净负荷不确定性下机组组合决策的预测式处方方法
最优化与控制
2022-12-01 v1
摘要
为在不确定净负荷下制定机组组合（UC）决策，多数研究采用随机 UC（SUC）模型，该模型对不确定性使用一刀切的表示方式。由于忽略天气预测等上下文信息以及时间信息，这些模型通常受困于较差的样本外表现。为有效利用上下文信息，本文构建了给定协变量观测值下求解的条件 SUC 问题。该问题依赖于净负荷的真实条件分布，因此在实践中无法求解。为近似其解，我们提出一种预测式处方框架，其利用机器学习模型导出权重，用于求解重新加权样本平均近似问题。与现有预测式处方框架不同，我们基于特定数据集对学习模型给出的权重进行调整，提出一种选择相关协变量的方法，并依据框架策略的样本外代价调优其超参数。我们开展了大量数值研究，阐明了该框架相对于各类基准方法的相对优势。
引用
@article{arxiv.2211.17025,
title = {Predictive Prescription of Unit Commitment Decisions Under Net Load Uncertainty},
author = {Ogun Yurdakul and Feng Qiu and Sahin Albayrak},
journal= {arXiv preprint arXiv:2211.17025},
year = {2022}
}
备注
5 pages, 2 figures