arrow
返回

A Distributed Stochastic Optimization Scheduling Method Using Diffusion-TS Generated Scenario for Integrated Energy System

delete2026-04-05
delete0
delete
OA
AI
P
Panpan Xia
C
Chen Chen
孙
孙立 (Li Sun) *
潘
潘磊 (Lei Pan) *
DOI:10.3390/en19071763delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
综合能源系统(IESs)的最优调度受到供需两侧不确定性的显著影响。为建模风能不确定性并将其嵌入调度决策过程,本文提出了一种基于扩散-TS(Diffusion-TS)场景生成的分布式随机调度方法。首先,开发了一种条件扩散-TS模型,用于从日前预测生成高保真风能场景,并引入温度参数以平衡场景多样性与保真度。其次,建立了含机会约束的分布式随机调度框架,其中将概率约束重构为混合整数线性规划问题,以应对源荷波动同时保护子系统隐私。第三,采用块坐标下降法将系统分解为制冷、供热和电力子问题进行迭代求解。案例研究结果表明,生成场景的平均CRPS为162.16 MW,比确定性预测基准低34%。分布式确定性调度的总成本比集中式确定性调度高2.8%,而分布式随机调度的总成本比分布式确定性调度高53.1%,反映了不确定性感知调度带来的额外经济成本。与传统的LHS-Kmeans方法相比,扩散-TS生成的场景更接近实际风能输出。尽管调度成本更高,但获得的调度结果更符合实际风能条件。总体而言,所提出的方法为不确定环境下IESs的安全经济运行提供了实用的技术路线。
Keyword:
Diffusion-TS
generative diffusion model
deep learning
BCD optimization algorithm
scenario generation
chance-constrained programming

期刊

Energies 封面图
Energies
IF:
3.2
论文数:
1.5W
被引数:
14.2W

机构

S
southeast university
学者数:
2.9K
论文数: 1.3K
被引数: 0
引用论文

引用论文

Stochastic net load optimization in distributed integrated energy systems - a forecast based scheduling approach
err2026-02-06
err0
errOAAI
errJan-Simon Telle; Patrik Schönfeldt; Sunke Schlüters; Benedikt Hanke; Karsten von Maydell
err分享
err收藏
err
IF0
err
err0
PREAI
err
err分享
err收藏
学者 查看更多内容