Overview on Data-driven Optimal Scheduling Methods of Power System in Uncertain Environment

Zhuoxin LU; Xiaoyuan XU; Zheng YAN; Jiang WU; Da SANG; Shu WANG

doi:10.7500/AEPS20200202004

您当前的位置：

首页 >

文章列表页 >

Overview on Data-driven Optimal Scheduling Methods of Power System in Uncertain Environment

Review | 更新时间：2025-06-16

- Overview on Data-driven Optimal Scheduling Methods of Power System in Uncertain Environment
- Automation of Electric Power Systems Vol. 44, Issue 21, Pages: 172-183(2020)
- 作者机构：
  
  1.电力传输与功率变换控制教育部重点实验室（上海交通大学），上海市 200240
  2.国家电网有限公司华东分部，上海市 200120
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China
- DOI：10.7500/AEPS20200202004
  CLC：
- Received：02 February 2020，
  
  Revised：2020-06-17，
  
  Published Online：31 August 2020，
  
  Published：10 November 2020
- 稿件说明：
移动端阅览
鲁卓欣,徐潇源,严正等.不确定性环境下数据驱动的电力系统优化调度方法综述[J].电力系统自动化,2020,44(21):172-183.

LU Zhuoxin,XU Xiaoyuan,YAN Zheng,et al.Overview on Data-driven Optimal Scheduling Methods of Power System in Uncertain Environment[J].Automation of Electric Power Systems,2020,44(21):172-183.
鲁卓欣,徐潇源,严正等.不确定性环境下数据驱动的电力系统优化调度方法综述[J].电力系统自动化,2020,44(21):172-183. DOI： 10.7500/AEPS20200202004.

LU Zhuoxin,XU Xiaoyuan,YAN Zheng,et al.Overview on Data-driven Optimal Scheduling Methods of Power System in Uncertain Environment[J].Automation of Electric Power Systems,2020,44(21):172-183. DOI： 10.7500/AEPS20200202004.

摘要

随着可再生能源大规模并网，电力系统运行的不确定性显著增加，考虑不确定性因素的调度方法逐渐得到重视。另一方面，建立准确的不确定性因素模型是求解优化问题的前提与关键，可再生能源出力具有复杂的不确定性，其发电数据为随机调度提供了科学的数据支撑。文中总结了不确定性环境下数据驱动的电力系统调度的理论方法以及应用场景。首先，总结了传统随机优化调度中数据驱动的随机变量建模方法。其次，介绍了鲁棒优化调度中数据驱动的不确定性集合建模方法。然后，针对随机优化中不确定性因素建模不准确以及鲁棒优化结果较为保守的问题，重点阐述了基于数据驱动分布鲁棒的电力系统优化调度理论与方法，梳理了随机变量的概率分布模糊集构建方法和分布鲁棒优化的模型构建及求解算法。最后，对数据驱动的电力系统调度未来的研究工作进行了展望。

Abstract

With the large-scale integration of renewable energy

uncertainties significantly rise in power system operation.Scheduling methods that take uncertainties into account gradually draw more and more attentions. Meanwhile

the establishment of an accurate uncertain model is the premise and key to solve the optimization problem. The output of the renewable energy has complex uncertainties

and its power generation data provide scientific data support for stochastic scheduling. This paper summarizes the theoretical methods and application scenarios of data-driven scheduling for power systems in uncertain environments. Firstly

data-driven modeling methods of random variables in traditional stochastic optimal scheduling are summarized. Secondly

modeling methods of data-driven uncertain sets in robust optimal scheduling are introduced. Then

aiming at the problems of inaccurate modeling of uncertain factors and conservative results of the robust optimization in stochastic optimization

the theory and method of optimal scheduling for power systems are explained based on data-driven distributed robustness; and the construction method of probability distribution fuzzy set of random variables

the model construction and solution algorithm of distribution robust optimization are sorted out. Finally

the future research work of data-driven scheduling for power systems is prospected.

关键词

Keywords

references

International Renewable Energy Agency . Global energy transformation： a roadmap to 2050 ［EB/OL］. ［ 2020-06-01 ］. http：//www.doc88.com/p-0764853879965.html http://www.doc88.com/p-0764853879965.html .

国家发展和改革委员会能源研究所 . 中国2050高比例可再生能源发展情景暨路径研究［EB/OL］.［ 2020-06-01 ］. https：//max.book118.com/html/2018/0225/154636939.shtm https://max.book118.com/html/2018/0225/154636939.shtm .

Energy Research Institute of National Development and Reform Commission . High renewable energy penetration scenario and road map study in 2050 China ［EB/OL］. ［ 2020-06-01 ］. https：//max.book118.com/html/2018/0225/154636939.shtm https://max.book118.com/html/2018/0225/154636939.shtm .

NING C ， YOU F . Data-driven stochastic robust optimization： general computational framework and algorithm leveraging machine learning for optimization under uncertainty in the big data era ［J］. Computers & Chemical Engineering ， 2018 ， 111 ： 115 - 133 .

SHANG C ， YOU F . Distributionally robust optimization for planning and scheduling under uncertainty ［J］. Computers & Chemical Engineering ， 2018 ， 110 ： 53 - 68 .

ZHENG Q P ， WANG J ， LIU A L . Stochastic optimization for unit commitment： a review ［J］. IEEE Transactions on Power Systems ， 2014 ， 30 （ 4 ）： 1913 - 1924 .

TAN W S ， SHAABAN M ， AB KADIR M Z A . Stochastic generation scheduling with variable renewable generation： methods， applications， and future trends ［J］. IET Generation ， Transmission & Distribution ， 2019 ， 13 （ 9 ）： 1467 - 1480 .

于丹文，杨明，翟鹤峰，等 . 鲁棒优化在电力系统调度决策中的应用研究综述［J］. 电力系统自动化， 2016 ， 40 （ 7 ）： 134 - 143 .

YU Danwen ， YANG Ming ， QU Hefeng ， et al . An overview of robust optimization used for power system dispatch and decision-making ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 7 ）： 134 - 143 .

刘羽霄，张宁，康重庆 . 数据驱动的电力网络分析与优化研究综述［J］. 电力系统自动化， 2018 ， 42 （ 6 ）： 157 - 167 .

LIU Yuxiao ， ZHANG Ning ， KANG Chongqing . A review on data-driven analysis and optimization of power grid ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 6 ）： 157 - 167 .

易驰韡，胡泽春，宋永华 . 考虑注入功率分布的随机最优潮流方法［J］. 电网技术， 2013 ， 37 （ 2 ）： 367 - 371 .

YI Chiwei ， HU Zechun ， SONG Yonghua . A stochastic optimal power flow method considering power injection distributions ［J］. Power System Technology ， 2013 ， 37 （ 2 ）： 367 - 371 .

MAULIK A ， DAS D . Optimal power dispatch considering load and renewable generation uncertainties in an AC-DC hybrid microgrid ［J］. IET Generation ， Transmission & Distribution ， 2019 ， 13 （ 7 ）： 1164 - 1176 .

潘雄，周明，孔晓民，等 . 风速相关性对最优潮流的影响［J］. 电力系统自动化， 2013 ， 37 （ 6 ）： 37 - 41 .

PAN Xiong ， ZHOU Ming ， KONG Xiaomin ， et al . Impact of wind speed correlation on optimal power flow ［J］. Automation of Electric Power Systems ， 2013 ， 37 （ 6 ）： 37 - 41 .

王豹，徐箭，孙元章，等 . 基于通用分布的含风电电力系统随机动态经济调度［J］. 电力系统自动化， 2016 ， 40 （ 6 ）： 23 - 30 .

WANG Bao ， XU Jian ， SUN Yuanzhang ， et al . Stochastic dynamic economic dispatch of power systems considering wind power based on versatile probability distribution ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 6 ）： 23 - 30 .

邓创，鞠立伟，刘俊勇，等 . 基于模糊CVaR理论的水火电系统随机调度多目标优化模型［J］. 电网技术， 2016 ， 40 （ 5 ）： 1447 - 1454 .

DENG Chuang ， JU Liwei ， LIU Junyong ， et al . Stochastic scheduling multi-objective optimization model for hydro-thermal power system based on fuzzy CVaR theory ［J］. Power System Technology ， 2016 ， 40 （ 5 ）： 1447 - 1454 .

LIU X ， XU W . Economic load dispatch constrained by wind power availability： a here-and-now approach ［J］. IEEE Transactions on Sustainable Energy ， 2010 ， 1 （ 1 ）： 2 - 9 .

刘斌，刘锋，王程，等 . 考虑风电场灵活性及出力不确定性的机组组合［J］. 电网技术， 2015 ， 39 （ 3 ）： 730 - 736 .

LIU Bin ， LIU Feng ， WANG Cheng ， et al . Unit commitment considering flexibility and uncertainty of wind power generation ［J］. Power System Technology ， 2015 ， 39 （ 3 ）： 730 - 736 .

WU L ， SHAHIDEHPOUR M ， LI T . Stochastic security-constrained unit commitment ［J］. IEEE Transactions on Power Systems ， 2007 ， 22 （ 2 ）： 800 - 811 .

CONSTANTINESCU E M ， ZAVALA V M ， ROCKLIN M ， et al . A computational framework for uncertainty quantification and stochastic optimization in unit commitment with wind power generation ［J］. IEEE Transactions on Power Systems ， 2011 ， 26 （ 1 ）： 431 - 441 .

叶林，李智，孙舶皓，等 . 基于随机预测控制理论和功率波动相关性的风电集群优化调度［J］. 中国电机工程学报， 2018 ， 38 （ 11 ）： 3172 - 3183 .

YE Lin ， LI Zhi ， SUN Bohao ， et al . Optimal dispatch of system integrated wind farm clusters based on stochastic model predictive control considering temporal correlation of wind power ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 11 ）： 3172 - 3183 .

吴杰康，唐力 . 含不确定性负荷的水火电力系统随机优化调度［J］. 中国电机工程学报， 2012 ， 32 （ 28 ）： 36 - 43 .

WU Jiekang ， TANG Li . Stochastic optimization scheduling method for hydrothermal power systems with stochastic loads ［J］. Proceedings of the CSEE ， 2012 ， 32 （ 28 ）： 36 - 43 .

XU X ， YAN Z ， XU S . Estimating wind speed probability distribution by diffusion-based kernel density method ［J］. Electric Power Systems Research ， 2015 ， 121 ： 28 - 37 .

元一平，王建学，周锟，等 . 协同短期调度的新能源电力系统月度机组组合模型与快速求解方法［J］. 中国电机工程学报， 2019 ， 39 （ 18 ）： 5336 - 5345 .

YUAN Yiping ， WANG Jianxue ， ZHOU Kun ， et al . Monthly unit commitment model coordinated short-term scheduling and efficient solving method for renewable energy power system ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 18 ）： 5336 - 5345 .

AKHAVAN-HEJAZI H ， MOHSENIAN-RAD H . Energy storage planning in active distribution grids： a chance-constrained optimization with non-parametric probability functions ［J］. IEEE Transactions on Smart Grid ， 2016 ， 9 （ 3 ）： 1972 - 1985 .

SAFTA C ， CHEN R L Y ， NAJM H N ， et al . Efficient uncertainty quantification in stochastic economic dispatch ［J］. IEEE Transactions on Power Systems ， 2016 ， 32 （ 4 ）： 2535 - 2546 .

LI J ， OU N ， LIN G ， et al . Compressive sensing based stochastic economic dispatch with high penetration renewables ［J］. IEEE Transactions on Power Systems ， 2018 ， 34 （ 2 ）： 1438 - 1449 .

HU Z ， XU Y ， KORKALI M ， et al . Uncertainty quantification in stochastic economic dispatch using Gaussian process emulation ［EB/OL］. ［ 2020-06-01 ］. https：//arxiv.org/abs/1909.09266 https://arxiv.org/abs/1909.09266 ？context=eess . SY .

CHEN Y ， WANG Y ， KIRSCHEN D ， et al . Model-free renewable scenario generation using generative adversarial networks ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 3 ）： 3265 - 3275 .

李康平，张展耀，王飞，等 . 基于GAN场景模拟与条件风险价值的独立型微网容量随机优化配置模型［J］. 电网技术， 2019 ， 43 （ 5 ）： 1717 - 1725 .

LI Kangping ， ZHANG Zhanyao ， WANG Fei ， et al . Stochastic optimization model of capacity configuration for stand-alone microgrid based on scenario simulation using GAN and conditional value at risk ［J］. Power System Technology ， 2019 ， 43 （ 5 ）： 1717 - 1725 .

王守相，陈海文，李小平，等 . 风电和光伏随机场景生成的条件变分自动编码器方法［J］. 电网技术， 2018 ， 42 （ 6 ）： 1860 - 1867 .

WANG Shouxiang ， CHEN Haiwen ， LI Xiaoping ， et al . Conditional variational automatic encoder method for stochastic scenario generation of wind power and photovoltaic system ［J］. Power System Technology ， 2018 ， 42 （ 6 ）： 1860 - 1867 .

魏韡，刘锋，梅生伟 . 电力系统鲁棒经济调度：（一）理论基础［J］. 电力系统自动化， 2013 ， 37 （ 17 ）： 37 - 43 .

WEI Wei ， LIU Feng ， MEI Shengwei . Robust and economical scheduling methodology for power systems： Part one theoretical foundations ［J］. Automation of Electric Power Systems ， 2013 ， 37 （ 17 ）： 37 - 43 .

ZHANG Z ， CHEN Y ， LIU X ， et al . Two-stage robust security-constrained unit commitment model considering time autocorrelation of wind/load prediction error and outage contingency probability of units ［J］. IEEE Access ， 2019 ， 7 ： 25398 - 25408 .

NING C ， YOU F . Optimization under uncertainty in the era of big data and deep learning： when machine learning meets mathematical programming ［J］. Computers & Chemical Engineering ， 2019 ， 125 ： 434 - 448 .

BERTSIMAS D ， LITVINOV E ， SUN A ， et al . Adaptive robust optimization for the security constrained unit commitment problem ［J］. IEEE Transactions on Power Systems ， 2012 ， 28 （ 1 ）： 52 - 63 .

VERÁSTEGUI F ， LORCA Á ， OLIVARES D E ， et al . An adaptive robust optimization model for power systems planning with operational uncertainty ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 6 ）： 4606 - 4616 .

高昇宇，柳志航，卫志农，等 . 城市智能光储充电塔自适应鲁棒日前优化调度［J］. 电力系统自动化， 2019 ， 43 （ 20 ）： 39 - 48 .

GAO Shengyu ， LIU Zhihang ， WEI Zhinong ， et al . Adaptive robust day-ahead optimal dispatch for urban smart photovoltaic storage and charging tower ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 20 ）： 39 - 48 .

GUAN Y ， WANG J . Uncertainty sets for robust unit commitment ［J］. IEEE Transactions on Power Systems ， 2013 ， 29 （ 3 ）： 1439 - 1440 .

LORCA A ， SUN A . Adaptive robust optimization with dynamic uncertainty sets for multi-period economic dispatch under significant wind ［J］. IEEE Transactions on Power Systems ， 2014 ， 30 （ 4 ）： 1702 - 1713 .

HOU W ， WEI H ， ZHU R . Data-driven multi-time scale robust scheduling framework of hydrothermal power system considering cascade hydropower station and wind penetration ［J］. IET Generation ， Transmission & Distribution ， 2018 ， 13 （ 6 ）： 896 - 904 .

NING C ， YOU F . A data-driven multistage adaptive robust optimization framework for planning and scheduling under uncertainty ［J］. AIChE Journal ， 2017 ， 63 （ 10 ）： 4343 - 4369 .

NING C ， YOU F . Data-driven adaptive robust unit commitment under wind power uncertainty： a Bayesian nonparametric approach ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 3 ）： 2409 - 2418 .

ROLDAN G C ， MINGUEZ R ， GARCIA-BERTRAND R ， et al . Robust transmission network expansion planning under correlated uncertainty ［J］. IEEE Transactions on Power Systems ， 2018 ， 34 （ 3 ）： 2071 - 2082 .

LI P ， GUAN X ， WU J ， et al . Modeling dynamic spatial correlations of geographically distributed wind farms and constructing ellipsoidal uncertainty sets for optimization-based generation scheduling ［J］. IEEE Transactions on Sustainable Energy ， 2015 ， 6 （ 4 ）： 1594 - 1605 .

KUMAR P ， YILDIRIM E A . Minimum-volume enclosing ellipsoids and core sets ［J］. Journal of Optimization Theory and Applications ， 2005 ， 126 （ 1 ）： 1 - 21 .

DING T ， LV J ， BO R ， et al . Lift-and-project MVEE based convex hull for robust SCED with wind power integration using historical data-driven modeling approach ［J］. Renewable Energy ， 2016 ， 92 ： 415 - 427 .

ZHANG Y ， AI X ， WEN J ， et al . Data-adaptive robust optimization method for the economic dispatch of active distribution networks ［J］. IEEE Transactions on Smart Grid ， 2018 ， 10 （ 4 ）： 3791 - 3800 .

VELLOSO A ， STREET A ， POZO D ， et al . Two-stage robust unit commitment for co-optimized electricity markets： an adaptive data-driven approach for scenario-based uncertainty sets ［J］. IEEE Transactions on Sustainable Energy ， 2020 ， 11 （ 2 ）： 958 - 969 .

MANCILLA-DAVID F ， ANGULO A ， STREET A . Power management in active distribution systems penetrated by photovoltaic inverters： a data-driven robust approach ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 3 ）： 2271 - 2280 .

WEI W ， LIU F ， MEI S . Distributionally robust co-optimization of energy and reserve dispatch ［J］. IEEE Transactions on Sustainable Energy ， 2015 ， 7 （ 1 ）： 289 - 300 .

LU X ， CHAN K ， XIA S ， et al . Security-constrained multiperiod economic dispatch with renewable energy utilizing distributionally robust optimization ［J］. IEEE Transactions on Sustainable Energy ， 2018 ， 10 （ 2 ）： 768 - 779 .

XIONG P ， JIRUTITIJAROEN P ， SINGH C . A distributionally robust optimization model for unit commitment considering uncertain wind power generation ［J］. IEEE Transactions on Power Systems ， 2016 ， 32 （ 1 ）： 39 - 49 .

ZHAO C ， JIANG R . Distributionally robust contingency-constrained unit commitment ［J］. IEEE Transactions on Power Systems ， 2017 ， 33 （ 1 ）： 94 - 102 .

周安平，杨明，翟鹤峰，等 . 计及风电功率矩不确定性的分布鲁棒实时调度方法［J］. 中国电机工程学报， 2018 ， 38 （ 20 ）： 5937 - 5946 .

ZHOU Anping ， YANG Ming ， ZHAI Hefeng ， et al . Distributionally robust real-time dispatch considering moment uncertainty of wind generation ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 20 ）： 5937 - 5946 .

YANG Y ， WU W . A distributionally robust optimization model for real-time power dispatch in distribution networks ［J］. IEEE Transactions on Smart Grid ， 2018 ， 10 （ 4 ）： 3743 - 3752 .

QIU H ， GU W ， XU Y ， et al . Multi-time-scale rolling optimal dispatch for AC/DC hybrid microgrids with day-ahead distributionally robust scheduling ［J］. IEEE Transactions on Sustainable Energy ， 2018 ， 10 （ 4 ）： 1653 - 1663 .

BABAEI S ， ZHAO C ， FAN L . A data-driven model of virtual power plants in day-ahead unit commitment ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 6 ）： 5125 - 5135 .

HE C ， ZHANG X ， LIU T ， et al . Distributionally robust scheduling of integrated gas-electricity systems with demand response ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 5 ）： 3791 - 3803 .

ZHANG Y ， SHEN S ， MATHIEU J L . Distributionally robust chance-constrained optimal power flow with uncertain renewables and uncertain reserves provided by loads ［J］. IEEE Transactions on Power Systems ， 2016 ， 32 （ 2 ）： 1378 - 1388 .

ZARE A ， CHUNG C Y ， ZHAN J ， et al . A distributionally robust chance-constrained MILP model for multistage distribution system planning with uncertain renewables and loads ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 5 ）： 5248 - 5262 .

SHI Z ， LIANG H ， HUANG S ， et al . Distributionally robust chance-constrained energy management for islanded microgrids ［J］. IEEE Transactions on Smart Grid ， 2018 ， 10 （ 2 ）： 2234 - 2244 .

GAO R ， KLEYWEGT A J . Distributionally robust stochastic optimization with Wasserstein distance ［EB/OL］. ［ 2020-06-01 ］. https：//arxiv.org/abs/1604.02199 https://arxiv.org/abs/1604.02199 .

BAYRAKSAN G ， LOVE D K . Data-driven stochastic programming using phi-divergences ［EB/OL］. ［ 2020-06-01 ］. http：//pdfs.semanticscholar.org/d820/7d08721649b82ba6d7df51ddac27ae20c7a3.pdf http://pdfs.semanticscholar.org/d820/7d08721649b82ba6d7df51ddac27ae20c7a3.pdf .

ZHAO C ， GUAN Y . Data-driven stochastic unit commitment for integrating wind generation ［J］. IEEE Transactions on Power Systems ， 2015 ， 31 （ 4 ）： 2587 - 2596 .

BAGHERI A ， ZHAO C ， GUO Y . Data-driven chance-constrained stochastic unit commitment under wind power uncertainty ［C］// IEEE Power & Energy Society General Meeting， July 16-20 ， 2017 ， Chicago ， USA .

SHI Z ， LIANG H ， DINAVAHI V . Data-driven distributionally robust chance-constrained unit commitment with uncertain wind power ［J］. IEEE Access ， 2019 ， 7 ： 135087 - 135098 .

阮贺彬，高红均，刘俊勇，等 . 考虑DG无功支撑和开关重构的主动配电网分布鲁棒无功优化模型［J］. 中国电机工程学报， 2019 ， 39 （ 3 ）： 59 - 69 .

RUAN Hebin ， GAO Hongjun ， LIU Junyong ， et al . A distributionally robust reactive power optimization model for active distribution network considering reactive power support of DG and switch reconfiguration ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 3 ）： 59 - 69 .

税月，刘俊勇，高红均，等 . 考虑风电不确定性的电气能源系统两阶段分布鲁棒协同调度［J］. 电力系统自动化， 2018 ， 42 （ 13 ）： 49 - 56 .

SHUI Yue ， LIU Junyong ， GAO Hongjun ， et al . A distributionally robust coordinated dispatch model for integrated electricity and heating systems considering uncertainty of wind power ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 13 ）： 49 - 56 .

DING T ， YANG Q ， YANG Y ， et al . A data-driven stochastic reactive power optimization considering uncertainties in active distribution networks and decomposition method ［J］. IEEE Transactions on Smart Grid ， 2017 ， 9 （ 5 ）： 4994 - 5004 .

DING T ， YANG Q ， LIU X ， et al . Duality-free decomposition based data-driven stochastic security-constrained unit commitment ［J］. IEEE Transactions on Sustainable Energy ， 2018 ， 10 （ 1 ）： 82 - 93 .

BAGHERI A ， WANG J ， ZHAO C . Data-driven stochastic transmission expansion planning ［J］. IEEE Transactions on Power Systems ， 2016 ， 32 （ 5 ）： 3461 - 3470 .

CHEN Y ， GUO Q ， SUN H ， et al . A distributionally robust optimization model for unit commitment based on Kullback-Leibler divergence ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 5 ）： 5147 - 5160 .

LI Z ， WU W ， ZHANG B ， et al . Kullback-Leibler divergence-based distributionally robust optimization model for heat pump day-ahead operational schedule to improve PV integration ［J］. IET Generation ， Transmission & Distribution ， 2018 ， 12 （ 13 ）： 3136 - 3144 .

CAO Y ， WEI W ， WANG J ， et al . Capacity planning of energy hub in multi-carrier energy networks： a data-driven robust stochastic programming approach ［J］. IEEE Transactions on Sustainable Energy ， 2018 ， 11 （ 1 ）： 3 - 14 .

ZHANG H ， HU Z ， MUNSING E ， et al . Data-driven chance-constrained regulation capacity offering for distributed energy resources ［J］. IEEE Transactions on Smart Grid ， 2018 ， 10 （ 3 ）： 2713 - 2725 .

ZHAO C ， GUAN Y . Data-driven risk-averse two-stage stochastic program with ζ -structure probability metrics ［EB/OL］. ［ 2020-06-01 ］. http：//www.optimization-online.org/DB_FILE/2015/07/5014.pdf http://www.optimization-online.org/DB_FILE/2015/07/5014.pdf .

GUO Y ， BAKER K ， DALL’ANESE E ， et al . Data-based distributionally robust stochastic optimal power flow：Part Ⅰmethodologies ［J］. IEEE Transactions on Power Systems ， 2018 ， 34 （ 2 ）： 1483 - 1492 .

DUAN C ， FANG W ， JIANG L ， et al . Distributionally robust chance-constrained approximate AC-OPF with Wasserstein metric ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 5 ）： 4924 - 4936 .

WANG C ， GAO R ， WEI W ， et al . Risk-based distributionally robust optimal gas-power flow with Wasserstein distance ［J］. IEEE Transactions on Power Systems ， 2018 ， 34 （ 3 ）： 2190 - 2204 .

YAO L ， WANG X ， DUAN C ， et al . Data-driven distributionally robust reserve and energy scheduling over Wasserstein balls ［J］. IET Generation ， Transmission & Distribution ， 2017 ， 12 （ 1 ）： 178 - 189 .

ORDOUDIS C ， NGUYEN V A ， KUHN D ， et al . Energy and reserve dispatch with distributionally robust joint chance constraints ［EB/OL］. ［ 2020-06-01 ］. http：//www.optimization-online.org/DB_FILE/2018/12/6962.pdf http://www.optimization-online.org/DB_FILE/2018/12/6962.pdf .

ZHU R ， WEI H ， BAI X . Wasserstein metric based distributionally robust approximate framework for unit commitment ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 4 ）： 2991 - 3001 .

XU X ， YAN Z ， SHAHIDEHPOUR M ， et al . Data-driven risk-averse two-stage optimal stochastic scheduling of energy and reserve with correlated wind power ［J］. IEEE Transactions on Sustainable Energy ， 2019 ， 11 （ 1 ）： 436 - 447 .

WANG C ， GAO R ， QIU F ， et al . Risk-based distributionally robust optimal power flow with dynamic line rating ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 6 ）： 6074 - 6086 .

王晗，严正，徐潇源，等 . 基于稀疏多项式混沌展开的孤岛微电网全局灵敏度分析［J］. 电力系统自动化， 2019 ， 43 （ 10 ）： 64 - 77 .

WANG Han ， YAN Zheng ， XU Xiaoyuan ， et al . Global sensitivity analysis for islanded microgrid based on sparse polynomial chaos expansion ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 10 ）： 64 - 77 .

WANG H ， YAN Z ， SHAHIDEHPOUR M ， et al . Optimal energy storage allocation for mitigating the unbalance in active distribution network via uncertainty quantification ［J/OL］. IEEE Transactions on Sustainable Energy ［ 2020-05-06 ］. https：//ieeexplore.ieee.org/document/9088223 https://ieeexplore.ieee.org/document/9088223 .

WANG H ， YAN Z ， SHAHIDEHPOUR M ， et al . Quantitative evaluations of uncertainties in multivariate operations of microgrids ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 4 ）： 2892 - 2903 .

WANG H ， YAN Z ， XU X ， et al . Probabilistic power flow analysis of microgrid with renewable energy ［J］. International Journal of Electrical Power & Energy Systems ， 2020 ， 114 ： 105393 .

CHENG J ， CHEN R ， NAJM N H ， et al . Distributionally robust optimization with principal component analysis ［J］. SIAM Journal on Optimization ， 2018 ， 28 （ 2 ）： 1817 - 1841 .

FU X ， GUO Q ， SUN H . Statistical machine learning model for stochastic optimal planning of distribution networks considering a dynamic correlation and dimension reduction ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 4 ）： 2904 - 2917 .

刘全，翟建伟，章宗长，等 . 深度强化学习综述［J］. 计算机学报， 2018 ， 41 （ 1 ）： 1 - 27 .

LIU Quan ， ZHAI Jianwei ， ZHANG Zongchang ， et al . A survey on deep reinforcement learning ［J］. Chinese Journal of Computers ， 2018 ， 41 （ 1 ）： 1 - 27 .

AL-SAFFAR M ， MUSILEK P . Reinforcement learning based distributed BESS management for mitigating overvoltage issues in systems with high PV penetration ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 4 ）： 2980 - 2994 .

YAN Z ， XU Y . Data-driven load frequency control for stochastic power systems： a deep reinforcement learning method with continuous action search ［J］. IEEE Transactions on Power Systems ， 2018 ， 34 （ 2 ）： 1653 - 1656 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Robust-stochastic Reserve Optimization Considering Uncertainties of Failure Probability and Net Load

Joint Bidding and Pricing Optimization Method for Aggregator Demand Response Considering Differences of User Response

Technological Requirement Analysis and Prospect of Energy Management for Off-grid Renewable Power-to-Hydrogen Systems

Dual-data-model-driven Distributionally Robust Optimal Scheduling of Renewable Energy Microgrid

Related Author

Ran LI

Mingqiang WANG

Ming YANG

Mengxia WANG

Weilun WANG

LI Xiongfei

LI Kangping

HUANG Chunyi

Related Institution

Key Laboratory of Power System Intelligent Dispatch and Control, Ministry of Education (Shandong University)

College of Smart Energy, Shanghai Jiao Tong University

Shanghai Non-carbon Energy Conversion and Utilization Institute

School of Electrical Engineering, Shanghai Jiao Tong University

China Electric Power Equipment Co., Ltd.

⁰