Feasibility-Informed Upper-Bound Improvement for Accelerating Large-Scale Unit Commitment

Changtao Liao

doi:10.1109/tii.2026.3728086

Feasibility-Informed Upper-Bound Improvement for Accelerating Large-Scale Unit Commitment

2026-09-14

0

PRE

AI

DOI：10.1109/tii.2026.3728086

原文链接

原文求助

摘要

En 中文

在电力市场运营和大规模电力系统调度中，机组组合（UC）必须在严格的出清和运行时间限制内交付高质量调度方案。随着现代电力系统整合更多可控发电机和储能设备，基于混合整数线性规划（MILP）的UC求解效率日益降低。然而，现有的MILP求解器加速方法通常缺乏明确的可行性指导以生成高质量可行方案，且很少针对UC结构进行定制。为解决这些问题，本文基于解析中心理论提出了两种基于可行性的上界改进方法：弧搜索舍入（ASR）和距离成本邻域搜索（DCNS）。所提出的方法通过将UC变量的优先级关系和决策特性融入搜索、舍入和变量固定过程，进行了UC定制化。ASR利用解析中心的可行性信息，通过沿解析中心与线性规划（LP）松弛解之间的弧舍入点，在根节点生成初始可行解，并通过域传播和冲突分析进一步增强可行性。在分支过程中，DCNS通过结合基于距离成本指标的硬固定和基于汉明距离约束的软固定来构建局部邻域，以改进当前最优解。这些方法集成到开源求解器中，并在法国1888节点和波兰2383节点系统的随机生成实例上进行了评估。结果表明，大规模UC问题的计算效率和求解质量得到提升。

Keyword:

Arc search rounding (ASR)

distance cost neighborhood search (DCNS)

mixed-integer linear programming (MILP)

unit commitment (UC)

upper bound (UB) improvement

Feasibility-Informed Upper-Bound Improvement for Accelerating Large-Scale Unit Commitment

摘要

期刊

机构

引用论文