计及决策依赖不确定性和禁止转速区间的频率约束风火协同备用优化模型

风电机组可通过超速控制提供一次调频备用(primary frequency reserve,PFR)以提升电力系统频率稳定性。但现有备用优化相关研究一方面对风电通过超速控制提供一次调频备用的决策依赖不确定性(decision dependent uncertainty,DDU)刻画尚不全面,未考虑和转速决策有关的物理约束,导致模型无法充分反应风机实际运行工况;另一方面未充分考虑感应发电机效应影响下的风机危险运行区域,可能导致系统实际运行过程中发生次同步振荡,威胁系统的安全稳定运行。针对该问题,该文分析风电一次调频备用中的决策依赖不确定性,并定义禁止转速区间,分析其对风电一次调频备用的影响。在此基础上,建立计及决策依赖不确定性和禁止转速区间的频率约束风火协同备用优化模型,并基于两个测试系统验证风电提供一次调频备用能够提升系统频率稳定性和运行经济性,以及考虑禁止转速区间的必要性。

基于决策依赖不确定性的含分布式光伏虚拟电厂调度策略研究

随着分布式光伏的发展和普及,虚拟电厂作为一种集成分布式能源资源的新型电力系统形式被广泛应用。但分布式光伏出力的不确定性特征不是固定的,而是取决于聚合规模。首先基于分布式光伏聚合规模的决策依赖不确定性进行了虚拟电厂调度策略研究。然后建立了分布式光伏的决策依赖不确定性和空间相关性的模型,提出了考虑分布式光伏决策依赖不确定性的虚拟电厂优化风险调度模型。之后,针对决策与不确定性之间的耦合关系,提出了基于仿射函数的决策依赖概率分布随机模型的求解方法。最后,算例分析了分布式光伏决策依赖不确定性对虚拟电厂调度结果的影响和不同风险偏好的虚拟电厂策略,验证了本文所提模型的有效性。

计及决策依赖不确定性的广义储能可信容量评估

高比例可再生能源接入会导致电力系统出现严重的容量充裕度不足问题。通过容量市场,聚合与协同利用广义储能资源是解决该问题的重要手段。针对广义储能可信容量评估问题,首先提出广义储能模型,实现电池储能、温控负荷和电动汽车资源的同质化表征,并且包含运行状态与基线用能的非决策依赖不确定性以及可用容量的决策依赖不确定性刻画;提出一种计及决策依赖不确定性的广义储能可信容量评估方法,其中序贯优化调度实现了日前自身能量管理与日内系统容量支撑的均衡。此外,失响应风险评估有效提升可信容量评估的可信性。算例分析验证了所提方法的有效性、优越性和可信性,可为未来容量市场提供有效评估手段。

决策依赖不确定条件下的工程系统估值模拟

将决策依赖不确定性与期权估值问题相结合,给出了当决策者的决策行为直接影响状态变量的随机分布时期权估值的最小二乘模拟算法,该算法的核心是从后往前迭代应用最小二乘法在状态变量每条路径的可执行节点处计算执行期权,及继续持有期权的期望收益的估计值,从而得到期权的价值,解决了在决策依赖不确定条件下由于最优投资规则未知而难以对状态变量的路径进行模拟的问题,并通过一个商用通信卫星在轨服务投资决策的算例验证了该算法的适用性,该算法将期权估值由外生不确定性拓展到了内生不确定性,进一步丰富了期权估值的数值方法.

决策依赖不确定性下疫苗接种点选址的分布式鲁棒优化

考虑到居民接种疫苗的意愿往往会受到接种点选址决策的影响,提出一种新的应对接种需求具有决策依赖不确定性的疫苗接种点选址方法。首先,构造了基于矩信息的决策依赖模糊集对接种需求分布进行建模,将每个随机接种需求的均值和方差表示为选址决策的分段线性函数。其次,在每个需求点引入最低接种量,提出了需求不确定下接种点选址的分布式鲁棒优化模型。最后,运用鲁棒对等理论提出并证明了两个命题,结合McCormick包络法,将该模型重构为混合整数线性规划模型。算例测试和灵敏度分析结果表明,本文模型可以实现经济效益与社会效益的平衡,从而为不确定环境下疫苗接种点的合理布局提供决策支持。

移动计算环境下不确定性组合服务的事务建模与执行分析

移动计算环境中,服务面临资源受限与连接波动,同时存在越区切换和弱一致性需求等事务性挑战.为了确保移动环境下组合服务的事务有效性,本文以服务的不确定性和事务属性为基础,提出了一种基于Markov链的移动组合事务模型.首先通过形式化方法构建移动环境下原子服务模型和原子服务的事务机制,并基于状态概率实现了原子服务的2维不确定性表征,然后运用Markov链完成移动组合服务的模型表达,提出了该模型下的不确定性处理与事务方法,最后基于典型业务结构分析了移动组合事务的执行语义与实施.实验表明:该事务模型能有效描述移动环境下组合服务的事务需求,且服务不确定性的不同指标和各事务架构皆对组合事务成功率产生较大影响.

基于改进贝叶斯网络的健康大数据分类模型

贝叶斯网络是数据挖掘领域的研究热点,它是一种确定事物间不确定性依赖关系的有效工具。本文研究传统贝叶斯网络结构学习算法的优点和不足,并针对原算法的不足之处提出了改进。将改进后的算法应用于健康大数据集上,确定了数据集中各个健康属性之间的依赖关系,建立了相关属性依赖关系的网络结构。最终运用该网络结构对数据集中的数据进行自动分类。实验结果表明,本文基于贝叶斯网络建立的健康大数据分类模型具有良好的性能,实现了预期效果。

决策依赖不确定条件下基于复合实物期权估值的工程系统投资决策研究

不确定性是复杂工程系统的内在属性,在决策依赖不确定条件下对工程系统的投资决策需考虑不确定性与决策过程之间的交互作用,使得投资决策问题的求解非常困难.提出了决策依赖不确定条件下复合实物期权估值的最小二乘模拟算法,方法较好地解决了在决策依赖不确定条件下由于不同期权价值相互耦合所带来的计算复杂性,进一步拓展了最小二乘模拟算法在期权估值中的应用,基于该方法,可以比较方便地解决决策依赖不确定条件下工程系统投资决策问题.

柔性负荷聚合灵活性的多时间颗粒度鲁棒评估方法

面向柔性负荷虚拟电厂(FLVPP),提出了包含日内滚动时间窗-调度周期-分钟级的多时间颗粒度的动态聚合灵活性的鲁棒评估方法。分析了多时间颗粒度评估的必要性,构造了最大化多个时段聚合灵活性的鲁棒评估模型,考虑了多时段耦合、电力网络拥塞、负荷运行状态在调度周期内发生变化以及时延响应的影响。该模型属于决策依赖的不确定性优化模型,可通过数学变换转化为常规两阶段鲁棒优化问题。针对第二阶段问题存在的二进制变量,设计了基于嵌套列和约束生成算法的迭代求解策略。通过算例分析验证了相比于现有常见方法,所提方法可以更加准确地评估FLVPP的聚合灵活性,同时验证了在评估聚合灵活性时考虑电力网络约束的必要性,并展示了算法性能。