实验结果表明,该算法能够在满足单个司机能量需求的同时,对微电网内的电力负荷曲线进行填谷削峰。
2017-03-13 cs.DC math.OC
Complex-demand Scheduling Problem with Application in Smart Grid
我们考虑在离散时间范围内调度复值需求的问题。给定一组用户,每个用户与表示不同功耗偏好的一组需求相关联。需求由复数、时间间隔和满足需求时获得的效用值表示。在每个时隙,总的选定需求的大小不应超过给定的发电容量。这自然地捕获了交流(AC)电力系统中的供应约束。在本文中,我们考虑最大化的总用户效用的电力供应限制在一个时间范围内。我们提出的近似算法,其特征在于任何两个复值需求之间的最大角度$ϕ$。更确切地说,PTAS的情况下$ϕ\in [0,\tfracπ{2}]$,一个双标准FPTAS的$ϕ\in [0,π \mbox{-} \varepsilon]$的任何多项式小$\varepsilon$,假设在离散时间范围的时隙的数量是一个常数。此外,如果时隙的数量是输入的一部分,我们提出了一个减少的实值不可分割流问题的路径上只有一个常数的近似比。最后,针对单时隙的情况,提出了一种实用的贪心算法,其近似比为$\tfrac{1}{2}\cos \fracϕ{2}$,运行时间复杂度仅为${O}(N\log N)$,其中$N$表示用户需求的集合数,该算法在实际中可以有效地实现.
2018-10-10 cs.DS math.OC
Optimal Battery Charge Scheduling For Revenue Stacking Under Operational Constraints Via Energy Arbitrage
Institut Polytechnique de Paris(巴黎理工学院);LIX CNRS, École polytechnique(法国国家科学研究中心第六实验室,巴黎综合理工学院);DEIF Wind Power Technology(DEIF风力发电技术)
本文提出了一种混合整数线性规划模型,用于在日前市场通过能源套利实现考虑运营约束的电池充电调度以实现收益叠加。
2023-05-08 cs.CE math.OC
Distributionally Robust Frequency-Constrained Microgrid Scheduling Towards Seamless Islanding
针对微电网非计划孤岛引发的功率失衡与频率安全问题,提出一种分布鲁棒频率约束调度模型,通过协同优化机组组合、频率响应备用及虚拟惯量等,确保系统在非计划孤岛期间的频率安全,并验证了其有效性。
2024-01-07 cs.SY eess.SY math.OC
Trustworthy V2G scheduling and energy trading: A blockchain-based framework
本文提出一个基于区块链的V2G调度与交易框架,通过信息物理区块链架构、fast-path PBFT共识、博弈论定价和智能合约实现可信协调,降低电动汽车充电成本并支持辅助电网服务。
2024-10-08 cs.SY eess.SY math.OC
Harmonic Cancellation in Multi-Electrolyzer P2H Plants via Phasor-Modulated Production Scheduling
College of Electrical Engineering, Sichuan University(四川大学电气工程学院);Harvard John A. Paulson School of Engineering and Applied Sciences, Harvard University(哈佛大学约翰·保尔森工程与应用科学学院)
针对多电解槽P2H工厂中晶闸管整流器引发的谐波问题,提出相量调制生产调度策略,可降低谐波电流21.2%-39.7%,仅损失0.25%氢产量,使总收入增长超21%。
2026-08-04 cs.SY eess.SY math.OC
Three-Layer Joint Distributionally Robust Chance-Constrained Framework for Optimal Day-Ahead Scheduling of E-mobility Ecosystem
交通运输部门中大量的电动汽车(EV)需要一个先进的调度框架,用于整个电动汽车生态系统的运营,以克服里程焦虑并为充电站(CS)创建可行的商业模式。该框架必须考虑到所有利益相关者运营的随机性,包括电动汽车司机,CS和零售商及其相互作用。本文提出了一种三层联合分布式鲁棒机会约束(DRCC)模型,用于规划电动汽车生态系统日前的G2V和V2G运行。所提出的随机模型不依赖于随机参数的特定概率分布。为了解决这个问题,提出了一个迭代过程中使用联合DRCC制定。为了实现计算的可追溯性,精确的重新实现双边和单边的机会约束(CC)。此外,时间相关性的不确定光伏发电的CS运行的影响。基于美国旧金山的真实数据,对一个由3家零售商、9家CS和600辆电动汽车组成的生态系统进行了仿真研究。仿真结果表明,这种调度方法的必要性和适用性的电动汽车生态系统在一个不确定的环境,通过将未能到达目的地的独特电动汽车数量从272减少到61。
2021-10-23 cs.SY eess.SY math.OC