FICA: 面向带决策耦合不确定性的概率约束网格调度的更快内凸近似

本文提出了一种更快的内凸近似（FICA）方法，用于求解具有 Wasserstein 分布鲁棒联合概率约束（WJCC）的电力系统调度问题，并纳入自动发电控制因素的建模。所研究的问题属于 Wasserstein 联合概率约束（WJCC）左侧不确定性（LHS-WJCC）的计算具有挑战性的类别。通过利用问题的特殊一维结构（即便是部分存在），所提出的 FICA 包含一组强有效不等式以加速求解过程。我们证明了 FICA 与著名的条件价值-at-risk（CVaR）内凸近似方法具有相同的优化性。我们的数值实验表明，所提出的 FICA 比 CVaR 快 40 倍，且当优化时域超过 16 个时间步时，甚至可达到 500 倍的加速。这种加速是在仅有 50% 的 WJCC 约束具有一维结构时实现的。数值上验证了 FICA 的近似质量与 CVaR 相同，与 LHS-WJCC 计算昂贵的精确重构之间的差距在大多数情况下小于 1%。我们还讨论了 FICA 在其他一些在 (部分) 存在一维结构的问题中的应用。