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
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
Graph Neural Network-based Power Flow Model
University of Houston(休斯顿大学);Shell(壳牌公司)
本文提出一种基于图神经网络的潮流模型,利用历史电网数据训练GNN以快速准确预测线路潮流,并在测试系统上验证其相比直流潮流模型、DNN和CNN具有更高精度和效率。
2023-07-05 cs.LG cs.SY eess.SY
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
Physics-Constrained Neural Dynamics: A Unified Manifold Framework for Large-Scale Power Flow Computation
Shanghai Jiao Tong University(上海交通大学)
本文提出一种基于流形几何和梯度流的神经物理功率流求解方法,通过无监督训练实现端到端的物理约束学习。
2025-12-01 cs.AI cs.SY eess.SY
Physics-Informed Neural Networks for AC Optimal Power Flow
Technical University of Denmark (DTU)(丹麦技术大学)
本文首次介绍了物理信息神经网络,以准确估计AC-OPF结果,并对其性能提供严格的保证。电力系统运营商以及其他一些参与者越来越多地将最优潮流(OPF)算法用于广泛的应用,包括规划和实时操作。然而,在其原始形式,交流最优潮流问题往往是具有挑战性的解决,因为它是非线性和非凸的。除了大量的近似和松弛,最近的努力也集中在机器学习方法,特别是神经网络。然而,到目前为止,这些方法仅部分考虑了训练期间可用的大量物理模型。而且,更重要的是,他们没有提供任何关于其输出的潜在约束违反的保证。我们的方法(i)在神经网络训练中引入交流潮流方程,(ii)集成了严格确定和减少整个输入域中最坏情况约束违反的方法,同时保持预测的最优性。我们展示了物理信息神经网络如何实现比标准神经网络更高的准确性和更低的约束违反,并展示了我们如何进一步减少所有神经网络的最坏情况违反。
2021-10-06 cs.LG cs.SY eess.SY
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
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
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
Quantitative Flow Approximation Properties of Narrow Neural ODEs
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
本文重新审视窄神经ODE的流逼近性质,提出仅用ODE和Grönwall引理的简单证明技巧,并估计了时变权重模拟单层宽NODE所需的切换次数。
2025-03-06 cs.LG 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
Quantum Neural Networks for Power Flow Analysis
Delft University of Technology(代尔夫特理工大学)
本文研究量子与混合量子-经典神经网络在潮流分析中的应用,通过4节点和33节点系统实验表明混合模型在泛化、鲁棒性和训练稳定性等方面优于纯量子与经典神经网络。
2024-03-10 cs.LG cs.SY eess.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