Locational marginal prices (LMP) are the basis for many studies on energy economic questions. LMPs are determined from the dual solution of the primary optimization problem. If the optimization problem is formulated l...
详细信息
ISBN:
(纸本)9798350381757;9798350381740
Locational marginal prices (LMP) are the basis for many studies on energy economic questions. LMPs are determined from the dual solution of the primary optimization problem. If the optimization problem is formulated linearly, dual variables can be read from the closed-form solution using commercially available solvers such as CPLEX or GUROBI. Mixed integer problems (MILP) are no longer possible, and the dual solution's decomposition and iterative determination are required. This paper presents an extended Lagrangian method for congestion management simulation, which can determine locational marginal redispatch prices (LMRP) by considering mixed-integer constraints of thermal power plants considering startup and shutdown costs.
Modeling a high amount of decentralized flexibility options within the congestion management simulation of transmission grids leads to a significant increase in the complexity of the resulting optimization problem. Fo...
详细信息
ISBN:
(数字)9781665408967
ISBN:
(纸本)9781665408967
Modeling a high amount of decentralized flexibility options within the congestion management simulation of transmission grids leads to a significant increase in the complexity of the resulting optimization problem. For this purpose, this paper presents a decomposition approach of a congestion management model using the Lagrangian relaxation method in combination with the volume algorithm to find a reliable primal solution. The decomposed model is applied to a benchmark case, and the results are validated by comparison to the closed solution. Therefore, a comparison of the primal objective function value and locational marginal prices for redispatch derived from shadow prices of system coupling constraints occurs. It can be observed that the shadow prices are matched with very high precision, thus validating the approach.
Typiquement présent dans les domaines de la logistique et des télécommunications, le problème de synthèse de réseau multi-flot à charge fixe reste difficile, en particulier dans des ...
详细信息
Typiquement présent dans les domaines de la logistique et des télécommunications, le problème de synthèse de réseau multi-flot à charge fixe reste difficile, en particulier dans des contextes à grande échelle. Dans ce cas, la capacité à produire des solutions de bonne qualité dans un temps de calcul raisonnable repose sur la disponibilité d'algorithmes efficaces. En ce sens, cette thèse propose des approches lagrangiennes capables de fournir des bornes relativement proches de l'optimal pour des instances de grande taille. L'efficacité des méthodes dépend de l'algorithme appliqué pour résoudre les duals lagrangiens, nous choisissons donc entre deux des solveurs les plus efficaces de la littérature: l'algorithme de volume et la méthode Bundle, fournissant une comparaison entre eux. Les résultats ont montré que l'algorithme de volume est plus efficace dans le contexte considéré, étant celui choisi pour le développement du projet de *** première heuristique lagrangienne a été conçue pour produire des solutions réalisables de bonne qualité pour le problème, obtenant de bien meilleurs résultats que Cplex pour les plus grandes instances. Concernant les limites inférieures, un algorithme Relax-and-Cut a été implémenté intégrant une analyse de sensibilité et une mise à l'échelle des contraintes, ce qui a amélioré les résultats. Les améliorations des bornes inférieures ont atteint 11\%, mais en moyenne, elles sont restées inférieures à 1\%. L'algorithme Relax-and-Cut a ensuite été inclus dans un schéma Branch-and-Cut, pour résoudre des programmes linéaires dans chaque nœud de l'arbre de recherche. De plus, une heuristique Feasibility Pump lagrangienne a été implémentée pour accélérer la recherche de bonnes solutions réalisables. Les résultats obtenus ont montré que le schéma proposé est compétitif avec les meilleurs algorithmes de la littérature et fournit les meilleurs résultats dans des contextes à grande échelle. De plus, une version heuristique de l'algorithme B
暂无评论