A Stochastic-Robust Approach to Hierarchical Generation-Transmission Expansion Planning
在本文中，一个综合的和分层的发电和输电扩展规划方法之间的差异进行了描述。然后，详细描述了分层方法。在通项中，投资决策是分步进行的，而不是一个整体优化方案。本文提出了一种随机分层的发输电规划方法的基础上的三个步骤，如下：1。在这一步中，一个综合的扩展规划问题的发电和区域间互联的解决; 2。考虑到（发电和互连）的最优扩展计划，在不监测电路流量限制的情况下（除了互连中的那些，其被监测）执行具有详细网络表示的生产成本模拟;该模拟产生一组最优调度方案（总线负载和发电的向量）; 3.然后，应用输电扩展规划（TEP）模型来确定相对于步骤2的所有操作场景鲁棒的最小成本输电扩展规划，使用增强的Benders分解方案：（a）将操作场景的子集并入投资模块中;以及（b）利用产生（好的）可行解和可行性切割的初始集合的“贪婪”算法来呈现“预热”步骤。分层规划方案的应用说明了一个现实的多国发电和输电规划的中美洲电力市场的案例研究。
2019-10-23 math.OC
A Prosumer-Centric Framework for Concurrent Generation and Transmission Planning -- Part I
积极行动者在电力市场中所占的份额越来越大，这就要求更多地关注生产消费者，并更多地支持他们在分散的电力市场中的决策。鉴于范式的变化，研究分散和以生产消费者为中心的市场下的长期规划，以揭示这种市场对规划决策的影响至关重要。在两部分的论文的第一部分中，我们提出了一个以产消者为中心的框架，同时发电和输电规划。在这里，提出了三个规划模型，其中一个对等市场与产品差异化，池市场和混合双边/池市场及其相关的交易成本明确建模，分别。为了充分揭示个体的成本和收益，我们首先制定了各种行为者的最优化问题，即生产消费者，输电系统运营商，能源市场运营商和碳市场运营商。此外，为了使分散的规划，其中的隐私的prosumers是保存，分布式优化算法的基础上，相应的集中式最优化问题。
2021-05-21 math.OC
Derivation and Generation of Path-Based Valid Inequalities for Transmission Expansion Planning
本文旨在通过减少解的搜索空间和计算工作量，更有效地解决长期输电扩展规划问题。所提出的方法发现和添加切割平面的基础上结构的见解总线角度沿路径的差异。提出了几个定理，表明这些切割平面的有效性到基本的数学公式。基于路径的母线角差约束，收紧放松的可行域，与分支定界法相结合，得到了输电扩展规划问题最优投资的下界。这项工作还创建了一个算法，自动化的过程中发现和应用所讨论的有效的不等式，从而显着减少测试和计算时间。该算法在Python中实现，使用求解器CPLEX添加约束并解决传输扩展问题。本文使用两个不同大小的系统来说明所提出的框架的有效性：修改后的IEEE 118总线系统和波兰2383总线系统。
2019-10-03 math.OC
Robust Coordinated Transmission and Generation Expansion Planning Considering Ramping Requirements and Construction Periods
随着风力发电的快速增长，输电规划中出现了两个关键问题。首先，由于风力发电的高度可变性，日常运行中的严重功率斜升事件对多年规划决策提出了巨大挑战。其次，输电线路的建设周期较长，可能无法跟上可再生能源发电日益一体化带来的快速增长的不确定性。为了解决这些问题，我们提出了一个全面的鲁棒规划模型，考虑不同的资源，即输电线路，发电机和FACTS设备。考虑了各种因素，包括灵活性要求，施工周期和成本。我们构造了小时净负荷斜坡不确定性（HLRU）集来表征小时净负荷（包括风力发电）的变化，和年净负荷持续时间曲线不确定性（LDCU）集正常年净负荷持续时间曲线的不确定性。这导致在两个阶段的鲁棒最优化模型与两种不同类型的不确定性集，这是解耦成两个不同的子问题，使整个解决方案的过程易于处理。实际数据的数值模拟表明，所提出的模型和求解方法能够有效地协调不同的柔性资源，给出鲁棒的扩展规划策略。
2016-12-01 math.OC
Analyzing Performance and Scalability of Benders Decomposition for Generation and Transmission Expansion Planning Models
Princeton University（普林斯顿大学）
本文研究了Benders分解在发电与输电扩展规划模型中的性能与可扩展性，探讨了改进收敛速度的方法，并展示了通过正则化等策略优化求解效率的成果。
2026-03-31 math.OC
Multi-period railway line planning for integrated passenger-freight transportation
本文针对客货一体化铁路多周期线路规划问题，构建周期扩展网络与路径基混合整数规划模型，结合列生成与两种启发式算法求解，实验验证了方法及客货整合、多周期规划的有效性。
2024-09-12 math.OC
Bilevel Optimization Based Transmission Expansion Planning Considering Phase Shifting Transformer
本文将移相Transformer（PST）引入考虑风电并网的输电规划问题。建议的规划模型制定为一个双层计划，旨在确定最优策略的网络增援和PST的位置。上层问题的目标是最小化用户支付的总费用、输电线路的投资费用和PST。下层问题指定不同负荷-风情景下的电力市场出清条件。通过将下层问题用原-对偶形式代替，将双层模型转化为单层混合整数线性规划。基于IEEE 24节点系统的算例验证了该模型的有效性。此外，仿真结果表明，PST的安装增加了灵活性的TEP，有利于风力发电的整合。
2017-07-31 math.OC
Security Constrained AC Transmission Network Expansion Planning
现代输电网扩展规划（TNEP）采用能够处理电压和电压稳定约束的交流网络模型。然而，这样的模型需要优化与迭代交流潮流模型，这是计算上如此苛刻，大多数研究人员忽略了至关重要的（N-1）安全约束。因此，本研究工作的目标是开发一个有效的，两阶段的优化策略来解决这个问题。在第一阶段中，解决了DC扩展规划问题，该问题提供了初始猜测以及一些非常好的算法，以减少用于AC传输和无功扩展规划的第二阶段的潮流解的数量。采用改进的人工蜂群算法（MABC）求解该最优化问题。Garver 6总线，IEEE 24总线和IEEE 118总线测试系统的静态AC TNEP结果已获得与建议和严格的方法，并在可能的情况下，与文献中报道的类似结果进行比较，以证明所提出的方法的好处。此外，多级动态AC TNEP的Garver 6总线系统的解决，以显示这种问题的方法的适用性。
2018-09-22 math.OC
A novel model-based heuristic for energy optimal motion planning for automated driving
Virtual Vehicle Research Center（虚拟车辆研究中心）；Graz University of Technology（格拉茨理工大学）
预测性运动规划是实现节能驾驶的关键，节能驾驶是自动驾驶的主要优势之一。研究人员一直在研究速度轨迹的规划，一种更简单的运动规划形式，十多年了，有许多不同的方法可用。动态规划已被证明是最常见的选择，由于其数值背景和能力，包括非线性约束和模型。虽然最佳轨迹的规划是以系统的方式完成的，但是动态规划不使用关于所考虑的问题的任何知识来指导探索，因此探索所有可能的轨迹。A* 是一种搜索算法，它可以使用有关问题的知识来引导探索最有希望的解决方案。知识必须以启发式函数的形式表示，这给出了过渡到最终状态的成本的乐观估计，这不是一个简单的任务。本文提出了一种新的动力学，结合空气阻力和辅助动力以及车辆的运营成本，除了动能和势能和滚动阻力在文献中已知的。进一步推导了最佳巡航速度，它取决于车辆的气动特性和辅助功率。结果进行了比较，不同的启发式函数和动态规划以及变种。
2018-03-08 cs.AI math.OC
Bus Fleet Electrification Planning Through Logic-Based Benders Decomposition and Restriction Heuristics
Massachusetts Institute of Technology（麻省理工学院）；Georgia Institute of Technology（佐治亚理工学院）
本文提出了一种多期优化框架，结合逻辑-贝纳茨分解和限制启发式，用于公交车队电气化规划，实现高效决策和高质量解决方案。
2026-07-28 math.OC
An ALNS Heuristic for Large-Scale Line Planning with Mode Choice and Line Generation
Technical University of Denmark（丹麦技术大学）；EDHEC Business School（法国北方高等商学院）
针对大规模公共交通线路规划中考虑需求响应性这一复杂问题，提出可扩展的ALNS算法，联合优化线路和频率，动态生成候选线路并评估解决方案，在丹麦欧登塞网络验证其适用性，优化后提升了服务水平，凸显校准需求模型的重要性。
2026-07-16 math.OC
A Prosumer-Centric Framework for Concurrent Generation and Transmission Planning -- Part II
我们提出了一个框架，其中发电和传输容量计划同时在市场环境中，重点是消费者。本文是第一部分的延续，并提出了三个典型的案例研究的数值结果。根据所提出的框架，在所有情况下，最优规划决策。此外，在案例研究I中，考虑到未来电力市场设计的不确定性，无遗憾规划决策进行了讨论。在案例研究II中，我们研究了风能的社会阻力普遍存在，产消者选择不投资风能的情况。这种偏好导致系统成本增加，从而可能损害其他生产消费者。该框架被用来作为一个谈判模拟器来处理这个问题。案例研究三介绍了双边/联营混合市场的数值结果。案例研究利用荷兰电力系统和欧洲电力系统的实际数据，提供政策相关的结果，帮助他们在各种市场环境中脱碳。
2021-05-21 math.OC
Security Constrained Multi-Stage Transmission Expansion Planning Considering a Continuously Variable Series Reactor
将连续可变串联电抗器（CVSR）引入输电网规划问题。CVSR是一种类似FACTS的设备，具有控制传输线总阻抗的能力。然而，CVSR的成本约为类似额定FACTS设备的十分之一，这可能允许安装大量设备。考虑$N-1$安全约束的CVSR多级TEP被表示为混合整数线性规划模型。由可变电抗引入的潮流的非线性部分通过重构技术线性化。为了减少实际大系统的计算负担，提出了一种分解方法。IEEE 24节点系统和波兰2383节点系统的仿真结果验证了该方法的有效性。此外，适当分配的CVSR增加了灵活性的TEP问题，并允许降低规划成本。虽然所提出的分解方法不能保证全局最优，如何网络可以可靠地和经济地考虑CVSR实现了一个高层次的图片。
2017-03-27 math.OC
A Conflict-Based Path-Generation Heuristic for Evacuation Planning
NICTA（澳大利亚国家信息与通信技术研究院）；University of Melbourne（墨尔本大学）；Ecole des Mines de Nantes（南特矿业学院）
疏散规划和调度是灾害管理和国家安全应用的一个重要方面。提出了一种基于冲突的疏散路径生成方法。其核心思想是为疏散区域惰性地生成疏散路线，并在主问题中优化这些路线上的疏散。每个新路径的生成是为了解决疏散中的冲突，并在主问题中添加新列和新行。该算法被应用到大规模的洪水情况下，在霍克斯伯里-内湖河（西悉尼，澳大利亚），需要疏散的顺序为70,000人。所提出的方法减少了变量的数量从4，500，000在一个混合规划（MIP）制定30，000的情况下，研究。通过这种方法，可以实时的近似最优地解决现实的疏散场景，支持战略，战术和作战环境中的疏散规划。
2013-09-10 cs.AI math.OC
Transmission Expansion Planning with Seasonal Network Optimization
输电扩建规划（TEP）对于电网满足未来快速增长的需求至关重要。传统的TEP模型没有充分利用输电网络的灵活性，将其视为静态资产。然而，由于负载分布可能具有不同的季节模式，因此最佳网络配置对于规划范围中的不同季节可能非常不同。因此，本文提出将季节性网络优化（SNO）纳入传统的TEP模型。SNO针对每个规划时期的每个季节动态地优化网络。提出了两个TEP-SNO模型，分别研究优化（i）现有分支和（ii）现有和新分支的状态的好处。数值模拟验证了TEP-SNO模型的有效性。结果表明，SNO可以提高系统的运行效率，延缓新的传输元件的投资，降低总成本。
2019-11-29 eess.SP math.OC
Heuristics for Transmission Expansion Planning in Low-Carbon Energy System Models
世界各国政府正在计划增加可再生能源在其能源系统中的份额。新的风能和太阳能发电厂的选址需要与电网规划密切协调，因此在空间和时间上解决的模型中，发电和输电扩展投资的共同优化是一个不可或缺但复杂的问题。特别是考虑输电扩展规划（TEP）增加了问题的复杂性。即使将潮流方程线性化，由于线路扩展对线路阻抗的依赖性和线路扩展选项的离散集，最优化问题仍然是双线性和混合整数。虽然可以通过应用大M析取松弛来线性化该混合整数非线性规划（MINLP），但是所得到的MILP仍然难以使用用于大规模能源系统模型的最先进的求解器来求解。因此，在本文中，我们开发了将整数传输扩展和响应线阻抗的能源系统模型，同时保留了较低的计算工作量的连续线性规划（LP）应用顺序线性规划（SLP）技术，松弛和离散化途径。我们基准测试他们的性能对德国传输系统的政策相关的案例研究的精确制定的结果，在他们的计算时间的加速，偏离最佳的总系统成本，和线路扩展的相似性。使用优化，我们减少了82%的联合发电和传输优化的计算时间，最大的总系统成本偏差只有1.5%。该算法紧密反映了精确MINLP的最优整数线路投资，为政策相关的低碳能源系统最优化模型节省了大量时间。
2019-07-24 math.OC physics.soc-ph
Benchmarking Classical Coverage Path Planning Heuristics on Irregular Hexagonal Grids for Maritime Coverage Scenarios
Facultad de Ingeniería y Ciencias, Universidad Adolfo Ibáñez（工程与科学学院，阿道弗·伊巴涅斯大学）；Dirección de Programas, Investigación y Desarrollo, Armada de Chile（智利海军计划、研究与开发 Directorate）；Millennium Nucleus for Social Data Science (SODAS)（社会科学数据科学千年核基金（SODAS））；Millennium Nucleus in Data Science for Plant Resilience (PhytoLearning)（植物韧性数据科学千年核基金（PhytoLearning））
本文提出一个可重复的基准测试，评估经典单车覆盖路径规划启发式方法在不规则六边形网格上的性能，包含10000个哈密顿可行实例和17种启发式方法，揭示实现细节对稀疏几何图性能的影响。
2026-04-16 cs.AI cs.RO math.OC
Efficient Multi-Year Security Constrained AC Transmission Network Expansion Planning
多年动态交流输电网扩展规划问题的求解因其潜在的精确性而逐渐成为规划研究的中心。然而，与DC TNEP相比，安全约束AC TNEP的计算负担是巨大的。对于一个动态的，安全约束的AC TNEP问题，计算负担变得非常过度，即使是中等规模的系统的解决方案变得几乎不可能。因此，本文提出了一种有效的，四阶段的解决方法，多年来，网络N-1意外事故和电压稳定约束，动态ACTNEP问题。一些智能逻辑策略的开发和应用，以减少优化算法的计算负担。所提出的方法被应用到Garver 6，IEEE 24和118总线系统，以证明其效率和能力，以解决TNEP为不同的系统规模。
2019-09-13 cs.SY eess.SY math.OC
Robust Transmission Network Expansion Planning Problem Considering Storage Units
研究了在需求和发电容量不确定的情况下，考虑存储单元的输电网扩展规划问题。采用两阶段自适应鲁棒优化框架，其中短期和长期的不确定性占。这项工作不同于以前报道的解决方案中的一个重要方面，即，我们包括二进制追索变量，以避免同时充电和放电的存储单元，一旦发现不确定性。两阶段离散补偿鲁棒优化问题是一个具有挑战性的任务，因此我们提出了一个嵌套的列和约束生成算法来解决所产生的问题。该算法保证在有限次迭代中收敛到全局最优值。该算法的性能示出使用Garver的测试系统。
2019-07-10 cs.SY eess.SY math.OC
Data-driven Heuristics for DC optimal transmission switching problem
电力系统最优输电切换（OTS）问题的目标是确定一个在满足运行和物理约束的同时使系统运行成本最小的电网拓扑结构。解决OTS最流行的方法之一是通过整数线性规划公式来构造近似，这通常伴随着大M不等式。这些大M不等式大大增加了求解所得公式的难度。此外，选择最优的大M值与解决OTS本身一样困难。在本文中，我们设计了两个数据驱动的大M界加强方法，考虑网络结构，电力需求和发电成本。我们说明了我们的方法的鲁棒性，负载变化和令人印象深刻的运行时改进的混合整数求解器实现了我们的方法与广泛的实验基准实例。所提出的方法之一的加速几乎是13倍的精确方法。
2021-10-15 cs.SY eess.SY math.OC
Dyna-H: a heuristic planning reinforcement learning algorithm applied to role-playing-game strategy decision systems
Complutense University of Madrid（马德里complutense大学）
提出Dyna-H算法，结合启发式搜索与Dyna框架，在角色扮演游戏策略决策中实现无模型在线强化学习，实验表明其性能显著优于Q-Learning和Dyna-Q。
2011-07-30 cs.AI cs.LG cs.SY
