-
题名一种考虑风电随机性的机组组合模型及其算法
被引量：36
- 1
-
-
作者
张宁宇
高山
赵欣
-
机构
东南大学电气工程学院
-
出处
《电工技术学报》
EI
CSCD
北大核心
2013年第5期22-29,共8页
-
基金
国家高技术研究发展计划(863计划)资助项目(2011AA05A105)
-
文摘
提出一种考虑风电随机性的机组组合模型,模型中引入风电可信度指标,同时对风电功率随机变量建立机会约束条件,提出了三种策略确保了系统运行的安全性。基于抽样平均逼近(SAA)理论,将上述模型转换成机组组合-抽样平均逼近(UCSAA)模型;尤其在风电随机变量服从联合概率密度分布的情况下,通过引入多个0/1辅助变量将机会约束条件转换成确定性约束,有效解决了常用智能算法求解时间较长的问题;将UCSAA模型线性化以后,采用线性化MIP算法进行求解,其中随机变量的样本由Monte Carlo仿真生成。最后,分别对IEEE 3机和10机系统算例进行仿真,结果表明了本文模型及算法的正确性和有效性。
-
关键词
风电
机组组合
机会约束规划
抽样平均逼近
混合整数规划
MONTE
Carlo
-
Keywords
Wind power
unit commitment
chance constraint programming
sample average approximation
mixed integer programming
Monte Carlo
-
分类号
TM732
[电气工程—电力系统及自动化]
TM614
[电气工程—电力系统及自动化]
-
-
题名含风电场的机组组合二阶段随机模型及其改进算法
被引量：5
- 2
-
-
作者
施涛
高山
张宁宇
-
机构
东南大学电气工程学院
中国电力科学研究院
国网江苏省电力公司电力科学研究院
-
出处
《电工技术学报》
EI
CSCD
北大核心
2016年第16期172-180,188,共10页
-
基金
国家高技术研究发展计划(863计划)资助项目(2011AA05A105)
-
文摘
提出一种含风电场的机组组合二阶段随机规划模型,将风电功率作为随机变量处理,目标函数包含常规机组发电成本和切负荷惩罚费用,由于风电功率存在多种可能的情景,后一种费用采用期望值形式,同时提出一种求解二阶段模型的SAA-自适应多切割L形算法,具体为首先基于抽样平均逼近(SAA)理论,将随机模型转换成确定性模型,然后提出一种自适应多切割L形算法求解。求解中引入全局辅助变量实现迭代过程中历史最优切割信息的保存,并设置主模型约束条件数上限保证模型始终具有较小的规模。与传统单切割和多切割L形算法相比,所提出算法的迭代次数介于两者之间,但计算时间要少于两者。最后通过3机、10机和100机算例在不同数量的风电情景下仿真计算,结果表明本文模型可以有效处理风电随机性,SAA-自适应多切割L形算法在样本数量较大的情况下保持了良好的收敛性和可靠性。
-
关键词
风电
机组组合
二阶段模型
抽样平均逼近
随机规划
L形算法
-
Keywords
Wind power
unit commitment
two-stage model
sample average approximation
stochastic programming
L-shaped algorithm
-
分类号
TM715
[电气工程—电力系统及自动化]
-
-
题名大型跨境消费电子品供应链的补货管理和库存优化
被引量：6
- 3
-
-
作者
李朝辉
周声海
万国华
-
机构
上海交通大学安泰经济与管理学院
中南大学商学院
-
出处
《系统管理学报》
CSSCI
CSCD
北大核心
2022年第6期1075-1083,共9页
-
基金
国家自然科学基金(创新群体)项目(71421002)
上海市“优秀学术带头人计划”项目(16XD1401700)。
-
文摘
以某大型消费电子品制造商的产品跨境配送和补货为背景,研究跨境分销供应链中的补货管理和库存优化问题。该分销供应链由国内中央仓、海外地区分销仓(或国家分销仓,简称本地仓)和本地零售商组成。其中:通过地区分销仓可以直接给零售商发货,因而具有更快的服务响应速度,但其中的库存有较大的呆滞风险;国内中央仓可直接向零售商发货,但其服务响应速度则大幅降低。分析了该问题的重要特征,提出了实时销量数据驱动、基于机器学习的需求预测;建立了同时考虑本地仓直发比例、服务水平、产能限制与库存限制,以最小化系统库存水平的非线性规划模型,并通过抽样平均逼近将模型转化为线性规划,设计了基于基本库存水平的启发式优化算法。基于实际数据的计算表明,该模型及其求解算法可有效降低系统的库存水平,并提高系统的服务水平。
-
关键词
分销供应链
多级库存优化
需求预测
机器学习
抽样平均逼近
-
Keywords
distribution supply chain
multi-echelon inventory optimization
demand forecasting
machine learning
sample average approximation
-
分类号
F273
[经济管理—企业管理]
-
