Learning to Fix: Optimisation-Aware Machine Learning for Accelerated Unit Commitment
提出优化感知机器学习框架,通过生成发电机特定置信度阈值来固定机组组合决策,缩小搜索空间,实现低于0.5%最优性差距和超20倍加速,获2025年EPRI竞赛冠军。
2026-10-01 cs.SY eess.SY
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
Network-Constrained Unit Commitment with Flexible Temporal Resolution
针对大规模网络约束机组组合计算负担重的问题,提出一种考虑阻塞效应的灵活时间分辨率确定方法及模型改进,在IEEE 118节点和Polish 2736节点系统上实现显著加速、低成本偏差和高精度。
2024-04-08 cs.SY eess.SY
A Novel Feeder-level Microgrid Unit Commitment Algorithm Considering Cold-load Pickup, Phase Balancing, and Reconfiguration
本文提出一种两阶段微电网机组组合算法,考虑冷负荷拾取、三相平衡和重构,通过性能模型与拓扑列表降低复杂度,并在IEEE 123节点系统验证有效性。
2023-01-19 cs.SY eess.SY
Two-Stage Adaptive Robust Optimization Model for Joint Unit Maintenance and Unit Commitment Considering Source-Load Uncertainty
针对源荷高不确定性下机组检修与机组组合协同难题,提出两阶段自适应鲁棒优化模型及混合求解算法,并在RTS-79系统上验证其经济性与适应性。
2024-12-01 cs.SY eess.SY
Chance-constrained Unit Commitment via the Scenario Approach
保持电力供需平衡是电力系统运行规划的基本任务。由于可再生能源的渗透不断加深,这一任务变得特别具有挑战性,这引起了大量的不确定性。在本文中,我们提出了一个机会约束的机组组合(c-UC)框架,以应对挑战的不确定性的可再生能源。建议的c-UC框架寻求成本效益的发电机调度,同时确保操作约束的保证概率。我们表明,情景的方法可以用来解决c-UC,尽管从二元决策变量的非凸性。我们揭示了c-UC的显着结构特性,这可以显着降低场景方法所需的样本复杂度,并加快计算速度。案例研究是在一个改进的118总线系统上进行的。
2019-10-22 cs.SY eess.SY
A Hierarchical Architecture for Optimal Unit Commitment and Control of an Ensemble of Steam Generators
本文提出一种蒸汽发生器集群管理的分层架构,高层优化负载分配与调度,中层基于鲁棒管MPC跟踪时变需求并处理配置突变,低层分散稳定控制,实现集群动态重构与即插即用。
2023-06-28 cs.SY eess.SY
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
Repurposing an Energy System Optimization Model for Seasonal Power Generation Planning
季节性气候变化影响电力需求,进而影响每月的电力规划和运营。通过调整气候预测以估计电力需求,并利用能源模型估计每月发电量和相关的运营成本,可以改进每月时间尺度的电力系统规划。本文的目的是开发和测试一个计算效率高的模型,可以支持季节性规划,同时保留系统运行的关键方面,每小时和每天的时间框架。为了做到这一点,能源系统优化模型的季节性规划使用的功能从一个单位的承诺模型。不同的情况下,利用一个众所周知的测试系统被用来评估与重新利用的能源系统模型和一个不完善的负荷预测的错误。结果表明,使用不完美的负荷预测的能源系统优化模型产生的差异,每月的成本和发电水平是小于2%的单位承诺模型,使用完美的负荷预测。增强型能源系统优化模型的求解速度比机组组合模型快约100倍,使其成为未来评估季节性发电和不确定性需求的合适工具。
2019-11-09 cs.SY eess.SY physics.soc-ph
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 Corrective Frequency-Constrained Unit Commitment with Data-driven Estimation of Optimal UFLS in Island Power Systems
本文提出一种校正型频率约束机组组合方法,利用Tobit模型数据驱动估计最优低频减载量,在孤岛电力系统中协同优化运行成本与UFLS,并通过仿真验证其可在不增加UFLS的前提下降低成本。
2025-07-07 cs.SY eess.SY
Vertex-Guided Redundant Constraints Identification for Unit Commitment
针对机组组合问题中基于LP的约束筛选计算繁琐问题,提出顶点引导的冗余约束识别方法,通过构建外部近似并设计矩阵运算,在找到相同冗余约束的同时最高实现8.8倍加速。
2025-07-12 cs.SY eess.SY
Quantum Reinforcement Learning-Based Two-Stage Unit Commitment Framework for Enhanced Power Systems Robustness
针对可再生能源并网给电力系统机组组合带来的不确定性问题,提出融合虚拟电厂灵活性资源的两阶段前瞻性调度框架,并开发结合深度强化学习与量子计算优势的量子强化学习算法,在计算效率等多方面实现性能提升。
2025-03-22 cs.SY eess.SY
Novel Quality Measure and Efficient Resolution of Convex Hull Pricing for Unit Commitment
本文针对含固定成本的机组组合凸包定价问题,提出基于代理拉格朗日松弛和最优对偶值上界的新型质量度量方法,在 IEEE 118 节点系统上验证其比可行成本度量更准确且求解更高效。
2023-04-17 cs.SY eess.SY
A Primal-Dual Formulation for Pricing Static Voltage Stability Services within a Unit Commitment Model
Technical University of Madrid(马德里理工大学);School of Industrial Engineering and Design (ETSIDI), Technical University of Madrid(马德里理工大学工业工程与设计学院)
针对高比例逆变器资源电力系统中弱母线的静态电压稳定服务定价问题,提出一种基于原-对偶公式的定价方法,可产生收入充足的影子价格,确保所有参与机组无需额外补偿即可回收成本。
2026-09-11 cs.SY eess.SY
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
Data Center Spatio-Temporal Load Flexibility in Security-Constrained Unit Commitment for Enhanced Grid Efficiency and Reliability
University of Houston(休斯顿大学)
本文提出了一种模块化的安全约束机组调度框架,协调灵活的数据中心工作负载与系统级调度,以减少可再生能源弃风弃光、缓解电网拥堵并降低运行成本。通过三种混合整数线性规划模型:数据中心空间模型(DC-S)、数据中心时间模型(DC-T)和数据中心时空模型(DC-ST),实现了跨地理分布站点的即时工作负载重新分配、时间可延迟负载的转移以及两者联合激活,从而扩大可行的操作区域。
2026-05-18 cs.SY eess.SY
Impact of Data Center Load on Co-Optimized Generation and Transmission Expansion Planning with Embedded Unit Commitment
University of Houston(休斯顿大学);Argonne National Laboratory(阿贡国家实验室)
本文研究多节点数据中心负荷对协同TEP与GEP的影响,构建嵌入UC的混合整数线性规划,发现该负荷会大幅增加系统成本与LMP,且最优规划从仅输电转为仅发电,发电可替代网络加固。
2026-10-14 cs.SY eess.SY
Qubit-Efficient Quantum Annealing for Stochastic Unit Commitment
提出PHR-ALM方法消除松弛变量,结合量子ADMM分解大规模SUC问题,在D-Wave QPU上实现量子比特和运行时间效率优于经典和基线量子方法。
2026-06-06 cs.ET cs.SY eess.SY
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
Reinforcement Learning and Tree Search Methods for the Unit Commitment Problem
Bartlett School of Environment, Energy and Resources(巴特利特环境、能源与资源学院)
机组组合问题是电力系统运行中的一项基本任务,它决定着满足电力需求的机组运行计划。现有的UC方法使用混合整数规划不太适合高度随机系统。更严格地考虑不确定性的方法可以通过降低旋转储备要求,以更高的效率运营发电站,以及整合更大数量的可变可再生能源来大幅降低运营成本。解决UC问题的一种有前途的方法是强化学习(RL),这是一种用于最优决策的方法,已被用于克服人工智能中长期存在的重大挑战。本论文探讨强化学习在UC问题中的应用,并解决了包括不确定性下的鲁棒性、多个问题实例的可推广性以及扩展到比以前研究的更大的电力系统的挑战。为了解决这些问题,我们开发了引导树搜索,这是一种结合无模型RL和基于模型的规划的新方法。UC问题被正式化为马尔可夫决策过程,我们开发了一个开源环境的基础上,从英国的电力系统的真实数据训练RL代理。在多达100个发电机的问题中,引导树搜索被证明是具有竞争力的确定性UC方法,降低运营成本高达1.4%。RL的一个优点是,该框架可以很容易地扩展到纳入考虑重要的电力系统运营商,如鲁棒性发电机故障,风力削减或碳价格。当考虑发电机停运时,与使用传统的$N-x$备用标准的方法相比,引导树搜索节省了2%以上的运行成本。
2022-12-12 cs.LG cs.SY eess.SY
Leveraging Bitcoin Mining Machines in Demand-Response Mechanisms to Mitigate Ramping-Induced Transients
提出一种基于辅助服务的扩展需求响应程序,通过优化比特币挖矿机的调度与功耗以抑制功率爬坡及暂态效应,仿真表明机器价格和可再生能源发电比例显著影响该程序的盈利能力。
2024-11-17 cs.SY eess.SY
Application of Volterra Equations to Solve Unit Commitment Problem of Optimised Energy Storage and Generation
Energy Systems Institute Russian Academy of Sciences(俄罗斯科学院能源系统研究所);Queen’s University Belfast(贝尔法斯特女王大学);Hunan University(湖南大学);Penza State University(奔萨国立大学)
本文提出基于第一类Volterra积分方程的自适应方法,用于解决负载平衡问题,通过考虑时间依赖效率和各储能技术的可用性,实现优化能源存储与发电的低成本调度。
2016-09-28 cs.NA cs.SY eess.SY
Analyzing At-Scale Distribution Grid Response to Extreme Temperatures
随着极端天气条件和自然灾害(极端事件)变得更加频繁,电网面临的威胁继续增加。因此,有必要对电网进行仿真和建模,以反映极端事件条件下的实际情况,特别是配电系统。本文提出了一种配电网建模和仿真平台,可以估计在极端天气条件下的总电力需求。所提出的平台的有效性通过演示1)德克萨斯州电力可靠性委员会(ERCOT)在2021年冬季风暴Uri期间的电力需求估计,以及2)集成分布式能源(DER),天气和负载电气化的替代假设场景来显示。与2021年冬季风暴Uri期间ERCOT的实际需求相比,拟议平台估计约有34吉瓦的峰值容量赤字1。对于未来供暖负荷电气化的情况,估计峰值容量为78吉瓦(增加124%),随着采用高效供暖设备和改进隔热,峰值容量将减少到47吉瓦(增加38%)。将分布式太阳能光伏和储能集成到电网中,可以提高当地的能源利用率,从而分别将潜在的未满足能源减少31%和40%。
2022-12-07 cs.SY eess.SY
Impact of Security Modeling Fidelity on Hyperscale Data Center Hosting Capacity Assessment
University of Houston(休斯顿大学);Argonne National Laboratory(阿贡国家实验室);Electric Reliability Council of Texas(德克萨斯电力可靠性委员会);Sargent and Lundy(萨金特和伦迪)
本文在修改后的IEEE 24母线系统上,通过四种不同保真度的安全建模评估超大规模数据中心托管容量,发现N-1安全约束的缺失会导致19.8%的容量高估,揭示了模型复杂度与估计精度的权衡关系。
2026-10-14 cs.SY eess.SY
Analyzing the Travel and Charging Behavior of Electric Vehicles -- A Data-driven Approach
University of Central Florida(中佛罗里达大学)
电动汽车(EV)的市场渗透率不断增加,可能会对电力系统产生巨大的电力需求。这种电力需求受到电动汽车出行行为固有的不确定性的影响,这使得预测每日充电需求(CD)非常具有挑战性。在这个项目中,我们使用全国住房调查(NHTS)数据来形成行程序列,并开发机器学习模型来预测驾驶员下一次行程的参数,包括行程开始时间,结束时间和距离。这些参数稍后用于对EV的临时充电行为进行建模。仿真结果表明,所提出的模型可以有效地估计基于电动汽车出行行为的每日CD模式,简单的机器学习技术可以预测出行参数,具有可接受的精度。
2021-06-11 cs.LG cs.SY eess.SY
KPG 193: A Synthetic Korean Power Grid Test System for Decarbonization Studies
本文提出基于开放数据构建的193节点韩国合成电网KPG 193,通过聚类保留低可再生能源渗透、城市负荷集中和孤立网架等关键特征,并利用2022年数据经UC与ACOPF仿真验证,为韩国电网脱碳研究提供基础平台。
2025-02-04 cs.SY eess.SY
Analyzing the Effects of COVID-19 Pandemic on the Energy Demand: the Case of Northern Italy
Polytechnic of Bari(巴里理工大学)
由于全球各国政府采取限制措施,COVID-19危机正深刻影响全球经济框架。找到实时数据来正确量化这种影响非常重要,但并不那么简单。然而,对电力需求概况的分析提供了对整体经济趋势的洞察。为了准确评估能源消耗模式的变化,在这项工作中,我们采用了一个多层前馈神经网络,计算在没有COVID-19紧急情况下意大利北部(即受流行病影响最严重的欧洲地区之一)的总电力需求估计。在评估预测模型的可靠性后,我们将估计值与地面真实数据进行比较,以量化功耗的变化。此外,我们通过使用Google移动报告数据,将这种变化与锁定期间移动行为的变化相关联。从这一出乎意料的、前所未有的情况中,我们对权力系统的宏观结构及其与整体人口流动的关系有了一些直观的认识。
2020-11-09 cs.LG cs.SY eess.SY
Analyzing the Impact of Strategic Bidding on the Reserve Capacity via a Bi-Level Model
本文提出一种双层模型分析电力市场中策略性投标对备用容量的影响,发现其虽能增强系统备用,但会提高消费者用电成本,强调了市场设计权衡的重要性。
2025-06-25 cs.GT cs.SY eess.SY
Can Large Language Model Agents Balance Energy Systems?
本文提出LLM与随机机组组合结合的混合方法,在10次试验中平均成本降低1.1%-2.7%,负荷削减降低26.3%,并在90%情况下优于传统方法,提升能源系统效率与可靠性。
2025-03-30 cs.SY eess.SY
Toward Using Surrogates to Accelerate Solution of Stochastic Electricity Grid Operations Problems
Sandia National Laboratories(桑迪亚国家实验室)
本文提出利用多项式混沌展开构建替代模型,以减少求解随机电力网络运营问题的计算成本,相比蒙特卡洛方法可降低数个数量级的计算开销。
2014-06-01 cs.SY eess.SY
Grid Frequency Stability Support Potential of Data Center: A Quantitative Assessment of Flexibility
University of Edinburgh(爱丁堡大学)
本研究提出基于决策树约束学习的数据驱动线性化框架,将非线性频率最低点约束嵌入混合整数线性规划,量化评估数据中心参与电网频率响应的灵活性价值,验证其提升系统经济性与支撑新能源并网的作用及边际收益递减规律。
2025-10-01 cs.SY eess.SY
Impact of Work Schedule Flexibility on EV Hosting Capacity: Insights from Analyzing Field Data
Arizona State University(亚利桑那州立大学)
本文通过引入考虑工作时间的优化模型,探讨工作时间灵活性与光伏发电结合对提升电动汽车驻留容量的影响。
2026-03-06 cs.SY eess.SY
Pareto-optimal energy sharing between battery-equipped renewable generators
风能和太阳能等可再生能源的固有不稳定性导致可再生发电机与存储资源(电池)捆绑在一起,以提高可靠性。在本文中,我们考虑两个这样的捆绑,每个与自己的需求配置文件之间的能源共享的问题。例如,需求简档可以对应于捆绑包向网格做出的承诺。随着每个束寻求最小化其负载率的损失,我们探讨的可能性,一束可以从它的电池在赤字的时候提供能量给另一个,以换取一个互惠的供应,当它面临赤字本身。我们证明了在两个束之间总是存在\emph{mutually beneficial}能量共享安排。此外,我们表明,帕累托最优的安排涉及至少一个束转移能量到其他在最大可行的速率在赤字的时候。我们通过一个广泛的案例研究说明了这种动态能源共享的潜在收益。
2020-05-19 cs.SY eess.SY math.OC
Short Circuit Current Constrained UC in High IBG-Penetrated Power Systems
逆变发电机在电力系统中的应用越来越广泛。由于电力电子(PE)的热额定值要求很高,它们对系统短路电流(SCC)的贡献远小于传统同步发电机(SG),从而降低了系统强度,并对系统保护和稳定性提出了挑战。提出了一种具有SCC约束的高IBG穿透系统的机组组合(UC)模型,以确保最小的运行成本,同时保持系统中每个节点的SCC水平。SCC从同步发电机以及IBG明确建模的制定导致SCC约束涉及决策相关矩阵求逆。这个高度非线性的约束被进一步保守地重新表述为线性形式。通过对IEEE 30节点和118节点系统的仿真,证明了SCC约束对系统运行的影响及其与频率调节的相互作用。
2021-01-13 cs.SY eess.SY
Impacts of Variable-Impedance-Based Power Flow Control on Renewable Energy Integration
本文研究基于可变阻抗FACTS设备的潮流控制对发电成本、碳排放和可再生能源弃电的影响,采用两阶段随机机组组合模型评估,结果表明FACTS安装有效降低三者,且效果受资源位置、高峰需求和发电组合影响。
2022-04-27 cs.SY eess.SY math.OC
Virtual Trading in Multi-Settlement Electricity Markets
本文构建供给函数均衡模型,研究虚拟交易对日前与实时电力市场价格和数量对齐的影响,发现虚拟交易可缩小甚至消除价差但无法纠正日前需求数量扭曲,并用加州和纽约市场数据验证了模型含义。
2025-08-16 cs.SY econ.GN eess.SY