本研究通过多目标优化模型探讨微电网的运营和环境成本之间的关系，通过集成遗传算法、模拟退火、蚁群优化和粒子群优化等多种优化算法，提出了一种整合方法进行微电网优化。模拟结果揭示了经济和环境分派下，这些算法提供了不同的调度结果，揭示了柴油发电机和微型燃气涡轮在微电网中的不同作用。总体而言，本研究为微电网设计和运营提供了深入的见解和实际指导。

Oct, 2023

本文提出基于教师学习优化的框架和基于双向长短期记忆的深度学习模型的组合，以实现考虑能量储存装置、风力涡轮机、微型涡轮机的可再生微网的优化调度。结果表明，本文提出的框架在微电网的优化调度方面是有效的和高效的。

Jul, 2022

在考虑微电网整体环境运营的基础上，本研究针对集中控制的问题，优先考虑各组件响应优先级，利用异步优势演员批评方法模拟优化模型实现多分布式电源的弱耦合调度和灵活负荷供给，保证供电可靠性的同时节约成本。

Nov, 2022

本文旨在解决电动汽车在参与需求响应时如何优化充电 / 放电计划的问题。通过将问题建模为约束马尔可夫决策过程并采用增广拉格朗日方法和软性演员评论算法，提出了一种新的安全非同步策略优化强化学习方法，能够显著提高方案最优性和约束限制的达成。

Sep, 2022

本文提出了一种适用于日前期望保证可靠能量供应和维持稳定局部电网的 EV 车队协调模型，利用 EV 来储存多余能量，并在能量不足时释放，结果表明，EV 的协调充电和放电不仅满足平衡服务要求，还与用户偏好基本吻合。

Nov, 2023

这篇论文介绍了一种电动汽车充电站（EVCS）模型，它考虑到现实世界的约束条件，如插槽功率限制、合同阈值超过惩罚或电动汽车（EVs）的早期断开连接。我们提出了一个对 EVCS 控制问题的不确定性建模，并实施了两种多级随机规划方法，利用用户提供的信息，即模型预测控制和两阶段随机规划。该模型解决了充电会话开始和结束时间以及能源需求的不确定性。基于停留时间相关的随机过程的用户行为模型提高了成本降低同时保持客户满意度。通过使用真实数据集进行为期 22 天的模拟，展示了两种提出的方法与两种基准的优势。考虑到更多的不确定性情景进行优化，两阶段方法表现出对早期断开连接的鲁棒性。优先考虑用户满意度而非电力成本的算法在两个用户满意度指标上相对于行业标准基准提高了 20% 和 36%。此外，在实现理论上的最佳基准时，该算法在成本和用户满意度之间达到了 94% 和 84% 的用户满意度表现，并仅出现 3% 的相对成本增加 - 放宽了无先见性约束。

Feb, 2024

本文提出了一种基于 MESH 算法的多目标优化方法来解决水力发电厂在亚日尺度运营中的短期出力计划问题，旨在在最大化发电量和最大化水库蓄水量的前提下，找到一个水库的最佳出力方案。研究结果表明，MESH 算法表现出比其他多目标算法更高的效率和准确性，并在实际应用中提供了显著的经济效益。

Jul, 2021

我们解决了太阳能电池板和电池配备的电动汽车（EV）的充电调度的复杂挑战，特别是在分布外（OOD）条件下。我们引入了一种新的学习增强策略，通过实时适应强化学习策略的表现来使用动态的鲁棒性预算，从而在 EV 充电调度中更有效地平衡一致性和鲁棒性，显著提高适应性和效率。

Nov, 2023

本研究使用混合 Answer Set Programming 和差分逻辑对真实半导体制造过程进行调度，包括机器处理、设置、批处理和维护操作，并研究了面向多个优化目标的大规模调度的潜力。

Jul, 2023

本研究提出一种基于多智能体集中培训分布执行框架的多微电网协同优化调度模型，并采用改进的多智能体软演员 - 评论家算法 (MASAC) 和自动机器学习 (AutoML) 对其进行优化，以提高深度强化学习的泛化能力，实现不同实体之间的电能互补，降低多微电网系统运营成本，并在经济性和计算效率方面显著优于其他最先进的强化学习算法。

Apr, 2023