Revisiting Deep AC-OPF
University of Cambridge(剑桥大学)
该研究重新审视机器学习方法求解AC最优潮流的性能优势,提出基于transformer的OPFormer-V电压预测模型,经系统评估发现其虽优于现有DeepOPF-V,但简单线性基线即可达到相当性能,强调评估需纳入强线性基线。
2025-08-31 cs.LG cs.SY eess.SY
Physics-Informed Graph Neural Networks for Robust AC-Optimal Power Flow
ETH Zurich(苏黎世联邦理工学院);International School for Advanced Studies(国际高等研究院);Massachusetts Institute of Technology(麻省理工学院)
提出PINCO框架,结合图神经网络与物理信息神经网络,可在未过滤数据上鲁棒求解AC-OPF,在多类测试系统上较IPOPT大幅提速且成本更低。
2026-07-30 cs.LG cs.SY eess.SY
Ensuring DNN Solution Feasibility for Optimization Problems with Convex Constraints and Its Application to DC Optimal Power Flow Problems
The Chinese University of Hong Kong(香港中文大学);City University of Hong Kong(香港城市大学);California Institute of Technology(加州理工学院)
本文提出“预防性学习”框架,通过校准不等式约束和对抗样本感知训练算法,在无需后处理下保证凸约束优化问题的DNN解可行性,应用于DC最优潮流问题实现100%可行性且最优性损失低于0.19%。
2023-05-17 cs.LG cs.SY eess.SY
Increasing the Flexibility of Combined Heat and Power Systems through Optimal Dispatch with Variable Mass Flow
在热电电力系统中,变质量流量可以更好地利用供热系统的惯性,以增加电力电力系统的灵活性。然而,这是具有挑战性的,由于整数变量和双线性约束,在现有的最优调度模型。在本文中,我们采用了改进的热管道模型,以消除复杂的整数变量,而不影响精度。然后,采用改进的广义Benders分解方法求解双线性约束下的最优调度模型,该方法将最优调度模型分解为固定质量流的凸子问题和求解最优质量流的简单上层问题.与现有基准的比较表明,所提出的方法可以实现较低的操作成本与突出的计算效率。
2020-11-29 cs.SY eess.SY
Fault Current-Constrained Optimal Power Flow on Unbalanced Distribution Networks
随着分布式发电向配电网的扩散,在调度问题中考虑故障电流的必要性变得越来越重要。本文介绍了一种在最优潮流中加入故障电流约束的方法,以减少故障电流,同时使发电成本最小。最优潮流问题被制定为一个单一的优化问题与子网络代表感兴趣的故障。有一个单一的优化问题,允许决策变量被耦合在最佳潮流和故障电流的研究,而不必超越可能的解决方案。所提出的方法适用于不平衡的配电网络,包括那些与Transformers引入相移。
2023-01-30 cs.SY eess.SY
On the Tightness of the Second-Order Cone Relaxation of the Optimal Power Flow with Angles Recovery in Meshed Networks
École Polytechnique Fédérale de Lausanne(洛桑联邦理工学院)
本文探讨了在互联网络中最优功率流问题的二次锥松弛紧性,通过数值实验验证了节点电压角度恢复和交流OPF可行性。
2026-02-18 cs.SY eess.SY
Restoring AC Power Flow Feasibility from Relaxed and Approximated Optimal Power Flow Models
为了解决与潮流非凸性相关的计算挑战,过去十年的重大研究工作开发了最优潮流(OPF)问题的凸松弛和近似。然而,与这些松弛和近似的凸性相关联的益处可能在解的准确性方面具有折衷,因为它们可能产生与功率注入和线路流不一致的电压相量,从而限制了它们对于某些应用的有用性。受状态估计(SE)技术的启发,本文提出了一种新的方法来获得一个交流潮流的可行点从一个松弛或近似的最优潮流(OPF)问题的解决方案。通过处理不一致的电压相量,功率注入,和线路流类似的噪声测量的状态估计算法,所提出的方法产生的功率注入和电压相量是可行的交流潮流方程,同时将信息从许多数量的解决方案,以放松或近似的OPF问题。我们通过调整加权项来改进这种方法,该方法受到用于训练机器学习模型的算法的启发。我们证明了所提出的方法,使用几个松弛和近似。结果表明,几个数量级的提高精度比传统的方法。
2023-02-23 cs.SY eess.SY
PowerModelsADA: A Framework for Solving Optimal Power Flow using Distributed Algorithms
研究提出开源框架PowerModelsADA,用于通过交替分布式算法求解最优潮流问题,可测试验证各类相关算法,且经多种最优潮流公式验证了实现有效性。
2023-10-06 cs.SY eess.SY
Optimal Power Flow in Hybrid AC and Multi-terminal HVDC Networks with Offshore Wind Farm Integration Based on Semidefinite Programming
多端高压直流技术是海上风电场并网的一项重要技术,对控制和运行方案提出了新的要求。因此,该系统的最优潮流问题对于实现最优经济运行具有重要意义。本文提出了一种基于半定规划的凸松弛模型来求解含DC/DC换流器的MT-HVDC系统的最优潮流问题。海上风电场集成的混合AC和MT-HVDC系统用于测试。仿真结果验证了所提模型的有效性,并保证获得全局最优解。
2019-11-02 cs.SY eess.SY
Distributed Computing for Scalable Optimal Power Flow in Large Radial Electric Power Distribution Systems with Distributed Energy Resources
求解大规模配电系统的非凸最优潮流(OPF)问题计算量很大。另一种方法是求解松弛凸问题或线性近似问题,但这些方法导致次优或潮流不可行的解决方案。在本文中,我们提出了一种快速的方法来解决最优潮流问题使用分布式计算算法结合分解技术。完整的网络级OPF问题被分解为多个较小的子问题,每个分解的区域或节点,可以很容易地解决使用现成的非线性规划(NLP)求解器。提出了分布式计算方法,通过该方法,子问题达成共识并收敛到网络级最优解。新颖之处在于利用径向网络拓扑中潮流方程的性质来设计有效的分解技术,从而减少实现一致性所需的迭代次数。
2022-11-08 cs.SY eess.SY
Cycle flow formulation of optimal network flow problems for centralized and decentralized solvers
University of California Irvine(加州大学尔湾分校)
本文提出利用图论中的循环基来减少决策变量空间,通过显式描述解的跨度来消除聚合流量守恒约束,并展示该方法在最小成本流和最优功率流问题中的应用。
2017-06-03 cs.SY eess.SY
Numerical Comparisons of Linear Power Flow Approximations: Optimality, Feasibility, and Computation Time
针对现有线性潮流近似研究多聚焦误差、缺乏交流可行性全面分析的问题,本文从近似精度、最优性、可行性、计算时间四方面,在5个系统上对比了常用有功功率线性近似方法的优劣。
2022-07-11 cs.SY eess.SY
Linear/Quadratic Programming-Based Optimal Power Flow using Linear Power Flow and Absolute Loss Approximations
ETH Zurich(苏黎世联邦理工学院)
本文提出了一种将非线性交流最优功率流(OPF)近似为可解的线性/二次规划(LP/QP)基于OPF问题的新方法,用于电力系统规划和运行。通过推导线性功率流近似并考虑以绝对值函数形式呈现的功率损耗的凸改写,展示了四种将此近似纳入LP/QP基于OPF问题的方法。通过全面的案例研究,分析并比较了所提出的OPF方法与现有OPF松弛和近似方法的实用性。结果表明,电压幅值和角度的误差合理,同时在典型场景中获得近最优结果。发现我们的方法显著减少了计算复杂度,使其成为规划用途的良好选择。
2018-08-16 cs.SY eess.SY
A tractable formulation for multi-period linearized optimal power flow in presence of thermostatically controlled loads
本文提出了一个凸的马尔可夫决策过程的非线性约束优化问题的重新制定,并适用于最优控制问题的一个合奏的恒温控制负载(TCLs)的技术成果。本文进一步探讨了一个(线性化)交流最优潮流问题时,一个或多个集成的TCL连接到一个电力网络的制定和解决方案。特别是,提出了一种滚动时域控制器,同时计算最佳的设定点的分布式能源(DER)在电网和最佳的开关信号的TCL。该公式考虑了DER的硬件约束、电网的操作约束(例如,电压限制)、TCL用户的舒适度以及变电站处的辅助服务提供。数值结果验证了所提出方法的有效性。
2019-08-24 cs.SY eess.SY
Optimal Power Flow as a Polynomial Optimization Problem
IBM Research - Ireland(IBM 爱尔兰研究中心)
将交流最优功率流问题转化为多项式优化问题,可实现大规模实例的求解并保证理论上的渐近收敛性。
2014-11-20 cs.SY eess.SY math.OC
A Data-Driven Warm Start Approach for Convex Relaxation in Optimal Gas Flow
在这封信中,我们提出了一种数据驱动的热启动方法,由人工神经网络授权,以提高最佳气流中凸松弛的效率。算例表明,该方法大大减少了凹凸过程算法的迭代次数,且仍能保证解的最优性和可行性。
2020-12-18 cs.SY eess.SY math.OC
Optimal Formation of Autonomous Vehicles in Mixed Traffic Flow
多个自动驾驶车辆的排队在学术界和工业界都引起了极大的关注。尽管具有巨大的潜力,但在自动驾驶汽车和人类驾驶汽车(HDV)共存的混合交通流中,排队并不是形成自动驾驶汽车的唯一选择。在本文中,我们研究了自动驾驶汽车的最佳编队,可以实现最佳的系统范围内的混合交通流的性能。具体来说,我们考虑整个交通流的最佳$\mathcal{H}_2$性能,反映了自动驾驶汽车在缓解交通扰动方面的潜力。然后,我们将最优编队问题表示为一个集函数最优化问题。数值结果显示,两个主要的最佳形式:均匀分布和队列形成,取决于交通参数。此外,我们表明:1)流行的队列编队并不总是最佳的选择; 2)当HDV具有较差的串稳定性行为时,队列编队可能是最差的选择。这些结果表明,在混合交通流中,除了排队之外,还有更多的机会形成自动驾驶汽车。
2020-04-01 cs.SY eess.SY math.OC
Quasi-Optimal Regulation of FlowNetworks with Input Constraints
University of Groningen(格罗宁根大学)
本文提出基于Lyapunov方法的分布式控制器,用于在输入饱和条件下实现流网络的全局收敛到目标最优稳态附近,以区域供热网络为例进行验证。
2016-06-27 cs.SY eess.SY math.OC
Carbon-Aware Optimal Power Flow
本文提出碳感知最优潮流(C-OPF)方法,在经典OPF基础上纳入碳排放流方程与碳目标,联合优化潮流与碳流,并解决方向不确定和双线性问题,数值仿真验证其有效性。
2025-03-30 cs.SY eess.SY math.OC
Optimal pricing control in distribution networks with time-varying supply and demand
University of Stuttgart(斯图加特大学);Faculty of Mathematics and Natural Sciences, University of Groningen(格罗宁根大学数学与自然科学学院)
本文研究动态库存系统中的最优流控制问题,提出考虑时间变化供应需求、运输线路容量限制及Legendre型凸流成本函数的动态优化分布问题,并设计动态反馈控制器实现流的渐近最优及存储水平平衡。
2014-03-27 cs.SY eess.SY math.OC
Explicit Ensemble Learning Surrogate for Joint Chance-Constrained Optimal Power Flow
Louisiana State University(路易斯安那州立大学)
本文提出一种用于联合机会约束最优潮流的集成支持向量机代理模型,通过Big-M重构将多个线性分类器嵌入为超平面约束,在IEEE 118节点系统上实现近最优成本且误差仅0.03%,为电力系统风险感知优化提供了高效透明的工具。
2025-11-05 cs.SY eess.SY math.OC
Convex Relaxation of Optimal Power Flow, Part II: Exactness
Caltech(加州理工学院)
本文探讨了最优功率流问题的凸松弛方法,分析了其精确性条件,总结了相关结构性质。
2014-05-05 cs.SY eess.SY math.OC
A structured input-output approach to characterizing optimal perturbations in wall-bounded shear flows
这项工作建立在最近的工作,利用结构奇异值的概念,捕捉非线性相互作用的壁有界剪切流的分析。在这种情况下,结构化的不确定性可以解释为最有可能被放大的流动结构(最佳扰动)。在这里,我们进一步分析这些扰动通过一个问题的重新表述,分解成三个组件与流向,壁面法线和展向速度相关性的不确定性。然后,我们证明了这些相关性的结构特征是一致的非线性最优扰动和次级稳定性分析与流向条纹的结果。这些结果表明,结构化的输入输出分析的潜力,以获得洞察到线性和非线性行为,可用于通知过渡壁有界剪切流的传感和控制策略。
2023-03-18 cs.SY eess.SY physics.flu-dyn
Robust Transient Stability Constrained Optimal Power Flow with Power Flow Routers Considering Renewable Uncertainties
提出了一种考虑可更新不确定性的鲁棒暂态稳定约束最优潮流问题,该问题通过协调发电再调度和潮流路由器(PFR)来解决,PFR是一种扩大最优潮流问题可行域的网侧控制器。与传统的只考虑发电调度的方法相比,该模型能更好地协调网侧和机侧控制。一个离线在线解决方案框架的开发,以有效地解决问题。在这个框架下,原来的问题是显着简化,使我们只需要解决一个低维的确定性问题,在在线阶段,以实现高鲁棒性水平的实时实现。在新英格兰39节点系统上验证了该方法的有效性。数值结果表明,该方法是有效的,具有良好的经济性和鲁棒性。
2020-05-31 cs.SY eess.SY math.OC
A Hybrid Approach for Secured Optimal Power Flow and Voltage Stability with TCSC Placement
The NORTHCAP University(北方卡普大学)
本文提出一种混合技术,结合最优功率流和FACTS设备安装以增强电压稳定性,通过改进引力搜索算法和萤火虫算法优化TCSC布置,验证了算法在IEEE 30节点系统中的性能。
2017-01-31 cs.NE cs.SY eess.SY
Efficient Solution Strategy for Chance-Constrained Optimal Power Flow based on FAST and Data-driven Convexification
电力系统中多负荷和可再生能源发电的不确定性增加了决策者潮流分析的复杂性。机会约束法可用于不确定性下的潮流最优化问题建模。提出了一种基于数据驱动的潮流凸化方法和快速情景算法的机会约束交流最优潮流(CCACOPF)求解方法。这种方法在计算上是有效的,主要有两个原因。首先,原来的非凸交流潮流(ACPF)的约束近似的一组学习为基础的二次凸的。第二,FAST是一种基于神经网络的高级求解方法(SSM),它不依赖于预先假设的概率分布,使用的场景比传统的SSM少得多。最后,CCACOPF转换成一个计算易处理的凸优化问题。IEEE算例的仿真结果表明:1)该方法在计算效率上优于传统的SSM方法; 2)数据驱动的凸化潮流方法能够有效地逼近原始复杂交流潮流。
2021-11-11 cs.SY eess.SY math.OC
Residual Correction Models for AC Optimal Power Flow Using DC Optimal Power Flow Solutions
Sustainable Energy Institute University of Colorado Boulder(可持续能源研究所 美国科罗拉多大学博尔德分校)
提出以DC OPF解为基线、用拓扑感知GNN学习非线性残差校正的AC OPF方法,在多母线系统上显著降低误差并最高加速13倍。
2025-10-17 cs.AI cs.LG cs.SY
Convergence Analysis of Fixed Point Chance Constrained Optimal Power Flow Problems
针对机会约束最优潮流中不动点迭代方法的先验收敛性不明问题,本文分析其收敛条件,并通过含大型IEEE网络的数值实验进行验证。
2022-01-17 cs.SY eess.SY math.OC
A Hierarchical Approach to Optimal Flow-Based Routing and Coordination of Connected and Automated Vehicles
University of Delaware(特拉华大学);Cornell University(康奈尔大学)
针对宏观最优车流实际难以实现的问题,提出一种面向网联自动驾驶车辆(CAVs)的分层路由恢复与生态驾驶策略,通过启发式算法分配路线并协调交叉口通行,有效降低城市总行程时间与能耗。
2023-09-07 cs.RO cs.SY eess.SY
Quantum Algorithms for Optimal Power Flow
该研究探索用HHL和VQLS量子算法求解电网最优潮流问题,仿真显示其结果与经典方法相近且优于已有文献结果,验证了量子计算用于电力系统优化的潜力。
2024-12-09 cs.SY eess.SY math.OC
Optimal steering to invariant distributions for networks flows
我们得出新的结果遍历理论的不可约,非周期马尔可夫链。我们展示了如何最佳地引导网络流量在有限或无限的时间范围内的平稳分布。最优性是关于可行路径上分布之间的熵距离。当先验是可逆的,它表明,解决这个离散的时间和空间转向问题是可逆的。一个温度的概念定义为玻尔兹曼分布网络,和类似的冷却问题(在这种情况下,在离散空间和时间的演变)进行了讨论。
2021-02-25 cs.SY eess.SY math.OC
Parallel Network Flow Allocation in Repeated Routing Games via LQR Optimal Control
在这篇文章中,我们研究了平行网络上的重复路由博弈问题,每条边上的仿射延迟函数。我们铸造的游戏设置在一个LQR控制理论框架,利用罗森塔尔潜在的制定。我们使用控制技术来分析游戏动态的收敛与特定的情况下,借给自己的最优控制。设计了合适的动力学参数,保证了流量守恒。我们使用多参数二次规划方法(显式MPC)为一般最优控制设置提供了算法解决方案。最后,我们用数值方法说明了系统参数变化对解的影响。
2021-12-30 cs.GT cs.SY eess.SY
Flow-aware Optimal Navigation in Unsteady Flows through Reinforcement Learning
Politecnico di Milano(米兰理工大学);MOX(数学优化与工程计算实验室)
研究在非定常流中自主机器人导航问题,用TD3算法训练智能体在双涡旋流中到达目标。评估五种生物启发观测策略及全局流参数影响,发现速度感知与涡度传感器效用有权衡,明确参数会降性能,为机器人导航从模拟到现实提供见解。
2026-07-16 cs.LG cs.RO cs.SY
A State-Space Approach for Optimal Traffic Monitoring via Network Flow Sampling
Merit Network, Inc.(Merit网络公司);University of Michigan(密歇根大学)
本文提出基于状态空间的优化交通监控方法,通过利用网络流的空间和时间关系,在资源受限条件下实现最优的流量采样策略,提升网络流量估计的准确性。
2013-06-24 cs.NI cs.SY eess.SY
Age-Optimal Multi-Flow Status Updating with Errors: A Sample-Path Approach
针对含多流、多服务器和传输差错的状态更新系统的信息年龄最小化问题,提出四种调度策略,通过统一样本路径方法证明流同步时策略在随机序下对时变对称非递减年龄惩罚函数(近)最优。
2023-10-03 cs.IT cs.NI cs.PF