Stochastic lagrangian relaxation in power scheduling of a hydro-thermal system under uncertainty

Wir betrachten ein Kraftwerkssystem mit thermischen Blocken und Pumpspeicherwerken und entwickeln dafur ein Modell fur den kostenoptimalen Wochenbetrieb. Auf Grund der Ungewisheit des Bedarfs an elektrischer Energie ist das mathematische Modell ein mehrstufiges stochastisches Problem. Dieses Modell beinhaltet viele gemischt-ganzzahlige stochastische Entscheidungsvariablen. Die Variablen einzelner Einheiten sind aber nur durch wenige Nebenbedingungen miteinander verbunden, welches die Zerlegung in stochastische Teilprobleme erleichtert. Diese stochastischen Teilprobleme besitzen deterministische Analoga, deren Losungsverfahren entsprechend erweitert werden konnen. In dieser Arbeit werden ein Abstiegsverfahren fur stochastische Speicherprobleme und eine Erweiterung der dynamischen Programmierung auf stochastische Probleme betrachtet. Die Losung des dualen Problems fuhrt zu Schattenpreisen, die bestimmte Einsatzentscheidungen bevorteilen. Die Heuristik zur Suche von primalen zulassigen Punkten wertet eine Folge von zugeordneten Economic-Dispatch-Problemen aus. Die Kombination der Einschrankung auf dual bevorzugte Fahrweisen (Lagrangian reduction) mit der Auswertung einer Folge von Economic-Dispatch-Problemen (Facettensuche) fuhrt zu einem effizienten Verfahren. Die numerischen Ergebnisse an Hand realistischer Daten eines deutschen Versorgungsunternehmens rechtfertigen diesen Zugang.

[1]  Boris Polyak,et al.  Constrained minimization methods , 1966 .

[2]  R. Rockafellar,et al.  Nonanticipativity and L1-martingales in stochastic optimization problems , 1976 .

[3]  R. Rockafellar,et al.  The Optimal Recourse Problem in Discrete Time: $L^1 $-Multipliers for Inequality Constraints , 1978 .

[4]  Dimitri P. Bertsekas,et al.  Constrained Optimization and Lagrange Multiplier Methods , 1982 .

[5]  Allen J. Wood,et al.  Power Generation, Operation, and Control , 1984 .

[6]  John R. Birge,et al.  An L-sheaped method computer code for multi-stage stochastic linear programs , 1984 .

[7]  Dimitri P. Bertsekas,et al.  Dynamic Programming: Deterministic and Stochastic Models , 1987 .

[8]  J. Birge,et al.  A multicut algorithm for two-stage stochastic linear programs , 1988 .

[9]  Francisco D. Galiana,et al.  Towards a more rigorous and practical unit commitment by Lagrangian relaxation , 1988 .

[10]  Yuri Ermoliev,et al.  Numerical techniques for stochastic optimization , 1988 .

[11]  R. Wets,et al.  Stochastic programming , 1989 .

[12]  Krzysztof C. Kiwiel,et al.  Proximity control in bundle methods for convex nondifferentiable minimization , 1990, Math. Program..

[13]  Horand I. Gassmann,et al.  Mslip: A computer code for the multistage stochastic linear programming problem , 1990, Math. Program..

[14]  M. V. F. Pereira,et al.  Multi-stage stochastic optimization applied to energy planning , 1991, Math. Program..

[15]  R. Tyrrell Rockafellar,et al.  Scenarios and Policy Aggregation in Optimization Under Uncertainty , 1991, Math. Oper. Res..

[16]  Julia L. Higle,et al.  Stochastic Decomposition: An Algorithm for Two-Stage Linear Programs with Recourse , 1991, Math. Oper. Res..

[17]  Yuri M. Ermoliev,et al.  Stochastic quasigradient methods for optimization of discrete event systems , 1992, Ann. Oper. Res..

[18]  John R. Birge,et al.  Intelligent unified control of unit commitment and generation allocation , 1994 .

[19]  Gerald B. Sheblé,et al.  Unit commitment literature synopsis , 1994 .

[20]  Laureano F. Escudero,et al.  On solving stochastic production planning problems via scenario modelling , 1995 .

[21]  K. Kiwiel Approximations in proximal bundle methods and decomposition of convex programs , 1995 .

[22]  John R. Birge,et al.  A stochastic model for the unit commitment problem , 1996 .

[23]  Julia L. Higle,et al.  Stochastic Decomposition: A Statistical Method for Large Scale Stochastic Linear Programming , 1996 .

[24]  Matthias Peter Nowak,et al.  A Fast Descent Method for the Hydro Storage Subproblem in Power Generation , 1996 .

[25]  Richard A. Davis,et al.  Introduction to time series and forecasting , 1998 .

[26]  Informationstechnik Berlin,et al.  Dual Decomposition in Stochastic Integer Programming , 1996 .

[27]  David L. Woodruff,et al.  Progressive hedging and tabu search applied to mixed integer (0,1) multistage stochastic programming , 1996, J. Heuristics.

[28]  John R. Birge,et al.  Stochastic Programming Computation and Applications , 1997, INFORMS J. Comput..

[29]  Elijah Polak,et al.  Optimization: Algorithms and Consistent Approximations , 1997 .

[30]  Andrzej Ruszczynski,et al.  Decomposition methods in stochastic programming , 1997, Math. Program..

[31]  Stefan Feltenmark On optimization of power production , 1997 .

[32]  John M. Wilson,et al.  Introduction to Stochastic Programming , 1998, J. Oper. Res. Soc..

[33]  Peter B. Luh,et al.  An algorithm for solving the dual problem of hydrothermal scheduling , 1998 .

[34]  Georg Ch. Pflug,et al.  A branch and bound method for stochastic global optimization , 1998, Math. Program..

[35]  Nicole Gröwe-Kuska,et al.  Optimierung eines hydro-thermischen Kraftwerkssystems unter Ungewissheit , 1999 .

[36]  Antonio J. Conejo,et al.  Short-term hydro-thermal coordination by Lagrangian relaxation: solution of the dual problem , 1999 .

[37]  Hamish Waterer,et al.  Hydro-electric unit commitment subject to uncertain demand , 2000, Eur. J. Oper. Res..

[38]  Werner Römisch,et al.  Stochastic Lagrangian Relaxation Applied to Power Scheduling in a Hydro-Thermal System under Uncertainty , 2000, Ann. Oper. Res..

[39]  Stefan Feltenmark,et al.  Dual Applications of Proximal Bundle Methods, Including Lagrangian Relaxation of Nonconvex Problems , 1999, SIAM J. Optim..

[40]  Oper , 2002 .