提升微電網穩定性：運用局部縮減演算法優化不確定環境下的容量配置與電力調度

本研究提出一種創新的局部縮減演算法，針對包含電力需求與再生能源波動等不確定因素的微電網，提供高效的容量配置與調度方案，並在模擬中展現超過九成的可行性。

Problem

微電網在進行系統容量配置與電力調度時，必須面對使用者需求、太陽能發電、電網電價及電池效率等多重不確定因素。此外，儲能系統產生的邏輯約束使得優化模型變得極為複雜，傳統方法難以在確保運算效率的同時維持解的品質。

研究比較了兩種建模策略：第一種是採用二元變數與大 M 約束的混合整數線性規劃（MILP）；第二種則是透過平滑重構將邏輯約束轉化為連續非線性規劃（NLP）。針對這兩類模型，研究進一步開發並擴充了局部縮減演算法（Local Reduction Algorithm）來尋求最優解。

透過 100,000 次蒙地卡羅模擬測試，研究結果顯示所提出的局部縮減演算法在兩種建模框架下皆表現優異。在面對各類隨機變數的壓力測試中，該算法產生的方案平均可行性比例均超過 90%，證明了其在實際應用中的可靠度。

此研究為微電網的強健優化控制提供了高效的運算框架。藉由改良的局部縮減演算法，不僅能妥善處理能源系統中的非凸優化與邏輯約束難題，更為不穩定環境下的分散式能源管理系統提供了具備高度執行力的決策支援工具。