基于学习型联合机会约束方法调度HVAC负荷以促进分布式可再生能源并网
系统与控制
2022-10-03 v3 系统与控制
最优化与控制
摘要
通过调度供热、通风与空调(HVAC)负荷等灵活资源，可有效促进配电网中分布式可再生能源(DRG)的并网。然而，由于DRG出力具有高度不确定性，为其寻找最优调度并非易事。针对该问题，本文提出一种基于学习的联合机会约束方法来协调HVAC负荷与DRG。与采用个体机会约束管理不确定性的前沿工作不同，本文利用联合机会约束(JCCs)控制所有关键约束的违反概率。这种联合方式可基于调度员的偏好显式保证整个系统的运行安全。为克服JCCs的难解性，我们首先证明JCCs可被具有适当不确定性集的鲁棒约束安全近似。随后引入著名机器学习算法——单类支持向量聚类，为这些鲁棒约束构造足够小的多面体不确定性集。进一步基于强对偶性导出线性鲁棒对应问题以保证计算效率。基于多种分布式不确定性的数值结果证实了所提方法在最优性与可行性方面的优势。
引用
@article{arxiv.2112.09827,
title = {Scheduling HVAC loads to promote renewable generation integration with a learning-based joint chance-constrained approach},
author = {Ge Chen and Hongcai Zhang and Hongxun Hui and Yonghua Song},
journal= {arXiv preprint arXiv:2112.09827},
year = {2022}
}
备注
9 pages