基于消费预测以最小化电力成本的大学活动进化调度

本文提出了一种“先预测再优化”问题的解决方案，其目标是降低大学校园的电力成本。所提出的方法结合了多维时间序列预测与一种大规模优化新方法。应用梯度提升方法预测莫纳什大学校园2020年11月的发电与消费时间序列。对于消费预测，我们采用对数变换来建模趋势并稳定方差。在适用时，向模型输入添加额外的季节性与趋势特征。所得预测用作大学活动与电池使用调度优化的基础负荷。优化的目标是最小化由电价与峰值电费组成的电力成本（二者均受课堂活动与电池使用负荷影响）以及未调度某些可选活动的惩罚。课堂活动的调度通过协方差矩阵适应进化策略与遗传算法的进化优化获得。随后通过对每项活动逐一测试可能时间进行局部搜索来改进该调度。电池调度被表述为混合整数规划问题并由Gurobi求解器求解。该方法在与IEEE竞赛中提出的其他6种方法（均使用混合整数规划与Gurobi求解器来调度活动与电池使用）评估时，获得了第二低的成本。本文所用代码与数据已公开可用。