基于有界误差的时间序列聚合的虚拟电厂最优投资规划
最优化与控制
2025-04-29 v1
摘要
本研究解决了虚拟电厂（VPP）的投资规划问题，该问题形式化为混合整数线性规划（MILP）模型。随着二进制变量的数量增加和投资时间范围的延长，该问题可能变得计算上不可克服。为缓解此问题，通常会采用时间序列聚合（TSA）方法。然而，由于 TSA 通常会导致精度损失，标准做法是推导边界来控制相关误差。现有方法仅在线性情形下验证这些边界，而当应用于 MILP 模型时，往往会产生启发式方法，甚至可能产生不可行的解。为填补这一差距，我们提出了一种用于求解以 MILP 模型形式化的 VPP 投资规划问题的方法，同时确保目标函数中存在有界误差。我们的主要理论贡献在于正式证明所导出的边界在每个迭代中仍然有效。值得注意的是，所提出的方法在整个迭代过程中始终保证可行解。数值结果表明，所提出的 TSA 方法在计算效率方面优于标准全尺度优化。
引用
@article{arxiv.2504.19699,
title = {Optimal Virtual Power Plant Investment Planning via Time Series Aggregation with Bounded Error},
author = {Luca Santosuosso and Sonja Wogrin},
journal= {arXiv preprint arXiv:2504.19699},
year = {2025}
}