用于投资计划的可计算概率模型
机器学习
2026-03-17 v3
摘要
电力公司的投资计划，如发电和输电扩建，需要在十年甚至更长时间的政策、需求、可再生能源可用性和故障等不确定性下做出决策，同时保持可靠性和计算可行性。传统方法使用有限情景集合近似不确定性（在统计理论中建模为 Dirac 混合），随着情景细节的增加会变得计算密集，并且为可靠性评估提供有限的概率分辨率。我们提出了一种替代方法，基于可计算概率模型，使用 sum-product 网络（SPN）在紧凑、可解析的形式中表示高维不确定性，以支持精确概率查询（如似然值、边际分布和条件分布）。该框架使将机会约束直接嵌入混合整数线性规划（MILP）模型中成为可能，以评估可靠性事件并强制执行概率可行性要求，而无需遍历大型情景树。我们在代表性的规划案例中展示了该方法，并报告了可靠性-成本权衡和相对于标准情景-based 公式的计算行为。
关键词
引用
@article{arxiv.2511.13888,
title = {Tractable Probabilistic Models for Investment Planning},
author = {Nicolas M. Cuadrado A. and Mohannad Takrouri and Jiří Němeček and Martin Takáč and Jakub Mareček},
journal= {arXiv preprint arXiv:2511.13888},
year = {2026}
}