.png){kind=icon}
返回
Cold wave-affected source-load stochastic optimization using scenario residual enhanced randomized progressive hedging
.png){kind=icon}
OA
AI
DOI：10.3389/fenrg.2026.1794550.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
寒潮引发配电网光伏输出和热负荷的随机波动，并在演化过程中表现出显著的时间异质性。这增加了随机情景组合的复杂性，阻碍了快速解决此类优化问题以实现配电网供需平衡。为解决此问题，提出了一种基于情景残差增强随机渐进对冲（SRE-RPH）的随机优化方法。首先，构建了考虑寒潮多阶段动态演化及源荷特性的配电网随机优化模型。随后，引入基于情景残差的筛选机制，动态识别影响电力系统安全和收敛的关键情景。接着，建立了对冲突敏感的自适应加权策略，根据各情景与配电网运行约束的冲突程度差异化调整协调权重。最后，提出了一种整合上述机制的增强型随机渐进对冲算法以求解所建模型。在改进的IEEE 33节点系统上的验证表明，该方法在收敛速度和经济性方面均优于传统随机优化算法，有效协调源荷波动并提升供电可靠性。
Keyword:
stochastic optimization
cold wave
conflict-aware
RpH
scenario residual
期刊
IF:
2.4
论文数:
1.0K
被引数:
1.4W
机构
查看更多机构
引用论文
暂无论文信息