气候不确定性下能源规划的稳定化 Benders 分解方法
最优化与控制
2024-01-29 v4
摘要
本文针对气候不确定性下能源规划的两阶段随机问题应用 Benders 分解，这是可再生能源系统设计中的一个关键问题。为提升性能，我们针对该问题的特征——一个简单的连续主问题和少量但规模庞大的子问题——调整了 Benders 分解的多种改进方法。主要焦点在于稳定化，具体地将既有的束方法（bundle methods）与针对连续问题的二次信赖域方法进行比较。大量的计算对比表明，所有稳定化方法均能显著减少计算时间。然而，二次信赖域方法和非二次盒步（box-step）方法最为鲁棒且易于实现。在并行化后，所引入的算法性能优于原始版 Benders 分解达 100 倍。与现成求解器相比，当情景数量增加时计算时间保持恒定。总之，该算法能够针对大量气候年份实现可再生能源系统的鲁棒规划。除气候不确定性外，它还能使能源规划中广泛的其他分析在计算上可行，例如内生学习和生成替代方案的建模。
引用
@article{arxiv.2208.07078,
title = {Stabilized Benders decomposition for energy planning under climate uncertainty},
author = {Leonard Göke and Felix Schmidt and Mario Kendziorski},
journal= {arXiv preprint arXiv:2208.07078},
year = {2024}
}