鲁棒组合非线性反馈技术在直流电机速度控制中的应用

针对带有常量干扰和具有输入饱和约束的直流电机模型,本文通过设计鲁棒组合非线性反馈控制器,来提高电机速度控制的快速性和精确度。基本思想是在组合非线性反馈(Composite Nonlinear Feedback(CNF))控制的基础上加入干扰估计项和补偿项,在消除系统由于干扰产生的稳态误差的同时,保证了原组合非线性反馈控制响应快速及超调小的瞬态性能。

基于动态参照点的鲁棒投资组合模型及其拓展

鲁棒投资组合模型是一种适用于收益不确定条件下寻求最优决策的方法。首先考虑投资者对底线的重视,根据当收益触及底线时,激进者和保守者在参照点上的不同变化情况,建立动态参照点模型。接着,一方面将动态参照点作为划分获益和损失的界限值,改进现有的Worst-case Omega(WOmega)模型。另一方面结合投资者对下侧风险更为厌恶的特点,以动态参照点作为下侧风险的基准,改进现有的Relative Robust Portfolio Optimization(RRPO)模型。实证研究中,对于WOmega类模型,结果表明激进行为模型在样本内表现较好,而保守行为模型在样本外表现较好。对于RRPO类模型,结果显示激进行为的收益表现良好,保守行为对标准差及最大损失值的控制较好。随着约束的放松,所有模型的收益都能得到可观提升。

基于狄利克雷模型的分布鲁棒机组组合

在应对风电不确定性电源发电的机组组合决策中,针对风电随机过程难以表达为确切概率密度与分布的问题,提出基于非精确狄利克雷模型的分布鲁棒机组组合优化模型与求解方法。其核心体现在:首先,依据历史信息,采用非精确狄利克雷模型(imprecise Dirichlet model,IDM)构造包含风电输出功率所有可能概率分布的模糊集;其次,依据该模糊集,在满足一定置信水平下,推演风电输出功率不确定性区间的表达,从而使其与传统自适应鲁棒优化模型相衔接;由此,构建了分布鲁棒优化决策模型,同时采用列约束生成(column and constraint generation,C&CG)算法对其求解;最后,通过IEEE118节点系统算例,验证模型和方法的有效性。

含抽水蓄能机组的风电消纳鲁棒机组组合

针对风电在实际电网渗透率不断提高带来的风电消纳问题,提出了一种含抽水蓄能机组的鲁棒机组组合优化方法。所构建的鲁棒机组组合模型以系统运行成本和风电出力边界偏差惩罚成本最小为优化目标,约束条件计及了输电线路安全约束,并考虑了风电出力时间和空间不确定性预算的调节策略,避免鲁棒最优解过于保守。基于可调机组(包括自动发电控制机组和抽水蓄能机组)应对风电波动的仿射补偿机制,优化了风电出力的波动区间。所构建的模型最终转化为单层混合整数线性规划问题求解。经修改的IEEE 30节点系统的算例测试,定量评估了抽水蓄能机组对系统经济运行和风电消纳的影响,验证了所提方法的可行性和有效性。

考虑风电不确定性和机组故障停运风险的两阶段鲁棒机组组合

发电机故障停运是电力系统运行中的不确定事件。目前在含风电鲁棒机组组合中考虑机组故障停运的方法,不同程度地忽略了机组故障停运的概率特征,难以较好描述机组故障停运风险。在含风电鲁棒机组组合模型的基础上,引入电量不足期望以量化机组故障停运风险,基于成本收益分析建立了考虑风电不确定性和机组故障停运风险的两阶段鲁棒机组组合模型,并提出计算电量不足期望的简化模型以提升计算效率。基于改进的IEEE-RTS 26机系统验证所提模型和方法,结果表明该方法能较好考虑风电不确定性和机组故障停运风险的影响,该简化模型能显著减小问题求解规模、缩短计算时间。

具有多元权值约束的鲁棒LPM积极投资组合

在用方差控制投资组合风险的同时,由于方差的对称性导致投资组合的收益也受到限制.相比之下,下偏距(lower partial moment:LPM)由于具有只控制风险,而不限制收益的特点,在近年来倍受关注.但在非正态假设下,LPM无法获得良好的解析性质.在对资产收益分布未知的假设下,通过使用最坏情形下的LPM来度量投资组合的损失,提出了具有多元权值约束的鲁棒积极投资组合问题,并获得了具有m(m=0,1,2)-阶LPM约束的鲁棒积极投资组合问题的解析解.通过分析解的性质和比较问题的有效前沿,得到了许多有趣的和新颖的结果.数值结果比较表明,鲁棒LPM模型比经典的均值-方差模型具有许多更好的性能.

基于广义凸包不确定集合的数据驱动鲁棒机组组合

在鲁棒机组组合中,如何描述新能源出力不确定性对其决策的经济性有着重要的影响。针对这一问题,该文提出一种基于数据驱动的广义凸包不确定集合建模方法,并将该不确定集合应用到两阶段的鲁棒机组组合中。该方法可有效考虑新能源出力的时空相关性,从而降低决策的保守性,提高运行的经济性。首先利用新能源出力的历史数据,建立可适应数据的不确定集合描述模型,从而提取新能源多时空出力极限场景;然后基于所提取的极限场景,构建两阶段鲁棒机组组合模型,并利用列和约束生成算法对其进行求解;最后结合IEEE14节点系统与IEEERTS-79系统验证所提模型与算法的有效性。

考虑机组禁止运行区间的含风电鲁棒机组组合

发电机组存在禁止运行区间,使得其无法运行在某些出力区间。如果在含风电的日前调度中不考虑这一因素,可能会得到脱离实际的机组启停方案。该文考虑风电出力的随机性,建立计及机组禁止运行区间的含风电两阶段鲁棒机组组合模型。由于所提模型为大规模的非凸、非线性随机优化问题,难以直接求解。先引入整数变量,将原非线性非凸优化模型转换为混合整数线性优化（mixed integer linear optimization,MILP）模型;由于该模型第二阶段问题中含有0-1整数变量,不能直接利用Karush-Kuhn-Tucker（KKT）条件转对偶求解。采用双层列生成（column-and-constraint generation,CC＆G）循环算法以求解该问题：外层循环为传统的CC＆G算法,内层循环为嵌套式CC＆G算法,以寻找最严重场景。采用加速策略以加快内层循环求解。采用6节点系统与IEEE RTS-79系统验证所提模型与算法的有效性。

计及运行风险和需求响应的两阶段鲁棒机组组合模型

高比例风电并网给电力系统的调度运行带来了挑战。为应对风电的不确定性,该文提出一种计及运行风险和需求响应的两阶段鲁棒机组组合(unit commitment,UC)模型,此模型具有以下特点:1)基于历史风电预测–实测数据分析了风电预测误差的分布特征,进而建立一种基于0-1规划的运行风险模型;2)将建立的运行风险模型与鲁棒UC模型结合,通过求解鲁棒UC模型动态地调整风电不确定集合的边界,实现运行成本和运行风险的协同优化;3)考虑分时电价对负荷需求的影响,并分析需求响应(demand response,DR)的不确定性对调度结果的影响。提出的模型采用Benders-C&CG方法进行求解。仿真结果表明,所提模型可动态地调整风电不确定集合边界,有效降低了运行成本和运行风险的总和。

计及FACTS校正的N-k故障约束鲁棒机组组合

考虑N-k故障约束的调度方法能够保证系统在N-k故障下的安全运行,但是其经济性往往较差。引入FACTS设备以控制N-k故障下系统的潮流,可以提升系统运行灵活性,降低系统运行费用。基于此建立了计及FACTS控制的N-k故障约束的两阶段鲁棒机组组合模型。由于所提模型为两阶段三层的混合整数线性优化问题,无法直接求解。提出了基于嵌套式列生成的双层分解循环算法以求解该问题:上层循环将原问题分为主子问题,迭代求解;下层循环用于求解子问题,以寻找最严重场景。采用了6节点系统和修正的IEEE RTS-79系统对所提模型与算法进行了验证。

基于动态模糊集的多阶段数据驱动鲁棒机组组合模型

针对大规模风电并网引起的不确定性,提出一种多阶段数据驱动鲁棒机组组合模型。采用狄利克雷方法获取风电出力预测误差累计分布函数的非参数置信带,并引入保守度及相关性控制参数来构造高维不确定量的动态模糊集。在此基础上,结合电力系统调度过程的序贯决策特点,将实时调度的单一时段均视为一个调度阶段,建立基于上述动态模糊集的多阶段鲁棒机组组合模型。针对其多层嵌套结构,提出一种线性仿射规则,并采用鲁棒对等变换将其转化为混合整数线性规划问题求解。以不同规模电力系统算例进行仿真计算,与传统两阶段鲁棒机组组合模型的决策进行对比,并考虑电力网络和机组运行参数、保守度以及相关性控制参数的影响,验证了所提模型的有效性。

基于GARCH-EVT-Copula的WCVaR鲁棒投资组合模型

本文在多种金融资产的收益率服从混合不确定多元分布的假设下,建立鲁棒投资组合模型。首先,使用GARCH-EVT模型描述单一金融资产收益率分布的厚尾、异方差特征,然后运用Copula理论描述多个收益率之间的相依结构,建立了描述多种金融资产收益率分布的GARCH-EVT-Copula模型。最后,运用不同的Copula函数构建了收益率的混合不确定多元分布集合,并在WCVaR-Copula鲁棒投资组合模型基础上,建立了GARCH-EVT-Copula-WCVaR鲁棒投资组合模型。通过与经典的均值方差模型、以正态分布刻画边缘分布的Normal-Copula-WCVaR鲁棒模型的实证比较,可以发现,在股价出现极端情况的股灾期间和收益率大幅波动期间,GARCH-EVT-Copula-WCVaR鲁棒模型所建立的投资组合的回报都要高于均值方差模型和Normal-Copula-WCVaR鲁棒模型。

电力系统鲁棒经济调度(二)应用实例

前一篇论文提出了鲁棒经济调度的理论框架,文中以大规模风电接入后的鲁棒机组组合和鲁棒备用整定问题为例,阐述了如何将其应用于实际调度问题。鲁棒机组组合旨在提供可靠的机组工作状态以应对给定集合内的不确定性,而鲁棒备用整定主要解决在不确定性偏离预测较大的情况下,系统调整到新的安全运行点的可达性问题。通过鲁棒机组组合和鲁棒备用整定这两个实例,阐述了如何应用鲁棒经济调度理论对实际问题建立模型,以及如何求解相应的问题,从而在不确定环境下提供可靠的发电计划。所提模型与算法的有效性在IEEE 39节点系统上得到了验证。

基于效果作战的武器系统组合效费分析

武器系统效费分析多用于基于靶基研究中,同时没有考虑到武器系统之间的相互影响以及偏好不确定性情况。提出了一种基于效果作战的武器系统组合效费分析方法。基于效果作战的武器系统分配框架结构,运用贝叶斯网络建立目标与效果的联系,利用鲁棒投资组合模型对武器系统组合效费进行建模。针对鲁棒投资组合问题计算量大的问题,提出了一种基于切比雪夫范数和线性整数规划近似算法。仿真结果说明了所提出的方法的有效性。

基于TSO-LSTM神经网络的股票收益率均值预测模型及其在智能投资中的应用

根据股票收益的历史数据,建立数据和模型双驱动的智能资产配置系统,指导股民投资实现收益最大化.使用金枪鱼群优化(TSO)算法寻参的长短期记忆(LSTM)神经网络为分布鲁棒优化投资组合模型提供收益率的均值与协方差矩阵,求解更符合实际情况的分布鲁棒模型得到投资方案.该模型提出的方案在未来前10 d的收益明显高于直接使用历史均值的分布鲁棒模型,亏损天数少于直接使用历史均值的分布鲁棒模型和平均分配资金的方案.同时该文提出的决策系统随着时间的推移,可以通过更新历史数据重新训练LSTM网络,使得模型保持良好的效果.TSO-LSTM神经网络能有效地抓住股票收益率的历史数据特征,实时动态地为投资者提供良好的投资决策.

计及储气的电气耦合系统鲁棒机组组合问题的研究

由电力系统、天然气系统之间的耦合与互联构成的综合能源系统,对于促进可再生能源的消纳,构建经济、环保、高效的能源系统至关重要。从储气系统对电–气耦合系统的作用入手,在考虑机组备用容量前提下,分析并研究了含有储气及可再生能源的电–气耦合系统鲁棒机组组合问题。算例分析表明,在天然气供应量有限的电–气耦合系统中,储气罐对于协调机组出力、解除一次能源对燃气机组的限制等方面具有显著的作用;同时,储气罐的安装位置对于发挥储气罐的作用、提高燃气机组的出力等方面具有重要的影响。