注:论文地址https://arxiv.org/pdf/2202.12595.pdf
1.概述
——本文提出了一个预测然后优化问题的解决方案,其目标是降低大学校园的电力成本。所提出的方法结合了多维时间序列预测和大规模优化的新方法。梯度提升法用于预测莫纳什大学校园 2020 年 11 月的发电和消费时间序列。对于消费预测,我们采用对数变换来模拟趋势并稳定方差。额外的季节性和趋势特征会在适用时添加到模型输入中。获得的预测用作大学活动和电池使用计划优化的基本负载。优化的目标是最小化由电价和峰值电价组成的电费成本,这些电价和峰值电价都由班级活动的负载和电池使用以及不安排一些可选活动的惩罚所改变。利用协方差矩阵自适应进化策略和遗传算法,通过进化优化得到班级活动的日程安排。然后通过本地搜索通过逐个测试每个活动的可能时间来改进此时间表。电池调度被制定为混合整数规划问题,并由 Gurobi 求解器求解。在与 IEEE 竞赛中提出的其他 6 种方法进行评估时,这种方法获得了第二低的成本,这些方法都使用混合整数规划和 Gurobi 求解器来安排活动和电池使用。