基于金融输电权和BDE算法的双层最优购电组合策略

在输电网开放的电力市场环境下,利用金融输电权(FTR)进行阻塞管理是近年来阻塞管理领域的研究热点,而拍卖是进行FTR分配的主要方式之一。采用FTR对冲阻塞风险,将FTR拍卖市场和电能交易市场相结合,提出了考虑阻塞风险的供电公司双层最优购电组合模型,上层优化以供电公司效用最大化为目标,下层以FTR拍卖收益最大化为目标。在决策过程中综合考虑了电能市场和FTR拍卖市场的双重不确定因素。针对该双层优化模型的随机性特点设计了基于蒙特卡罗和微分进化的双层微分进化(BDE)算法。算例结果证明了适当的FTR可降低购电组合的风险,并表明了该双层模型和算法的合理性和有效性。

基于因果效应的贝叶斯网络结构学习方法

从数据中学习贝叶斯网络结构是一个NP-hard问题,提高网络结构学习算法精度是研究的重难点。基于Pearl的因果理论,提出了一种贝叶斯网络结构学习方法,提升了现有算法的准确率。利用改进的Pearl因果效应和BDe评分,学习网络节点优先次序,利用K2算法学习初始网络,并通过BDe评分反向调节、互信息和BDe评分删除边以修正学习结果。实验在贝叶斯网络标准数据集ASIA、ALARM上进行,在样本量为2000～20 000的20组实验中,学习准确率较MMHC算法平均提升16%,准确率标准差较MMHC算法平均缩小17%。实验表明,基于因果效应的方法较MMHC算法有更好的性能。