滚动预测几乎在可再生能源存储文献中几乎被忽略了。在本文中,我们提供了一种新的方法来处理不确定性,而不仅仅是预测的准确性,而且是随着时间的推移的预测的演变。我们的方法将焦点从建模looka-Head模型中的不确定性转变为随机基本模型中的准确模拟。我们通过创建一个参数修改的lookahead模型来制定强大的策略,以制定存储决策,其中参数在随机基本模型中调整。由于计算无偏的随机梯度相对于参数需要限制性假设,因此我们根据数值导数提出了一种基于模拟的随机近似算法,以优化这些参数。虽然基于嘈杂函数评估的数值衍生物提供了偏见的梯度估计值,但在我们提出的算法的框架内建立的一种在线差异降低技术将使我们能够控制累积的偏置错误并建立算法算法的算法利率。我们的数值实验表明,该算法中的性能超过了确定性基准策略。
主要关键词