摘要

本文研究了能源管理系统中预测与优化策略的稳定性问题，特别关注切换成本、预测准确性和稳定性的影响。研究提出了一种新颖的框架，用于分析带有切换成本的在线优化问题，并探讨了预测准确性、稳定性和切换成本之间的平衡如何影响政策性能。研究在电池调度应用中进行了实证评估和理论分析，发现切换成本显著影响预测准确性和稳定性的权衡，强调了集成系统在改善决策制定中的重要性。研究结果表明，长期坚持某一政策可能比频繁更新更有优势，并且预测稳定性与政策性能之间存在相关性，稳定的预测可以减轻切换成本的影响。该框架为能源部门决策者和预测实践者提供了宝贵的见解，特别是在设计能源管理系统的运营时。

原理

本文提出的框架通过结合确定性和概率性预测，分析了在线优化问题中的切换成本。工作原理基于以下几个关键点：

1. 预测与优化的集成：将预测模型与优化算法集成，以处理能源管理系统中的不确定性。
2. 切换成本的影响：通过理论分析和实证研究，探讨了切换成本如何影响预测模型与优化算法之间的交互。
3. 预测稳定性指标：引入了一种新的指标来评估概率性预测的稳定性，即地球移动者距离（EMD），用于衡量不同预测集之间的差异。
4. 平衡预测准确性与稳定性：研究揭示了预测准确性和稳定性之间的权衡，以及这种权衡如何通过切换成本影响系统的整体性能。

流程

研究的工作流程包括以下几个步骤：

1. 问题定义：明确能源管理系统中电池存储优化的挑战，并基于CityLearn挑战2022的数据集定义问题。
2. 预测生成：使用梯度提升回归树和线性最小二乘回归模型生成预测，并为每个预测添加高斯噪声以生成场景集。
3. 优化算法：应用固定水平控制（FHC）算法进行优化，该算法在每个v时间步长重新运行以生成新计划。
4. 性能评估：通过比较不同预测和优化承诺组合的性能，评估FHC算法的性能。
5. 结果分析：分析预测的准确性和稳定性如何影响优化结果，并探讨切换成本对这些关系的影响。

应用

该研究的应用前景广泛，特别是在能源管理系统和电池调度领域。研究结果可以指导决策者设计更有效的能源管理系统，通过优化预测和政策更新频率来减少切换成本。此外，该框架和方法可以扩展到其他涉及切换成本的应用领域，如供应链管理和金融交易。