关注公众号，查看往期更多资讯
联系小编：Fightingforall23（注明来意）
详细内容，请点击本帖底部 阅读原文
往期群聊：回复本公众号：专刊，互助，岗位 等进入群聊
公众号从未参与任何广告中介、文章代写、付费代码、文章走后门代发等活动，一切打着公众号名义的金钱和利益交易均为诈骗，请谨慎！
【相关鲁棒，随机和分布式鲁棒优化群聊请回复本公众号互助】
1. 数学规划方法
（1）线性规划（LP）
适用于问题可以线性化的场景，比如潮流计算、经济调度。 优点：计算效率高，成熟工具多（如Gurobi、CPLEX、MATLAB）。
（2）非线性规划（NLP）
适用于需要考虑非线性约束的优化问题，比如优化潮流、电压稳定分析。 缺点：易陷入局部最优，计算复杂度较高。
（3）混合整数线性规划（MILP）
适合同时优化离散决策（如开关状态）和连续决策（如发电功率）。 常用于机组组合问题、配电网重构。
（4）动态规划（DP）
常用于需要考虑时序的优化问题，比如水电站调度。 缺点：高维问题中会遇到“维度灾难”。
2. 启发式与元启发式算法
（1）遗传算法（GA）
应用于分布式能源优化、容量规划等。 特点：全局搜索能力强，但易于收敛慢。
（2）粒子群优化（PSO）
在机组组合、电力系统无功优化等问题中常用。 优点：计算简单，易实现；缺点：易陷入局部最优。
（3）差分进化算法（DE）
适用于非线性、非凸优化问题，比如多能流优化。 比遗传算法更简单，但参数敏感性较高。
（4）模拟退火算法（SA）
常用于配电网重构、经济调度等。 特点：搜索随机性较强，可以跳出局部最优。
（5）混合算法（GA+PSO、PSO+DE等）
综合多种算法的优点，提升求解效率和精度。
3. 机器学习与人工智能
（1）强化学习（RL）
适用于电力市场竞价、动态能源管理等问题。 优势：可以在不确定性环境下学习最优策略。
（2）深度强化学习（DRL）
用于复杂场景下的多时间尺度决策（如电网调度、多能源系统优化）。 特点：对高维状态空间有更强适应能力。
（3）神经网络回归与预测
用于负荷预测、风电/光伏出力预测等优化的输入。
（4）支持向量机与决策树
应用于负荷分类、异常检测等子模块中。
4. 鲁棒优化与随机优化
（1）鲁棒优化
考虑最坏情况下的优化问题，适用于风电/光伏等不确定性较大的场景。 应用：储能规划、需求响应。
（2）随机优化
考虑输入的不确定性分布，用概率约束进行优化。 应用：电力系统长期规划、多场景负荷调度。
5. 分布式与分层优化
用于解决大规模复杂电力系统问题，尤其是多区域协同调度和多主体参与的场景。
（1）交替方向乘子法（ADMM）
应用于分布式优化问题，如分布式能源调度、虚拟电厂优化。
（2）分层优化
应用于市场分层机制、主网与微网协同优化等场景。
6. 多目标优化
适用于需要同时优化多个冲突目标（如经济性与环保性）的场景。
（1）Pareto前沿法
生成一组最优解，供决策者选择。
（2）基于权重的加权和法
通过调整权重来平衡各目标。
7. 最新热点技术
（1）安全深度强化学习（Safe DRL）
在优化过程中结合约束条件，确保优化解的可行性。 应用：电网恢复、微电网调度。
（2）联邦学习（Federated Learning）
在保护数据隐私的前提下，联合多个电力系统子区域优化。
（3）图神经网络（GNN）
用于电网拓扑优化和预测，尤其适合大规模复杂电网。
这些技术方法可以根据具体问题（如实时性、规模性、不确定性）选择组合，形成更强大的优化方案。如果你需要深入了解某一类技术的应用或工具，可以进一步探讨
注：文字经过GPT辅助润色，请酌情参考
扫码关注！
一个电气领域前沿动态与科研资源平台
点亮在看，你最好看！
1.【MESPO|2024招生】MESPO团队2024年博士及RA招生现状（更多请关注公众号）
2.【SCI期刊|IF 9.4】12月15！JES 期刊"混合储能在多能源系统运行规划中的作用探究"征稿中(无版面费)+专刊群聊邀请
3.【SCI征稿|影响因子6.4】2025年7月31！MDPI 六大期刊“采用新能源及其他设备实现智能电网灵活高效运行”专题征稿！
4.【SCI征稿|Frontiers】11月23！专题“韧性电网：信息-物理系统安全、模拟和自适应防御策略” 征稿进行中！+专刊群聊
5. 【团队介绍|芬兰MESPO】芬兰阿尔托大学李正茂教授“AI/优化+综合能源系统（冷热电氢水等）规划和运行”团队介绍+互助群聊邀请
