“双碳”背景下,为促进能源绿色低碳转型,提出一种考虑绿证-碳交易联合机制与混合博弈的综合能源系统(integrated energy system, IES)低碳经济调度模型。首先,构建混合博弈双层模型,上层模型将系统运营商作为领导者,以最大化自身收益...“双碳”背景下,为促进能源绿色低碳转型,提出一种考虑绿证-碳交易联合机制与混合博弈的综合能源系统(integrated energy system, IES)低碳经济调度模型。首先,构建混合博弈双层模型,上层模型将系统运营商作为领导者,以最大化自身收益为目标制定购售能价格策略,下层模型将氢能多元利用的综合能源系统(hydrogen multienergy integrated energy system, HMIES)联盟作为跟随者,以联盟整体经济性最优为目标优化自身出力;然后,在HMIES联盟的合作博弈模型中引入绿证-碳联合交易机制,提高整体低碳经济性,同时结合合作博弈理论分析合作成立条件,并基于Shapley值法对合作剩余进行合理分配,实现联盟内部碳捕集电厂主体与新能源发电主体的协同互动;最后,采用遗传算法联合混合整数线性规划(genetic algorithm and the mixed integer linear programming, GAMILP)进行求解。通过算例仿真验证了所提策略的有效性,结果表明所提模型可有效降低碳排放、提升系统经济性。展开更多
混合整数线性规划(mixed integer linear programming,MILP)问题遍布现实世界的各个领域。精确求解混合整数线性规划问题属于NP-hard问题,目前先进的规划问题求解器一般以分支定界法(branch and bound,B&B)作为核心框架。但分支定...混合整数线性规划(mixed integer linear programming,MILP)问题遍布现实世界的各个领域。精确求解混合整数线性规划问题属于NP-hard问题,目前先进的规划问题求解器一般以分支定界法(branch and bound,B&B)作为核心框架。但分支定界法的固有性质导致其在执行过程中的一个错误决策可能会使分支定界树膨胀,降低搜索效率。如此复杂且数据丰富的环境使得利用机器学习技术改进分支定界算法成为可能。因此,将数据驱动的机器学习方法与分支定界算法相结合从而改进其决策过程受到越来越多的重视。本文首先介绍分支定界算法,并就其中影响性能的决策过程进行分析。之后,主要从基于行为克隆(behavioral cloning)的模仿已存在的专家策略的深度学习方法以及基于发现新策略思想的强化学习(reinforcement learning,RL)方法两方面着重综述了近年来关于将机器学习方法集成到分支定界算法中的研究工作。最后,我们讨论了未来关于结合机器学习与分支定界算法可能存在的方向以及挑战。展开更多
为降低城市即时物流运营成本并提升履约效率,针对无人机运力有限的多中心网络无人机-骑手联合配送路径优化问题展开研究.将履约过程分解为商家端骑手集货、跨区无人机干线转运及顾客端骑手派送3个阶段,综合考虑骑手载重、顾客时间窗及...为降低城市即时物流运营成本并提升履约效率,针对无人机运力有限的多中心网络无人机-骑手联合配送路径优化问题展开研究.将履约过程分解为商家端骑手集货、跨区无人机干线转运及顾客端骑手派送3个阶段,综合考虑骑手载重、顾客时间窗及有限无人机运力引发的排队与跨阶段时间同步等约束,构建以总运营成本最小化为目标的混合整数线性规划(mixed-integer linear programming,MILP)模型.设计基于时空解耦的两阶段算法进行求解,第1阶段基于Dantzig-Wolfe分解与动态时间窗协调机制求解可行路径列,第2阶段构建排队调度整数规划模型优化无人机转运顺序.基于改进的基准算例及中国深圳真实运营数据进行数值实验.结果表明,该算法能在秒级至分钟级内求解大规模复杂算例;相较传统纯骑手模式,联合配送能有效缩减跨区行驶距离,系统总成本降低4.0%~33.3%;无人机单次运载2个包裹为最佳参数配置.研究结果可为低空经济背景下多中心即时物流网络的运力协同配置与路径优化提供理论依据与决策支撑.展开更多
摘要“双碳”背景下,为促进能源绿色低碳转型,提出一种考虑绿证-碳交易联合机制与混合博弈的综合能源系统(integrated energy system, IES)低碳经济调度模型。首先,构建混合博弈双层模型,上层模型将系统运营商作为领导者,以最大化自身收益为目标制定购售能价格策略,下层模型将氢能多元利用的综合能源系统(hydrogen multienergy integrated energy system, HMIES)联盟作为跟随者,以联盟整体经济性最优为目标优化自身出力;然后,在HMIES联盟的合作博弈模型中引入绿证-碳联合交易机制,提高整体低碳经济性,同时结合合作博弈理论分析合作成立条件,并基于Shapley值法对合作剩余进行合理分配,实现联盟内部碳捕集电厂主体与新能源发电主体的协同互动;最后,采用遗传算法联合混合整数线性规划(genetic algorithm and the mixed integer linear programming, GAMILP)进行求解。通过算例仿真验证了所提策略的有效性,结果表明所提模型可有效降低碳排放、提升系统经济性。
摘要混合整数线性规划(mixed integer linear programming,MILP)问题遍布现实世界的各个领域。精确求解混合整数线性规划问题属于NP-hard问题,目前先进的规划问题求解器一般以分支定界法(branch and bound,B&B)作为核心框架。但分支定界法的固有性质导致其在执行过程中的一个错误决策可能会使分支定界树膨胀,降低搜索效率。如此复杂且数据丰富的环境使得利用机器学习技术改进分支定界算法成为可能。因此,将数据驱动的机器学习方法与分支定界算法相结合从而改进其决策过程受到越来越多的重视。本文首先介绍分支定界算法,并就其中影响性能的决策过程进行分析。之后,主要从基于行为克隆(behavioral cloning)的模仿已存在的专家策略的深度学习方法以及基于发现新策略思想的强化学习(reinforcement learning,RL)方法两方面着重综述了近年来关于将机器学习方法集成到分支定界算法中的研究工作。最后,我们讨论了未来关于结合机器学习与分支定界算法可能存在的方向以及挑战。
摘要为降低城市即时物流运营成本并提升履约效率,针对无人机运力有限的多中心网络无人机-骑手联合配送路径优化问题展开研究.将履约过程分解为商家端骑手集货、跨区无人机干线转运及顾客端骑手派送3个阶段,综合考虑骑手载重、顾客时间窗及有限无人机运力引发的排队与跨阶段时间同步等约束,构建以总运营成本最小化为目标的混合整数线性规划(mixed-integer linear programming,MILP)模型.设计基于时空解耦的两阶段算法进行求解,第1阶段基于Dantzig-Wolfe分解与动态时间窗协调机制求解可行路径列,第2阶段构建排队调度整数规划模型优化无人机转运顺序.基于改进的基准算例及中国深圳真实运营数据进行数值实验.结果表明,该算法能在秒级至分钟级内求解大规模复杂算例;相较传统纯骑手模式,联合配送能有效缩减跨区行驶距离,系统总成本降低4.0%~33.3%;无人机单次运载2个包裹为最佳参数配置.研究结果可为低空经济背景下多中心即时物流网络的运力协同配置与路径优化提供理论依据与决策支撑.