混合氢-电池储能微电网的长期能源管理：一种无预测协调优化框架

本文研究混合氢-电池储能的微电网长期能源管理。我们开发了一种半经验氢储能模型，以准确捕捉氢储能的功率依赖效率。我们引入了一种无预测两阶段协调优化框架，该框架离线生成氢储能的年度荷电状态 (SoC) 参考值。在在线运行期间，它利用核回归在线更新 SoC 参考值，并基于提出的基于自适应虚拟队列的在线凸优化 (OCO) 算法做出运行决策。我们创新性地引入了用于长期模式跟踪的惩罚项以及用于步长更新的专家跟踪。我们提供了理论证明，表明所提出的 OCO 算法在不使用预测信息的情况下实现了次线性的动态遗憾界。基于 Elia 和 North China 数据集的数值研究表明，所提出的框架通过将运行成本和负荷损失分别降低约 30% 和 80%，显著优于现有的在线优化方法。这些收益可通过优化 OCO 的惩罚系数和步长设置以及更多历史参考值进一步提升。