论文页面 - 一种利用局部约简在不确定性下优化微电网控制的高效方法

来源：https://huggingface.co/papers/2606.12345

摘要

本文提出并比较了两种用于鲁棒微电网容量规划和功率调度的数学模型，一种采用二进制变量和大M约束，另一种采用连续非线性规划并结合逻辑约束的光滑重构。

在不确定性条件下，微电网的最优容量规划和功率调度问题是控制领域众所周知的难题。通常，最优控制问题被建模为混合整数规划，以表示储能系统中出现的逻辑约束（https://huggingface.co/papers?q=logical%20constraints），然后使用场景方法等数值方法近似求解。本文针对用户功率需求、太阳能发电、电网电价及电池效率等不确定性，提出了两种鲁棒微电网容量规划和功率调度最优控制问题的公式，并进行了比较。第一种公式使用二进制变量和大M约束（https://huggingface.co/papers?q=big-M%20constraints），形成混合整数线性规划（https://huggingface.co/papers?q=mixed-integer%20linear%20program）。第二种公式通过对逻辑约束（https://huggingface.co/papers?q=logical%20constraints）进行精确光滑重构（https://huggingface.co/papers?q=smooth%20reformulation），将问题转化为连续非线性规划（https://huggingface.co/papers?q=continuous%20nonlinear%20program），其中包含额外的建模变量和非凸约束。随后，我们提出了一种新颖的局部约简算法（https://huggingface.co/papers?q=local%20reduction%20algorithm），对现有方法进行扩展，以求解上述两个问题。通过使用10万样本的蒙特卡洛模拟（https://huggingface.co/papers?q=Monte%20Carlo%20simulations）评估局部约简返回的解，对两种公式进行了比较，取得了令人满意的结果，两者的平均可行性率（https://huggingface.co/papers?q=feasibility%20rate）均超过90%。

查看 arXiv 页面（https://arxiv.org/abs/2606.12345）查看PDF（https://arxiv.org/pdf/2606.12345）GitHub1（https://github.com/shidingz/EDV）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.12345）

在您的agent中获取此论文：

hf papers read 2606.12345

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2606.12345 以在本页链接它。

引用此论文的数据集1

qsun2001/meshflow 更新于8天前 • 105 • 1 (https://huggingface.co/datasets/qsun2001/meshflow)

引用此论文的Spaces0

没有Space关联此论文

在Space README.md中引用 arxiv.org/abs/2606.12345 以在本页链接它。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集（https://huggingface.co/new-collection）以在本页链接它。