XiaoMi-AI文件搜索系统
World File Search SystemBenders
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）
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。