论文部分内容阅读
目前，在众多领域中都不可避免地存在随机变量且表现形式多样，使随机规划在解决决策、优化、调度问题方面展现出广阔的应用前景。然而，由于随机变量具有不确定的变化和波动性，特别是对于多随机变量规划问题还存在着多个随机变量间相互作用的情况，随机变量不确定性的合理表示成为了随机规划领域所面临的共同问题。场景分析法作为解决随机规划问题的主流方法，在随机变量的不确定性表示方面具有独特优势，但还面临着计及多随机变量间相关性的场景生成问题以及初始场景规模过大导致的场景削减问题。本文针对这两方面问题开展研究，以期场景分析法能够更好地应用于多随机变量规划问题中，使决策结果更优。
针对计及多随机变量间相关性的场景生成问题，提出了一种基于Tabu-SALHS的多随机变量场景生成方法。通过拉丁超立方采样得到单随机变量场景，将控制相关性问题看作一个组合优化问题，结合禁忌搜索算法和模拟退火算法的优势，将整个优化过程设计为内循环和外循环两个部分，最终得到满足目标相关性的多随机变量场景。仿真结果表明，本方法在控制相关性方面具有更高的精度，证明了其应用在多随机变量规划问题中的有效性。
针对场景削减问题，基于多随机变量的本质特征，提出了一种计及相关性损失的多随机变量场景削减方法。针对多随机变量场景在削减后相关性发生严重偏移的问题，提出了相关性损失的概念;针对高维随机向量场景由于数据间距离几乎相等而无法作出明显区分的问题，提出了概率相似度的概念。基于所提出的概念，设计了一种新的综合场景削减方法。仿真结果表明，本方法能够最大程度地保证削减前后场景相关性的一致性，能有效提高削减后场景的稳定性，在保留较少场景的情况下目标函数值仍然可以达到很高的精度，有效提高随机规划问题的求解效率。
最后，构建了一个含风力发电和光伏发电的微网环保经济运行优化模型，通过算例仿真分析，证明了本文提出的多随机变量规划方法在保证微网系统供电可靠性的前提下，能够求得更低的微网运行成本，使决策结果更优，在实际问题中具有很好的效果。
针对计及多随机变量间相关性的场景生成问题，提出了一种基于Tabu-SALHS的多随机变量场景生成方法。通过拉丁超立方采样得到单随机变量场景，将控制相关性问题看作一个组合优化问题，结合禁忌搜索算法和模拟退火算法的优势，将整个优化过程设计为内循环和外循环两个部分，最终得到满足目标相关性的多随机变量场景。仿真结果表明，本方法在控制相关性方面具有更高的精度，证明了其应用在多随机变量规划问题中的有效性。
针对场景削减问题，基于多随机变量的本质特征，提出了一种计及相关性损失的多随机变量场景削减方法。针对多随机变量场景在削减后相关性发生严重偏移的问题，提出了相关性损失的概念;针对高维随机向量场景由于数据间距离几乎相等而无法作出明显区分的问题，提出了概率相似度的概念。基于所提出的概念，设计了一种新的综合场景削减方法。仿真结果表明，本方法能够最大程度地保证削减前后场景相关性的一致性，能有效提高削减后场景的稳定性，在保留较少场景的情况下目标函数值仍然可以达到很高的精度，有效提高随机规划问题的求解效率。
最后，构建了一个含风力发电和光伏发电的微网环保经济运行优化模型，通过算例仿真分析，证明了本文提出的多随机变量规划方法在保证微网系统供电可靠性的前提下，能够求得更低的微网运行成本，使决策结果更优，在实际问题中具有很好的效果。