考虑运营风险的医疗废物回收选址多目标鲁棒优化研究

为规避突发公共卫生事件下的不确定风险,研究医疗废物回收网络中的回收中心、处理中心、处置中心等节点选址问题,以总成本最小以及总风险最小为目标,构建考虑运营风险的医疗废物回收选址多目标鲁棒优化模型,设计非支配排序遗传算法,提出p鲁棒迭代算子求解p值下界,采用轮盘赌选择,结合精英策略、均匀交叉和反向变异等遗传操作。基于仿真案例,求解确定性模型与鲁棒优化模型得到帕累托解。模型对比结果表明鲁棒优化模型适用所有情景,且成本相对遗憾值均小于2%,能够有效应对参数不确定引起的设施选址变化。对p值进行灵敏度分析,结果表明当0.004≤p≤0.08时,解的质量随p值增大而上升;p值越接近下界0.004,目标值下降越迅速,越适于应对紧急情况;同时决策者的风险偏好程度和总成本对设施布局有重要影响,需对二者进行综合权衡。

考虑移动氢能存储的港口多能微网两阶段分布鲁棒优化调度

为有效应对海上风电固有的间歇及波动性给港口多能微网带来的不确定性风险,提出一种考虑移动氢能存储的港口多能微网两阶段分布鲁棒优化调度模型。首先,结合Wasserstein距离实现风电出力概率分布模糊集的精确刻画,并通过非参数核密度估计拟合海上风电预测误差概率分布,获得不同置信水平下风电出力区间及场景。其次,分析氢能船舶、汽车等移动氢能存储资源对间歇性风电出力的能源存储潜力,并结合用能心理、交通属性差异,将两者分别建模为激励型、价格型需求响应,实现港口移动氢能存储灵活性资源的高效聚合。再次,针对含移动氢能存储的港口多能微网,构建基于概率分布模糊集的日前-日内两阶段分布鲁棒优化调度模型,并运用线性决策规则与强对偶理论将其转换为混合整数线性规划模型求解。最后,基于海上风电实测数据进行仿真验证。结果证明,移动氢能存储可显著提升港口多能微网的低碳灵活性,所提模型在兼顾港口多能微网经济性的同时,可进一步保证风电不确定性风险下的鲁棒性。

基于分布鲁棒优化的车-站-网日前能量管理与交易

为考虑上级电网电价、光伏出力等多重多层级不确定性对车-站-网互动博弈模型的影响,且充分体现配电网主动管理技术支撑效果,文中提出了一种基于分布鲁棒优化的车-站-网能量管理与交易方法。首先,针对主动配电网内多元主体能量管理与交易问题,建立了配电网运营商、充电站和电动汽车的日前市场互动框架。其次,融合主动网络管理技术和网络约束,在配电网运营商与聚合了电动汽车的多个充电站之间构建了以多主体各自利益最大为目标的双层Wasserstein分布鲁棒互动博弈模型。然后,提出了结合Karush-Kuhn-Tucker条件、对偶原理和大M法的化简方法以解决多层级不确定性造成的求解难题,将双层Wasserstein分布鲁棒模型转化为单层混合整数二阶锥规划模型,并利用商业求解器YALMIP/GUROBI进行了求解。最后,通过算例仿真验证了所提模型和方法的有效性。

考虑风险和碳交易机制的微电网分布鲁棒优化调度

提高微电网风电的消纳能力是实现双碳目标的重要手段。该文构建了一种考虑极限场景和净负荷条件风险价值的微电网低碳分布鲁棒优化模型。首先,针对源-荷不确定性构造基于Wasserstein距离的概率分布模糊集,并考虑极限场景修正该模糊集,以提高模糊集的鲁棒性,减少场景数目,提高求解效率。其次,以包括供能成本、阶梯式碳交易成本和风险成本的微电网日运行成本最小为优化目标,建立分布鲁棒优化调度模型,并利用分段线性近似法和对偶理论将模型转换为线性规划问题求解。最后,通过算例仿真进行验证,结果表明,考虑极限场景的分布鲁棒优化方法具有较强的鲁棒性;引入阶梯式碳交易成本可以有效减少微电网的碳排放量,并提高风电的消纳能力;净负荷条件风险价值可以有效平衡微电网运行的经济性与风险性。

部分分布式电源提供辅助服务的主动配电网快速鲁棒优化

经逆变器接入配电网的分布式电源提供有功与无功辅助服务是确保配电网安全经济运行的重要手段。该文同时计及了储能系统、可投切电容电抗器、有载调压变压器分接头、静止无功补偿器调节能力,以储能与网络损耗及弃风弃光最小为目标函数,计及运行约束,基于支路潮流方程构建了部分分布式电源提供辅助服务的多时段二阶段混合整数二阶锥鲁棒优化模型,提出了一种新颖的基于割平面的主、次问题二阶段直接交替迭代求解方法。不同于现有列与约束生成(columns and constraints generation,CCG)算法,该方法求解主问题时无需增加新的变量与约束条件,求解次问题时,只需针对每个时段进行求解,因此极大降低了求解复杂度与计算机内存。若求解结果不满足二阶锥精确凸松弛条件,则构建二阶段混合整数序列二阶锥鲁棒优化模型,依然能够快速求解,且可恢复出原问题的精确解。最后,采用2个仿真实例验证了所提出方法的性能。IEEE 123节点配电网的仿真结果表明,该方法计算速度是CCG算法的12~22倍。该方法可为含高比例间歇性分布式电源配电网鲁棒优化运行提供实时快速分析与求解工具,提高新能源就地消纳能力。

基于KL散度距离处理风电不确定性的负荷恢复分布鲁棒优化

在构建以新能源为主体的新型电力系统的背景下,在恢复控制过程中积极利用新能源并充分应对其对运行安全带来的潜在风险对于减小停电损失具有重要意义。首先,为了表征风电出力的不确定性,采用KL散度(Kullback-Leibler)距离作为筛选极端风电出力场景的控制条件,并据此构建模糊集作为风电出力典型场景。在满足相关运行安全约束的前提下,建立了以最大化加权负荷恢复量为优化目标的分布鲁棒优化模型以制定计及风电的负荷恢复方案。经松弛处理和对偶转换所得到的混合整数二阶锥模型可调用商业求解器求解。以接入规模风电场的IEEE 10机39母线系统为例进行仿真,结果表明:相比于传统的鲁棒优化方法,该方法降低了优化结果的保守性,有助于加快负荷恢复,减小停电损失。

基于鲁棒优化的电动汽车充电站点流融合选址模型

随着电池技术的发展,电动汽车续航里程日益增长,用户充电行为从在途充电逐渐向目的地充电转变,形成了以点需求为主、流需求为辅的综合需求模式。因此,规划充电设施选址需同时考虑点需求和流需求,以便设施布局与充电需求模式能够充分匹配,提高设施利用率。将经典选址理论中的集合覆盖模型与截流模型相结合,提出了一种能够服务综合充电需求的点流融合选址模型。考虑到充电需求的不确定性,采用鲁棒优化方法,以最小化充电设施建设和电力设备扩容总成本为目标,建立了需求不确定情形下的鲁棒选址模型,并通过对模型做等价对偶转换进行求解。最后,针对两个路网算例开展了数值分析,结果表明,与传统单一需求选址模型相比,本文提出的点流融合模型能在充分覆盖不同类型充电需求的情形下有效降低充电设施的总体规划成本。

光——氢建筑能源系统园区容量配置鲁棒优化

碳中和目标促使全球建筑行业能源结构向低碳化、无碳化与清洁化的方向转型。为了开发更清洁、更高效的光伏耦合技术,零碳排燃料——氢能提供了一个新路径。同时,为了提高可再生能源消纳水平,促进能源系统综合发展,针对光——氢建筑电热不确定性,以年均综合成本最优为目标,考虑系统能量平衡条件、系统设备效力等约束条件,引入鲁棒性对偶变量,提出一种包含云储能(CES)的电-氢-热能源系统(EHT-ES)鲁棒优化方法,得到基于氢储能的微电网热电容量配置方案。结果表明,考虑光伏资源和电力负荷需求不确定性时,需增加10.05%光伏发电投建设备容量配置规模。

考虑新能源多重相关性的柔性配电网分布鲁棒优化策略

高比例分布式新能源与全控型柔性电力电子元器件的大量接入,给传统配电网带来更多清洁电能与调控选择的同时,其出力的时空分布不均衡性与海量器件调节的复杂性,亦使得配电网的运行面临严峻挑战。对此,提出了一种考虑新能源多重相关性的柔性配电网分布鲁棒优化策略。首先,以配电网有功损耗与电压偏移最小为目标,推导并构建含多种源网荷协同调控措施的柔性配电网最优潮流模型。然后,计及新能源在时间空间与功率维度上的多重相关性,建立了基于数据驱动的柔性配电网两阶段分布鲁棒优化模型,采用1-范数与∞-范数进行源荷不确定性集合描述,并采用二阶锥将其线性化与凸松弛。最后,采用列与约束生成算法对该模型进行求解,并以改进的IEEE 33节点测试系统为例进行仿真分析,验证了该方法的有效性和实用性。

不确定需求下无人机任务分配的两阶段鲁棒优化方法

灾害场景下依托无人机配送资源应用前景广阔,但应急场景环境复杂多变,各类突发事件在时空上的不确定性会导致目标点对资源需求评估的不准确,进而影响到资源配送中无人机任务分配方案.针对此问题,在无人机任务分配模型中引入两阶段鲁棒优化方法.模型通过将无人机分配和任务分配相结合,充分利用无人机集群资源,实现需求变化最大化时的任务分配成本最低.本文对受伤人数等级与资源需求变化关系建模,将资源需求划分为3个等级,实现了任务分配总成本变化的精确化表达,并采用列和约束生成(Column-and-Constraint Generation,C&CG)算法实现了资源需求不确定条件下的无人机任务分配.最后设计了3种类型的实验,仿真结果验证了算法的有效性和优越性,相比确定性模型,该算法在应对需求变化时展现出更好的鲁棒性.

邻域自适应粒子群算法求解地源热泵区域能源系统鲁棒优化调度问题

针对地源热泵区域能源系统中冷热负荷和机组效能的不确定性,本文提出了一种考虑双重不确定性的鲁棒优化调度方法.首先,基于多面体不确定模型描述调度模型中的鲁棒变量.然后,针对建筑冷热负荷不确定性,采用对偶原理将双层优化模型等价为单层优化模型;对于机组效能不确定性,采用场景法进行分析.最后,采用多目标优化约束处理方法处理鲁棒优化调度模型中的约束条件.同时,为更加高效、准确求解所构建的优化调度模型,提出了一种邻域自适应粒子群优化算法(NAPSO).实验结果表明,在制冷和制热工况下,与经验运行策略相比,本文所提方法可分别减少7.22%和5.55%的系统运行成本,是一种解决地源热泵区域能源系统鲁棒优化调度的有效方法.

面向山区铁路工程物流基地选址的分布鲁棒优化模型

山区铁路传统工程建设运输物流基地选址模型较少将未来可能需求纳入考量范畴,忽视了此类临时工程在社会效益方面的可持续发展潜力。针对此问题,在传统工程建设运输物流基地选址模型考虑影响因素及假设基础上,加入永临结合决策变量,构建同时考虑未来社会需求分布的不确定性的工程选址模型。以工程地质条件、建设施工成本、道路情况等多个因素作为评价指标,采用预测未来社会需求并引入波动变量构建非精确机会约束的方式,提出适用于永临结合模式设施选址的“多面体-DRO”二阶段分布鲁棒模型。研究结果表明:服务水平是选址决策的主要影响因素;对于高海拔施工点,选择附近的高海拔设施更加可靠;为尽可能服务高海拔地区,永久设施点更倾向于在高海拔地区修建。建立的模型能够有效抵抗不确定性带来的代价,从而避免决策失误,在山区铁路工程永临结合设施修建方面有着重要理论价值和实际指导意义。

基于鲁棒优化的韧性配电网重构研究

由于风光发电具有随机性、波动性等缺点,且接入配电网后使其结构更加复杂,降低了配电网的供电可靠性,本文针对此问题提出拟牛顿遗传算法与鲁棒优化相结合的配电网重构。首先基于风光发电的出力模型生成概率多场景,其次建立含风光发电接入的配电网鲁棒重构优化模型,采用拟牛顿遗传算法对模型进行求解,并对比重构前后配电网电压越限风险值。最后通过算例验证了本文重构方法能够有效提升配电网的供电可靠性。

考虑净负荷不确定性的配电网负荷恢复仿射可调鲁棒优化方法

为应对负荷恢复过程中源荷双重不确定性问题,提出了基于仿射可调鲁棒优化的配电网负荷恢复调整策略。第1阶段基于净负荷预测场景,建立一个以最大化加权负荷恢复量为目标函数的优化模型,决策最优的负荷恢复量;第2阶段采用仿射策略,利用预算不确定集来描述净负荷的不确定性,构建考虑净负荷误差的负荷恢复调整方案。在求解过程中,对双线性变量进行对偶变换得到可快速求解的线性规划模型。最后,在改进33节点和123节点配电系统进行仿真验证,结果表明:相比于传统的鲁棒优化方法,该方法降低了优化结果的保守性,有助于加快负荷恢复,减小停电损失。

不确定环境下采血点定位-资源配置集成决策的鲁棒优化

为提高血液采集量、缓解血液短缺现状,研究不确定环境下两类采血点定位-资源配置集成决策优化问题。首先,考虑区域人流量、献血活跃度等因素对采血点权重的影响,基于广义最大覆盖模型,建立以覆盖权重最大为目标的采血点定位-资源配置集成决策模型。在此基础上,采用鲁棒优化技术处理可用献血车、人员和设备等参数的不确定性,建立相应的鲁棒优化模型。针对模型特点,设计改进的灰狼优化算法对模型进行求解。数值结果表明,改进的灰狼优化算法优于传统灰狼优化算法与粒子群算法。

基于问题特征变化引导的动态鲁棒优化算法

随着时间的推移,鲁棒优化是解决动态优化问题的一种新方法,其目标是找到在很长一段时间内仍然可以接受的解决方案。该领域中大多试图根据其未来预测适应度值来寻找新的鲁棒解决方案,然而,预测未来的适应度值的误差往往偏大,对其寻求较好的鲁棒解造成较大的困难。针对这一问题,提出了一个基于问题特征变化引导的算法框架(ROOT-PFCG)来进行动态鲁棒优化。其问题特征变化情况主要参考解在当前环境下的目标函数值和相应相邻环境下的目标函数浮动值,由此提出三个重要指标。在预测和非预测的情况下,基于指标分别提出了三种不同的适应度决策规则来选解,保证其所选解受预测误差影响较小或不受影响,以此寻找更优的鲁棒解,并在此基础上提出了新的性能评价指标。在基准问题上的实验结果表明,所提出的算法能更好地提升鲁棒解的性能,并对不同情况下的指标进一步分析了其对性能的影响,在此基础上分析了更好的指标结合方法。

考虑风电不确定性和储能灵活性的有源配电网有功无功协同鲁棒优化

提出考虑风电不确定性和储能灵活性的有源配电网有功无功协同鲁棒优化方法。首先建立计及储能四象限功率可调特性的有源配电网有功无功协同优化模型;其次给出储能约束条件和交流潮流方程的线性化表征方式;然后利用盒式集描述风电出力的不确定性,建立有源配电网有功无功协同鲁棒优化模型,并通过对偶变换得到混合整数线性规划形式的两阶段鲁棒主、子问题,采用列约束生成算法交互迭代求解;最后以IEEE33节点系统为例进行仿真验证。仿真结果表明,所提方法能够克服模型高度非凸非线性对其收敛精度和求解效率的影响,充分利用储能的无功调节能力,实现有源配电网有功无功协同鲁棒优化运行。

基于不确定需求的集中式充电站分级选址鲁棒优化研究

以集中式充电站为研究对象,采用多面体不确定集描述不同用地性质下异质充电需求的不确定性,考虑运营商和用户双方利益,构建以建设运营成本、充电成本和寻站成本最优为目标,充电距离和充电需求等约束协同的鲁棒优化模型,并通过Bertsimas和Sim鲁棒对等转换,将半无限优化模型转换成易于求解的0~1整数规划问题。数值仿真结果表明:首先,集中式充电站选址不确定水平因素发生变化时,系统成本呈现阶梯式上升,并且建设运营成本对系统成本影响最为显著;其次,充电需求变化幅度越小,模型鲁棒性越高,集中充电设施选址适应度越高,充电站建设运营商根据自身的风险偏好程度选择不同参数组合,实现在异质需求下集中式充电站充电需求与社会总成本的平衡,获得充电站选址的科学方案;最后,对比分析不同情景下的充电站设置方案验证模型有效性。

多能互补的虚拟电厂低碳-经济-鲁棒优化调度

为有效减少虚拟电厂运行过程中碳排放并应对可再生能源波动性带来的调度挑战,该文提出一种基于阶梯碳交易机制的两阶段鲁棒优化模型,旨在实现低碳性、鲁棒性与经济性之间的多维度权衡。首先,构建集成电转气与碳捕集设备的虚拟电厂系统模型,通过解耦CO_(2)捕集与处理过程,以增强模型对碳减排的灵活性与适应性。其次,利用可调不确定集合对新能源出力波动性建模,在最不利情境下,以最小化购能成本、碳成本及需求响应补偿成本为优化目标建立鲁棒优化框架,并结合C&CG算法进行求解,以确保系统在不确定性环境下的最优调度策略。最后,通过引入阶梯碳交易机制,对电力调度进行精细化约束,避免因过度保守导致的经济损失。算例结果表明,该模型在增强系统抗风险能力和减少经济损失的同时,通过阶梯碳交易机制有效避免调度过度保守,实现了低碳与经济性兼顾的运行目标。

不确定环境下医疗废物回收网络鲁棒优化研究

针对医疗废物回收网络的不确定性,选取医疗废物量和运输成本作为关键变量,构建有多个不确定参数的多目标非线性整数规划模型,并引入鲁棒优化来处理不确定因素。结合多目标粒子群优化算法(MOPSO)和遗传算法(GA)求解该模型,外层GA负责选址决策,内层MOPSO针对选址结果进行配送路径优化,并以国内某城市为实证对象进行仿真验证。结果表明:相较于传统遗传算法,所提算法总成本降低了10.37%,总风险减少了1.86%,工作量偏差缩减了50.18%;敏感性分析表明,医疗废物量的不确定性对目标函数的影响更为显著。所提模型使得决策者可根据风险偏好调整不确定参数,以获得最佳的医疗废物回收网络优化方案,为进一步的医疗废物回收研究提供了参考。