XiaoMi-AI文件搜索系统
World File Search SystemBenders
高性能容量扩展模型的正则化 Benders 分解
摘要 — 我们考虑电力容量扩张模型，该模型通过最小化投资和运营成本来优化投资和退役决策。为了为规划和政策决策提供可靠的支持，这些模型需要包括详细的运营和时间耦合约束，考虑与天气相关的参数和需求数据的多种可能实现，并允许对离散投资和退役决策进行建模。这些要求导致大规模混合整数优化问题，而这些问题是现成的求解器无法解决的。因此，实际的解决方法通常依赖于精心设计的抽象技术，以在减少计算负担和模型准确性之间找到最佳折衷。Benders 分解提供了可扩展的方法来利用分布式计算资源并使模型具有高分辨率和计算性能。在本研究中，我们为具有多个规划期、随机运营场景、时间耦合策略约束以及多日储能和水库水力资源的大规模容量扩张模型实施了一种量身定制的 Benders 分解方法。使用多个案例研究，我们还评估了几种水平集正则化方案以加速收敛。我们发现，在可行集内部选择规划决策的正则化方案与以前发布的方法相比表现出更优异的性能，从而能够以前所未有的计算性能解决高分辨率混合整数规划问题。
使用弯曲器分解算法的微电网尺寸和能量管理
微电网具有越来越多的关注，因为它们可以促进可再生能源的整合。为了充分利用微电网，制定并解决了优化问题以确定其最佳计划（即尺寸和能源管理）。但是，这些问题很复杂且耗时解决。在本文中，我们关注基于弯曲器算法的时间分解，以减少计算时间，同时仍然获得最佳解决方案。时间分解将初始问题划分为较小的时间间隔的子问题。这项工作的第一个原始性是将这种时间分解应用于混合企业线性问题的方法的主张，以实现微电网的最佳计划。第二个独创性是研究以下相关参数对基于Benders算法的时间分解时间计算时间的影响：问题的分解周期，问题的性质，整体时间范围和CPU的数量。此外，与以前的文献相反，我们提出的方法表现出计算时间减少。对于经过考虑的案例研究，它们的最高为5.6倍。我们的结果还突出了分解周期的存在，该分解周期最大化了性能。此外，我们发现时间分解特别有效，对于较大的时间范围的混合构成线性问题，并且可以使用超过16个CPU。提出的通用方法和我们的结果对研究人员和旨在在缩短计算时间内找到其微电网的最佳尺寸和运行的微电网项目持有人可能非常有用。
使用稳定的自适应弯曲器分解
a Department of Industrial Economics and Technology Management, Norwegian University of Science and Technology, Høgskoleringen 1, 7491, Trondheim, Norway b School of Mathematical Sciences, University of Southampton, Building 54, Highfield Campus, Southampton, SO14 3ZH, United Kingdom c Department of Chemical Engineering, Carnegie Mellon University, 5000 Forbes Avenue, Pittsburgh,美国爱丁堡大学数学学院PA 15213，詹姆斯·克莱克·麦克斯韦（James Clerk Maxwell）大楼，彼得·格特里·泰特路（Peter Guthrie Tait Road）
具有机会约束的两阶段随机混合整数规划，用于扩展飞机到达管理
扩展飞机到达管理问题是经典飞机着陆问题的扩展，旨在提前几个小时将飞机安排到目的地机场。本文提出了一个由机会约束强化的两阶段随机混合整数规划模型。第一阶段优化问题确定飞机序列和航站楼区域参考点（称为初始进近定位点 (IAF)）上的目标时间，以最小化着陆序列长度。假设 IAF 上的实际时间按照已知的概率分布随机偏离目标时间。在第二阶段，假设 IAF 上的实际时间是公开的，并且着陆时间将根据最小化时间偏差影响成本函数来确定。提出了 Benders 重新表述，并概述了 Benders 分解的加速技术。巴黎戴高乐机场的大量实际案例结果表明，两阶段随机和机会约束规划优于确定性策略。
沼气反向供应链网络设计基于生物质
今天，由于化石燃料资源减少和能源消耗的增加，可再生能源产生基础设施越来越多。在这方面，沼气供应链具有产生能量的高潜力。本文旨在设计一个双目标沼气供应链网络，以生成功率和肥料。为多级沼气供应链开发了一个混合企业线性编程（MILP）模型，并在不同的参数不确定性下具有生物量输入。采用了一种随机的编程方法来应对这种价值链的内在不确定性。现实的不确定性建模允许调整绩效和鲁棒性之间权衡的保守主义水平。所采用的随机制作编程途径不仅降低了最佳波动，并为不确定性提供了合理的分配空间，而且还提高了网络灵活性并减轻了决策风险。最后，使用Benders分解（BD）算法解决模型。这项研究通过根据先前生成的解决方案和帕累托最佳切割来增强弯曲器切割，从而获得了更高效的解决方案。以合理的速率收敛到最佳解决方案的实现算法。
具有每周储能功能的发电机组随机调度：一种混合分解方法
我们提出了一种解决大规模随机机组组合 (SUC) 问题的方法，该问题具有每周调度的储能和显著的天气依赖性随机发电能力。每周储能设施主要在周末充电，在工作日放电，需要每周调度发电机组，这会导致大规模优化问题。该 SUC 问题被表述为两阶段随机模型，我们使用条件风险价值作为风险度量。使用 Benders 框架，提出的解决方法将问题分解为混合整数线性主问题和线性和连续子问题。主问题对应于整个星期的第一阶段决策，包括所有承诺（二进制）变量及其相应的约束。子问题对应于每周对发电机组的实际调度。基于列和约束生成算法在解决稳健优化问题方面的成功经验，我们通过将子问题的原始变量和约束添加到主问题中，改进了标准 Benders 分解中主问题和子问题之间的低通信量，从而提供了更好的补救函数近似值。我们的计算实验使用南卡罗来纳州合成系统实例（在 40 种场景下有 90 个发电机组）证明了所提出的分解方法的有效性。
人脑映射-2023 -Piccirilli-早产和新生儿中的脑血流模式，并评估了pdf
Chakraborty，C.，Joung，J.，Foo，L.C.，Thompson，A.，Chen，C.，Smith，S.J。，＆Barres，B。 A. （2013）。 星形胶质细胞通过MEGF10和MERTK途径介导突触消除。 自然，504（7480），394 - 400。https：//doi.org/10.1038/nature12776 de Vis，J. B.，Hendrikse，J.，Groenendaal，F.，de Vries，L.S.，Kersbergen，K.J.，Benders，M.J。，＆Petersen，E.T。（2014）。 新生儿血细胞比容变异性对血液的纵向松弛时间的影响：对动脉自旋标记MRI的影响。 Neuroimage Clin，4，517 - 525。https：//doi.org/10.1016/j.nicl.2014.03.006 de Vis，J. B.，Petersen，E。T.，De Vries，L.S.，Groenendaal，F.，Kersbergen，K。J.，Alderliesten，T. （2013）。 在脑成熟过程中脑灌注的区域变化，在新生儿中，通过动脉自旋标记MRI进行了非侵入性测量。 欧洲放射学杂志，82（3），538 - 543。https：//doi.org/10。 1016/j.ejrad.2012.10.013 Fyfe，K。L.，Yiallourou，S。R.，Wong，F。Y.，＆Horne，R。S.（2014）。 Devel-Chakraborty，C.，Joung，J.，Foo，L.C.，Thompson，A.，Chen，C.，Smith，S.J。，＆Barres，B。A.（2013）。星形胶质细胞通过MEGF10和MERTK途径介导突触消除。自然，504（7480），394 - 400。https：//doi.org/10.1038/nature12776 de Vis，J.B.，Hendrikse，J.，Groenendaal，F.，de Vries，L.S.，Kersbergen，K.J.，Benders，M.J。，＆Petersen，E.T。（2014）。新生儿血细胞比容变异性对血液的纵向松弛时间的影响：对动脉自旋标记MRI的影响。Neuroimage Clin，4，517 - 525。https：//doi.org/10.1016/j.nicl.2014.03.006 de Vis，J.B.，Petersen，E。T.，De Vries，L.S.，Groenendaal，F.，Kersbergen，K。J.，Alderliesten，T.（2013）。在脑成熟过程中脑灌注的区域变化，在新生儿中，通过动脉自旋标记MRI进行了非侵入性测量。欧洲放射学杂志，82（3），538 - 543。https：//doi.org/10。1016/j.ejrad.2012.10.013 Fyfe，K。L.，Yiallourou，S。R.，Wong，F。Y.，＆Horne，R。S.（2014）。 Devel-1016/j.ejrad.2012.10.013 Fyfe，K。L.，Yiallourou，S。R.，Wong，F。Y.，＆Horne，R。S.（2014）。Devel-
功能安全：新的架构视角
四年多以前，我挑战自己在工作之余攻读博士学位。当时这似乎是一件轻而易举的事！我想这能有多难？我在 TNO 的工作已经涉及研究。时间证明我错了！这项挑战不是我能独自完成的；幸运的是，我得到了许多了不起的人的帮助，没有他们我就无法完成这篇论文。我很享受攻读博士学位的时光，学到了很多新的课程和技能，这些必将伴随我一生。我要向参与我项目的每个人表示感谢。首先，我要特别感谢我的大学导师 Mark van den Brand 和 Johan Lukkien，他们相信我并给了我尝试的机会。感谢你们所有的指导，包括技术和非技术方面的指导。从 TNO 方面来说，我的经理 Daan de Cloe、Bastiaan Krosse 和 Maurice Kwakkernaat 一直支持着我。我非常珍惜我们在一起的时光，感谢你们为我提供支持和指导，让我克服了这一挑战。这些年来，我有幸得到了许多顾问的帮助，他们以不同的方式帮助了我。我感谢你们所有人，没有你们的建议，我不可能取得今天的成就。特别感谢 Peter Heuberger、Peter Zomer、Joelle van den Broak、Joke Welten、Mohsen Alirezaei、Yanja Dajsuren、Yaping (Luna) Luo、Ellen van Nunen、Robert Deckers、Henk Goossens、Hala Elrofai、Ion Barosan 和 Terry Fruehling 在需要时提供的宝贵建议。我要感谢我的指导委员会，他们在我博士学位的不同阶段为我提供了技术指导：Tjerk Bijlsma、Robert Verschuren、Johan van der Kamp 和 Frank Benders。我对我的团队领导表示敬意和感谢：VDEC 时代的 Robert Verschuren 和 Antoine、我在 OFS 期间的 John Vissers 和 Ron Wouters、以及我在 AMT 期间的 Jeroen Uittenbogaard。我有幸与许多人合作，共同发表了一些出版物。除了我的导师之外，我还要感谢我的合著者 Filip Pawel Cichosz、Yaping (Luna) Luo、Sven Jansen、Tjerk Bijlsma、Ellen van Nunen、Francesco Esposto、Jan-Pieter Paardekooper、Frank Benders、Richard Koch、Eric Barbier、John Vissers、Erwin de Gelder、Andre Smulders、Dennis van den Brand、Jos Hegge、 Terry Fruehling、Jan Friso Groote、Robert Deckers、Hala Elofai、Olaf op den Camp 和 Jeroen Ploeg。在过去的几年里，我在 TNO 参与了许多项目。我想特别向 EcoTwin、Streetwise、Simplexity 和 Accelerate 项目的成员表示感谢。特别感谢 Frank Benders、Ron Wouters、Mohsen Alirezaei、Tjerk Bijlsma、Dimitar Binev、Geert Verhaeg、Emilia Silvas、Sytze Kalisvaart、Hala Elrofai、Mau-
使用鲸鱼优化算法实现电池储能系统的最佳布局
近年来，电池储能系统 (BESS) 已成为配电网中的一种流行选择，因为 BESS 提供了许多好处，包括时间平移、电压和电网支持、旋转备用、调峰和功率因数校正 [1]，[2]。同时，对于可再生能源 (RE) 源集成配电系统，BESS 通过提供网络支持（例如平滑可再生能源发电的输出、在发电损失期间提供穿越能力以及在高负载需求期间通过存储电力在负载需求低时供电）来增强可再生能源发电的性能，使其更加稳定和可靠 [3]-[5]。尽管如此，BESS 的安装需要最佳规划，因为在电力系统的每个总线上放置 BESS 可能会给公用事业带来高昂的投资成本 [6]。在 [7] 中，基于总线电压计算了灵敏度矩阵，以获得考虑各种簇数的 BESS 的最佳位置。结果表明，无论簇数多少，BESS 始终位于关键总线上。同时，Benders 分解方法是
不确定性条件下的负荷—储能联合规划
随着可再生能源在电力系统中的聚集，其引起的不确定性影响着电力系统的规划和运行。同时，现有的规划模型未能考虑可再生能源的不确定性方法，特别是关于可再生能源的置信度和未来可能情景；因此，提出了一种基于置信度的情景聚类方法。本文提出了一种新的发电机、网络、负荷和储能 (GNLS) 联合规划模型。首先，构建基于置信度的情景聚类，通过对风能、太阳能和负荷进行聚类和分析来反映不确定性。其次，所提出的模型侧重于负荷和储能联合规划，此外，还使用相关的灵活指标来评估模型。最后，将 GNLS 联合规划模型构建为连续时间尺度上的双层随机模型。使用 Benders 分解算法对该模型进行求解。本文使用 IEEE RTS 24 节点和中国的实际测试系统进行了验证，以证明可再生能源弃风的减少和电力系统规划中经济因素的优化。