可再生能源调度中的预测+优化问题
人工智能
2025-04-15 v2
摘要
预测+优化框架将预测与优化相结合，以应对可再生能源调度等现实挑战，其中波动性与不确定性是关键因素。本文对 IEEE-CIS 预测+优化可再生能源调度技术挑战赛的方案进行了基准评测，重点在于预测可再生能源出力与需求并优化能源成本。该竞赛共吸引了 49 名参与者。排名最高的方法采用基于 LightGBM 集成模型的随机优化，相比确定性方法实现了至少 2% 的能源成本降低，表明最准确的点预测未必能保证下游优化中的最佳性能。所发布的数据与问题设定为能源系统一体化预测-优化方法的进一步研究建立了基准，凸显了在优化模型中考虑预测不确定性以实现经济可靠能源管理的重要性。本工作的新颖性在于对应用于真实可再生能源调度问题的预测+优化方法进行了全面评估，为所提方案的可扩展性、泛化性与有效性提供了见解。潜在应用超越能源系统，延伸至任何需要一体化预测与优化的领域，如供应链管理、交通规划与金融投资组合优化。
引用
@article{arxiv.2212.10723,
title = {Predict+Optimize Problem in Renewable Energy Scheduling},
author = {Christoph Bergmeir and Frits de Nijs and Evgenii Genov and Abishek Sriramulu and Mahdi Abolghasemi and Richard Bean and John Betts and Quang Bui and Nam Trong Dinh and Nils Einecke and Rasul Esmaeilbeigi and Scott Ferraro and Priya Galketiya and Robert Glasgow and Rakshitha Godahewa and Yanfei Kang and Steffen Limmer and Luis Magdalena and Pablo Montero-Manso and Daniel Peralta and Yogesh Pipada Sunil Kumar and Alejandro Rosales-Pérez and Julian Ruddick and Akylas Stratigakos and Peter Stuckey and Guido Tack and Isaac Triguero and Rui Yuan},
journal= {arXiv preprint arXiv:2212.10723},
year = {2025}
}