基于区间概率不确定集的微电网两阶段自适应鲁棒优化调度

光伏出力的随机性和负荷用电的波动性对微电网的优化调度影响显著,为此提出了预测-调节-决策一体化的策略框架。基于高斯过程回归(Gaussian process regression,GPR)将光伏出力和负荷用电典型日历史数据自适应生成的置信区间与鲁棒优化中不确定集的构建相结合,建立了基于区间概率不确定集的自适应鲁棒优化调度模型。首先,通过GPR生成自适应鲁棒优化调度模型中不确定集的固定项,然后调节决策环节所考虑的风险水平以确定不确定集中的波动项,进而确定衡量不同调度保守度下的不确定集边界;接着采用预测区间质量评测指标来考核各个不确定集所对应的区间优劣。最后,通过改进的IEEE-37节点微电网系统验证了所提模型在有效抵御光伏出力和负荷用电波动的同时保持较低的运行成本。

基于日间日内不确定集的中长期电源扩展规划

电源扩展规划(generation expansion planning,GEP)模型常用于为高比例可再生能源电力系统设计可行的规划方案,而对波动性可再生能源(variable renewable energy,VRE)不确定性的合理表征对规划方案的可行性至关重要。随着风光等可再生能源渗透率的增加,波动性可再生能源表现出了不同时间尺度上的不确定性。提出了一种基于日间和日内可再生能源不确定集的长期GEP模型,从而保障不同时间尺度下的电力电量平衡需求。日间不确定集用来描述长期VRE出力的波动性和间歇性,而日内不确定集用作描述日内的典型和极端出力情形,二者共同描述不同时间尺度下VRE出力的不确定性。使用我国电力系统作为算例,将所提方法与典型日法、典型日聚合法和日间电量平衡法进行仿真对比。基于8760 h全年时序生产模拟的结果表明,所提方法能够显著降低不同风光出力情形下电力系统的失负荷和碳排放,但其他方法均无法满足平衡和清洁需求。

基于矩信息的不确定集下CVaR的定量统计稳健性

研究了在最坏情况下CVaR的定量统计稳健性.首先,推导出了CVaR关于随机向量是Lipschitz的;其次,证明了在Kantorovich度量下,分布不确定集在某一确定点附近是局部Lipschitz的,由此得出分布式鲁棒CVaR模型的最优值函数满足Lipschitz连续性;最后,在最坏情况下推导出了CVaR的定量统计稳健性.

考虑源荷多区间不确定集和综合需求响应的微能源网鲁棒优化调度

针对微能源网内源荷不确定性,提出一种考虑源荷多区间不确定集和综合需求响应的鲁棒优化调度策略.首先,引入源荷多区间不确定集描述微能源网内风、光及电、热、冷负荷的不确定性.然后,为了充分挖掘负荷侧调度潜力,建立包含可削减电负荷、可转移电负荷、柔性冷、热负荷及可替代负荷的综合需求响应模型,并在此基础上考虑了综合需求响应的不确定性.接着,以微能源网调度成本最低为目标函数,构建考虑源荷多区间不确定集和综合需求响应的微能源网两阶段鲁棒优化调度模型,并通过列和约束生成算法、强对偶理论及大M法对模型进行求解.最后,通过算例分析验证了所提模型的合理性和有效性.

一种考虑风-光-电负荷不确定集与线性化的综合能源系统优化调度

为促进风-光-电负荷功率不确定的综合能源系统(integrated energy system,IES)的风、光功率消纳,降低碳排放,首先考虑风、光波动性和弃风、弃光现象构建风、光功率不确定集,考虑电价波动性和负荷需求响应弹性系数,构建电负荷的价格型需求响应不确定集;其次,进一步提出排序截断分摊法,将风、光、电负荷功率不确定集转化为可线性求解的线性对应式;第三,建立热电联产机组-碳捕集系统联合运行系统,并推导系统整体模型,该整体模型只关注系统对外能量交互情况;第四,构建风、光、电负荷功率不确定的IES优化模型,并在多场景下分析其风、光功率消纳和碳排放。最后,利用算例证明了所提方法的有效性。

基于不确定集的稳健Capon波束形成算法性能分析

该文针对常规Capon波束形成易受期望信号导向矢量失配影响,研究了基于导向矢量误差不确定集的稳健Capon自适应波束形成算法。推导出期望信号导向矢量属于球形不确定集时的自适应权矢量近似闭式解,并由此进行性能评估,得到目标功率估计和输出信号干扰噪声比的近似表达式,从而明确了各种因素对性能的影响关系。计算机仿真结果证明了该文分析的合理性。

面向Kullback-Leibler散度不确定集的正则化线性判别分析

线性判别分析是一种统计学习方法.针对线性判别分析的小样本奇异性问题和对污染样本敏感性问题,目前许多线性判别分析的改进算法已被提出.本文提出了基于Kullback-Leibler(KL)散度不确定集的判别分析方法.提出的方法不仅利用了Ls范数定义类间距离和Lr范数定义类内距离,而且对类内样本和各类中心的信息进行基于KL散度不确定集的概率建模.首先通过优先考虑不利区分的样本提出了一种正则化对抗判别分析模型并利用广义Dinkelbach算法求解此模型.这种算法的一个优点是在适当的条件下优化子问题不需要取得精确解.投影(次)梯度法被用来求解优化子问题.此外,也提出了正则化乐观判别分析并采用交替优化技术求解广义Dinkelbach算法的优化子问题.许多数据集上的实验表明了本文的模型优于现有的一些模型,特别是在污染的数据集上,正则化乐观判别分析由于优先考虑了类中心附近的样本点,从而表现出良好的性能.

导向矢量不确定集约束的稳健Capon波束形成算法

针对Capon波束形成算法在导向矢量不确定集约束下的求解问题,提出了新的求解方法.通过对稳健算法最优化问题的特点和求解过程进行分析,给出了新的求解结果,不仅使不确定集约束参数的选择更加简单,同时使波束形成算法的性能改善达到最优.而且得出了负加载可以获得最优的性能改善,而约束参数选择得越大,波束形成算法的性能越接近于最优,而零解可以通过合理选择约束参数进行有效地避免.最后的仿真分析验证了理论分析的正确性和算法的有效性.

基于双不确定集约束的稳健宽带波束形成算法

针对传统不确定集约束稳健波束形成算法(S-WCRB)的性能依赖于模约束参数的问题,提出了双不确定集约束的稳健宽带波束形成(D-WCRB)算法.该算法将期望信号导向矢量约束于两个不同参数的球形不确定集中,解决模约束参数选择不当引起SINR性能下降的问题,推导了D-WCRB算法与S-WCRB算法获得不同SINR的必要条件,并讨论了D-WCRB算法中约束参数的选择问题.最后给出的数值仿真结果验证了该算法的有效性.

基于干扰不确定集重构的相干稳健自适应波束形成方法

近年来,基于协方差矩阵重构的自适应波束形成技术一定程度上避免了期望信号出现“自消”的现象,然而当相干干扰与导向矢量误差同时存在时,现有的重构类波束形成器对干扰的抑制能力较差.针对该问题,提出一种基于干扰不确定集的空域扇区重构自适应波束形成算法,该算法适用于任意阵型.首先使用迭代自适应估计的方法拟合解相干的样本协方差矩阵,再使用传统的空域扇区重构方式,将估计的空间谱在干扰导向矢量不确定集上进行积分,重构干扰加噪声协方差矩阵,最后通过同样的方式重构期望信号协方差矩阵,并将其最大特征值对应的特征向量作为期望信号导向矢量的估计.数值仿真与实验结果表明,所提算法可以在存在导向矢量误差时有效地抑制相干干扰.

基于改进不确定集的稳健波束形成算法

基于不确定集约束的稳健MVDR波束形成算法在一定程度上依赖于期望信号导向矢量误差的先验知识,且当导向矢量失配较严重时干扰抑制性能也有所下降。为此,提出了一种基于投影变换的改进算法。该方法将约束方向矢量向信号干扰子空间投影,并作为新的约束方向矢量,从而等效于减小了期望信号导向矢量误差。这样,误差不确定参数只需设置为一较小的实数即可在任意导向矢量失配时获得最优的输出性能。计算机仿真结果证明了所提波束形成器具有较强的稳健性能。

不确定集对分析探索

根据集对分析思想,结合不确定性问题的特点,提出了不确定集对分析方法,并通过实例说明其有效性。

不确定集值数据的高效相似查询

基于可能世界的不确定集合的相似查询,从语义上或者从计算方法的角度来看,都有别于传统的确定型集合上的技术.由于集合中的项存在不确定性,即一个项出现在集合中是有一定概率的,使得传统处理集合的技术不再适用.提出了一个基于可能世界的集合期望相似度的度量公式.在期望的度量公式中,如果一对集合(X,Y)的期望相似度大于给定的阈值(0,1),则被称为相似集合对.一般的算法,在基于可能世界的情况下计算不确定集合的期望相似度,其复杂度是指数级的.提出了利用动态规划来计算集合期望相似度的算法,该算法的复杂度是多项式级别,极大地减少了计算时间.实验结果表明了基于该算法查询的可用性和高性能.

可变不确定集约束的鲁棒自适应波束形成方法

自适应波束形成方法在存在协方差矩阵误差和导向向量误差的失配条件中性能严重下降。最差情况性能最优。(Worst-Case Performance Optimization,WCPO)方法可以显著增强失配条件下自适应波束形成的鲁棒性,但该方法存在系统性的信号功率过估计问题,并且限定协方差矩阵不确定集与导向向量不确定集的两个关键参数需要人为指定,缺乏具备明确物理意义的求解方法和数据自适应性.本文以WCPO方法为基础,给出了信号功率过估计的理论分析以及相应的改进方法,提出了基于矩阵重构的协方差矩阵不确定集参数的自适应估计方法,最终得到一种可变不确定集约束的鲁棒自适应波束形成方法(WCPO-PCVC).相比WCPO方法,该方法消除了信号功率估计的系统性偏差,且关键参数无需人为指定。数值仿真和海试数据处理结果表明,该方法在失配条件下具有良好的干扰与旁瓣抑制能力,与常规波束形成方法相比具有更好的信号到达角分辨能力,与自适应波束形成方法相比估计的信号功率更为精准。

基于多面体不确定集的需求响应不确定性研究

随着需求响应技术的不断发展,用户侧柔性资源体现出越来越强的可调度潜力。然而由于用户习惯、模型精度、使用环境,大部分分散式可调度负荷呈现一定的不确定性,给负荷精准调度带来一定困难。多面体不确定集相比于传统盒式不确定集,在描述样本不确定性空间时引入负荷相关系数,能够压缩样本空间不确定测度,提高优化策略的精准性和经济性。通过拉丁超立方抽样模拟分析不同相关性条件下盒式不确定集与多面体不确定集的策略表现,可知基于多面体不确定集建立的负荷群调度优化策略模型能够降低调度成本,甄别优质响应资源,体现负相关负荷的互补性。

考虑来水多区间不确定集的跨年梯级水电鲁棒优化调度

中长期来水的不确定性以及时序相关性是影响跨年梯级水电优化调度的重要因素。为了保证所有可能来水情况下系统均能更好地优化调度,在跨年的梯级水电优化调度中引入鲁棒优化理论。同时考虑到梯级水电站之间来水的时序分布特性以及流域相关性,提出多区间不确定集来描述水电运行的随机因素,克服传统鲁棒优化的保守性。最终构建经济性和安全性协调的两阶段鲁棒优化模型,并结合对偶理论及混合整数二次规划法获得具有鲁棒可行性的优化调度方案。算例分析表明,所提跨年梯级水电的鲁棒优化调度方法比场景规划法求解效率更高,并且多区间不确定集可以有效改善调度方案的经济性。

基于椭球不确定集约束的鲁棒自适应相干检测器

针对存在导向矢量误差时自适应相干检测器(ACE)的检测性能下降问题,该文提出一种基于椭球不确定集约束的鲁棒ACE设计方法。该方法在深入分析ACE检测器工作原理的基础上,利用导向矢量的尺度变化不影响ACE检测器输出这一特点,建立鲁棒ACE检测器模型并将其转化为凸优化问题,最后采用牛顿-拉夫森方法对该问题进行求解。仿真实验结果表明,该方法可有效提高ACE检测器对导向矢量误差的鲁棒性。

区间不确定集鲁棒优化的含风电系统无功电压控制

针对风力发电需要吸收电网大量无功而影响系统无功分布和电压水平的问题,研究在满足系统运行约束的条件下,考虑接入风电场节点无功功率与风电场出口无功、风电场补偿容量关系,以网损最小、提高系统节点电压水平为目标函数。首次引入鲁棒优化方法,视风速为随机变量,以区间不确定集表示风速的不确定性,运用对偶定理将模型转化为确定性的线性规划问题并进行求解,建立了含风电场的电力系统电压无功控制模型,并求得全局最优解。以风电场接入IEEE30节点系统进行仿真计算,并对风速波动下的情况进行比较分析,随机的风速被有效量化,网损减少,电压水平提高,验证了该方法的有效性及其工程实用性。

随机对称不确定集下的线性互补问题

本文引入不确定线性互补问题鲁棒解的概念。而且,我们证明:如果不确定二次规划问题的robust Counterpart,这一鲁棒优化问题的存在最优解 ,并且最优值为0,那么就是不确定线性互补问题的鲁棒解。我们讨论当不确定集为随机对称分布时,线性互补问题的求解。借助于概率论知识,给出 为almost reliable鲁棒解的充要条件。

基于优先度函数的概率不确定语言术语集双边匹配方法

针对具有概率不确定语言评价的双边匹配问题,考虑双边主体趋优性的心理行为特征,提出一种基于优先度函数的双边匹配方法.首先,定义了概率不确定语言术语集的区间型得分;其次,结合可能度构造优先度函数来描述双边匹配主体心理行为,并定义了距离测度,进而得到满意度矩阵,在此基础上,以双边匹配主体综合满意度最大化为目标,构建并求解了匹配优化模型.最后,通过软件供需商匹配算例与现有双边匹配方法进行比较分析,说明了该方法的实用性及有效性.