基于L形算法的多阶段电网规划

提出了一种计算精度能够满足工程需要，而计算效率显著提高的多阶段网络规划新算法．该方法在灵敏度分析方法上构建输电网多阶段网络规划的线性近似模型，采用Ｌ形算法对该模型进行分解处理，将一个多阶段的高阶电网规划问题转化为多个规划子事件进行降价迭代计算，最终收敛到原始规划问题的满意解．所提方法不仅可以显著提高求解速度和减少内存消耗，而且可以获得与其他方法等效的网络优化扩展方案．通过一个测试算例，验证了该方法的有效性和可行性．

基于L形算法的震后救援物资调运优化研究

考虑地震发生后受灾点的物资需求具有不确定性以及通往受灾点的道路受影响可能发生中断情形,研究了震后的救援物资运输优化问题,建立了随机需求条件下以运输时间最小为目标的应急物资调运优化模型.运用基于两阶段法的L形算法对模型进行求解,通过具体算例验证算法的有效性,并通过与一般随机规划的求解算法———机会约束规划法的比较,验证了该算法的优越性.

含风电场的机组组合二阶段随机模型及其改进算法

提出一种含风电场的机组组合二阶段随机规划模型,将风电功率作为随机变量处理,目标函数包含常规机组发电成本和切负荷惩罚费用,由于风电功率存在多种可能的情景,后一种费用采用期望值形式,同时提出一种求解二阶段模型的SAA-自适应多切割L形算法,具体为首先基于抽样平均逼近(SAA)理论,将随机模型转换成确定性模型,然后提出一种自适应多切割L形算法求解。求解中引入全局辅助变量实现迭代过程中历史最优切割信息的保存,并设置主模型约束条件数上限保证模型始终具有较小的规模。与传统单切割和多切割L形算法相比,所提出算法的迭代次数介于两者之间,但计算时间要少于两者。最后通过3机、10机和100机算例在不同数量的风电情景下仿真计算,结果表明本文模型可以有效处理风电随机性,SAA-自适应多切割L形算法在样本数量较大的情况下保持了良好的收敛性和可靠性。

非对称成本环境下两阶段随机成本共识模型的研究

【目的/意义】针对已有的成本共识模型都是基于对称的调整成本和确定的决策环境提出的,通过引入随机情景,研究了非对称成本背景下的两阶段随机成本共识模型。【设计/方法】首先,考虑到方向约束、妥协限度和无成本调整阈值,基于决策者各种不确定性因素构建三类两阶段随机成本共识模型。其次,考虑到模型求解的困难程度,设计L形算法来进行求解。最后,将模型应用于中国“退耕还林”政策的背景下。【结论/发现】数值实验表明所提出的模型具有较强的实用性,同时,对比分析和灵敏度分析也验证模型的稳健性。