Jun, 2024

预测。优化。修订。关于能源管理系统中的预测和政策稳定性

HTML
PDF
TL;DR通过分析在线优化问题，研究了切换成本、预测准确性和稳定性对能源管理系统的影响，提出了一种新颖的框架。通过实证评估和理论分析，研究揭示了预测准确性、稳定性和切换成本在塑造政策性能方面的平衡关系，结果表明切换成本明显影响预测准确性和稳定性之间的权衡，强调了预测和运营部门之间合作的集成系统对于改进决策的重要性。
发现论文，激发创造
  • 参数成本函数近似：多阶段随机规划的新方法

    本文介绍了一种参数化确定性优化模型的方法，以代替在解决多阶段随机规划问题时繁琐的随机或动态规划方法，该方法可以有效地处理不确定性，并用非定常储能问题和滚动预测演示了其应用。

    Jan, 2022

  • 可再生能源中预测和优化问题的方法比较与评估

    本文介绍了2021年IEEE-CIS关于可再生能源调度的技术挑战赛的七个排名最高解决方案，比较和评估了这些解决方案，并提供了一个基准问题，以便在这个领域促进和便利研究。这场比赛使用了Monash微电网的数据、天气数据和能源市场数据，并专注于两个主要挑战：预测可再生能源的生产和需求，并获得活动（讲座）和现场电池的最低成本的最佳方案。最准确的预测由梯度提升树和随机森林模型得出，而优化大多使用混合整数线性和二次规划。

    Dec, 2022

  • 分层学习：预测稳合时空个体和聚合建筑负载

    提出了一种基于机器学习回归器的多维层级预测方法，并使用统一框架协调空间和时间层次，在两个不同的案例研究中对其进行了评估，以预测建筑电负荷，为未来的预测回归器提供了方法和路径。

    Jan, 2023

  • 多能源管理系统的自我完善硬约束条件下安全的强化学习

    本文介绍了两项新的安全强化学习方法，OptLayerPolicy和self-improving hard constraints，将约束函数与RL形式解耦，以提高初始效用和准确性，提供了在模拟的多能源系统案例研究中实现92.4%（OptLayerPolicy）的初始效用和104.9%（GreyOptLayerPolicy）的策略的结果。

    Apr, 2023

  • 短期电力负荷预测误差的元回归分析

    本文使用元回归分析方法对电力负荷短期预测精度的影响因素进行了研究，发现预测方法、预测粒度和预测时间步长对MAPE的影响较大，本文最终确定LSTM 方法和神经网络与其他方法的组合是最佳预测方法，同时也提出了在负荷预测领域中需要进一步进行实证分析的观点。

    May, 2023

  • 学习辅助的随机容量扩展规划：一种贝叶斯优化方法

    提出了一种学习辅助的近似解决方法来解决容量扩展问题，特别关注于考虑不确定性的随机优化模型，应用于可再生能源的供应和需求规划，以达到更加经济高效的解决方案。

    Jan, 2024

  • 电力套利中基于分位数的交易策略优化

    将可再生资源、储能设备、电力市场、交易策略和电池储能系统作为关键词，研究了通过优化交易策略和量化预测来提高电力市场效率，同时评估了商业电池储能系统的经济可行性。

    Jun, 2024

  • 伊朗峰值负荷管理的生产者网络评估：一种分布式情境随机优化方法

    本研究解决可再生能源生产者在自给自足与电网和市场整合之间的平衡问题，提出了一种新颖的生产者网络框架，以缓解伊朗的峰值负荷。论文采用成本导向的综合预测与优化方法，通过分布式情境随机优化（DCSO）赋能生产者做出明智决策，研究结果表明此方法显著降低了峰值负荷和总成本。

    Aug, 2024

  • 具有前瞻信息的非平稳马尔可夫决策过程的预测控制与悔恨分析

    本研究针对非平稳马尔可夫决策过程中的政策设计难题，提出了一种新的算法，利用前瞻预测信息降低悔恨。理论分析表明，在特定假设下，随着前瞻窗口的扩大，悔恨呈指数级减少，而在预测误差存在的情况下，悔恨不会剧增。我们的模拟验证了算法在非平稳环境中的有效性。

    Sep, 2024

  • 针对任意序列的校准概率预测

    本研究解决了真实世界数据流因分布变化而带来的预测有效性挑战。我们提出了一种预测框架，确保无论数据如何演变都能提供有效的不确定性估计。实验表明，我们的方法在提升校准性和下游决策方面具有显著的实际影响。

    Sep, 2024