Fast Stochastic Dual Dynamic Programming for Economic Dispatch in Distribution Systems
Fast Stochastic Dual Dynamic Programming for Economic Dispatch in Distribution Systems
复制标题
配电系统经济调度的快速随机双动态规划
DOI：
10.1109/tpwrs.2022.3204065
复制
发表时间：
2023-07
影响因子：
6.6
通讯作者：
Xiaohong Guan
中科院分区：
文献类型：
--
作者：
Yu Lan;Qiaozhu Zhai;Xiaoming Liu;Xiaohong Guan
多阶段经济调度方案对于智能电网运行中实现机组最优组合和最优分散决策至关重要。通过对最优期望剩余费用函数的近似，证明了随机对偶动态规划（SDDP）在无有限终止保证的情况下，对多阶段随机规划（SP）问题的求解是有效的.为此，我们提出了一种快速随机对偶动态规划（FSDDP）方法来加快SDDP的收敛速度，包括根据最优值函数上下界差值最大的情况来更新候选点，在后向过程中加入一个后向-前向-后向的内部方案，以及用有限个常数值初始化边界.我们可以验证FSDDP方法对于多阶段SP问题具有有限收敛保证的良好性质。通过对4节点、33节点、34节点、69节点、118节点和123节点配电网的算例分析表明，FSDDP算法能够在显著提高计算效率的情况下逼近最优经济性能。
The multistage economic dispatch solution is of paramount importance for achieving the optimal unit commitment and the optimal decentralized decision-making in smart grid operations. Through the approximations of the optimal expected cost-to-go functions, the stochastic dual dynamic programming (SDDP) has been shown effective to obtain the optimum for the multistage stochastic programming (SP) problem, while without finite termination guarantee. Thus, we propose a fast stochastic dual dynamic programming (FSDDP) method to accelerate the convergence rate of the SDDP, including updating the candidate points based on the case with the maximum difference between the upper and lower bounds of the optimal value functions, adding a backward-forward-backward inner scheme in the backward pass, and initializing the bounds with finite constant values. We can verify that the FSDDP method enjoys a nice property with a finite convergence guarantee for the multistage SP problems. Numerical tests on 4-, 33-, 34-, 69-, 118- and 123-bus distribution systems have demonstrated that FSDDP can approach the optimal economic performance at significantly improved computational efficiency.
登录
查看更多内容
DOI：
10.1109/tase.2019.2923986
发表时间：
2020-01
影响因子：
5.6
作者：
Yu Lan;Xiaohong Guan;Jiang Wu
通讯作者：
Jiang Wu
DOI：
10.1109/isgt.2013.6497884
发表时间：
2013-04
期刊：
2013 IEEE PES Innovative Smart Grid Technologies Conference (ISGT)
影响因子：
--
作者：
Yu Zhang;Nikolaos Gatsis;G. Giannakis
通讯作者：
Yu Zhang;Nikolaos Gatsis;G. Giannakis
影响因子：
6.6
作者：
Tao Ding;Ming Qu;Can Huang;Zekai Wang;P. Du;M. Shahidehpour
通讯作者：
Tao Ding;Ming Qu;Can Huang;Zekai Wang;P. Du;M. Shahidehpour
影响因子：
9.6
作者：
Zeyu Wang;Jianhui Wang;Chen Chen-Chen
通讯作者：
Zeyu Wang;Jianhui Wang;Chen Chen-Chen
影响因子：
0.9
作者：
Daniel Ávila;Anthony Papavasiliou;Nils Löhndorf
通讯作者：
Daniel Ávila;Anthony Papavasiliou;Nils Löhndorf