Self-Supervised Learning of Parametric Approximation for Security-Constrained DC-OPF
Escuela Politécnica Nacional(国立理工学院);Purdue University(普渡大学)
本文提出了一种基于参数近似的自监督学习方法,用于高效解决安全约束直流最优潮流问题,通过图神经网络预测参数并优化,实现高精度调度和低误差的电力系统运行。
2026-01-20 math.OC
An Augmented Lagrangian Method on GPU for Security-Constrained AC Optimal Power Flow
Mines Paris-PSL(巴黎矿业学院);University of Freiburg(弗赖堡大学);Argonne National Laboratory(阿贡国家实验室);Massachusetts Institute of Technology(麻省理工学院)
提出基于GPU的增广拉格朗日方法MadNCL,求解大规模安全约束交流最优潮流,通过无主元分解并行化,在500母线256预想事故下3分钟内求解,远快于Knitro。
2025-10-15 math.OC
A Variable Reduction Method for Large-Scale Security Constrained Unit Commitment
大规模安全约束机组组合问题的有效求解方法一直是一个重要的研究课题和挑战,尤其是在市场出清计算中。对于大规模的SCUC,拉格朗日松弛法(LR)和混合整数规划法(MIP)被广泛采用。然而,LR通常收敛速度慢,MIP的计算负担是沉重的,当二进制变量数很大。本文提出了一种变量约简方法:首先,放松原SCUC问题中的时间耦合约束,得到多个单周期SCUC问题(s-UC)。其次,LR用于求解s-UC。与传统的LR迭代次梯度法不同,该方法可以通过求解线性规划得到s-UC的最优乘子和近似UC解。第三,建立了SCUC问题中UC变量的选择和确定准则,从而减少了二元变量的数量。最后用MIP求解器求解简化后的二进制变量的SCUC,得到最终的UC解。在IEEE 118节点系统和6484节点系统上对该方法进行了测试。结果表明,该方法是有效的。
2018-10-22 math.OC
Security Constrained Optimal Power Flow with Distributionally Robust Chance Constraints
波动的可再生能源馈入量的增加和市场自由化增加了电力系统运行的不确定性。为了捕捉波动的影响,在运行规划,我们建模的不确定性的输入作为随机变量的预测误差,并制定了一个安全约束的最优潮流使用机会约束。机会约束限制了违反技术约束(如发电和输电限制)的概率,但需要一个易于处理的重新表述。在本文中,我们讨论了不同的机会约束的分析重新制定的基础上,一组给定的假设有关的预测误差分布。特别是,我们讨论了不假设一个正态分布,并承认一个分析的重新制定只给一个均值向量和协方差阵。我们说明了我们的方法与IEEE 118总线系统的案例研究,从欧洲系统的实际数据的基础上。不同的重新制定方面取得的经验违规概率和运营成本进行了比较,这使我们能够提供一个建议,最合适的重新制定在一个最佳的潮流设置。对于大量的不确定性源,据观察,线流量和发电机输出的分布可以接近正常,即使功率注入不是正态分布。
2015-08-25 math.OC
Recent Developments in Security-Constrained AC Optimal Power Flow: Overview of Challenge 1 in the ARPA-E Grid Optimization Competition
最优潮流问题是电力系统设计和运行中的核心问题。该问题寻求电力网络的最小成本运行点,同时满足工程要求和描述电力如何流过电力网络的物理定律。通过额外考虑元件故障的可能性并使用精确的电网交流潮流模型,安全约束的交流最优潮流(SC-AC-OPF)问题具有重要的实际意义。为了评估SC-AC-OPF问题解决算法的最新进展并促进新的创新,美国能源部高级研究计划局-能源(ARPA-E)组织了电网优化(GO)竞赛的挑战1。本文介绍了比赛中使用的SC-AC-OPF问题的制定,概述了SC-AC-OPF算法的历史发展和最新技术水平,讨论了比赛,并总结了围棋比赛挑战赛1的前三名团队(团队gollnlp,GO-SNIP和GMI-GO)使用的算法。
2022-06-15 math.OC
GPU Accelerated Security Constrained Optimal Power Flow
本文提出一种基于GPU加速的近似消息传递算法,用于求解大规模预想事故约束直流最优潮流问题,无需求解线性系统,在单个GPU上实现超过100倍加速并可在一分钟内求解5亿变量规模的问题。
2024-10-22 math.OC
Security Constrained Multi-Stage Transmission Expansion Planning Considering a Continuously Variable Series Reactor
将连续可变串联电抗器(CVSR)引入输电网规划问题。CVSR是一种类似FACTS的设备,具有控制传输线总阻抗的能力。然而,CVSR的成本约为类似额定FACTS设备的十分之一,这可能允许安装大量设备。考虑$N-1$安全约束的CVSR多级TEP被表示为混合整数线性规划模型。由可变电抗引入的潮流的非线性部分通过重构技术线性化。为了减少实际大系统的计算负担,提出了一种分解方法。IEEE 24节点系统和波兰2383节点系统的仿真结果验证了该方法的有效性。此外,适当分配的CVSR增加了灵活性的TEP问题,并允许降低规划成本。虽然所提出的分解方法不能保证全局最优,如何网络可以可靠地和经济地考虑CVSR实现了一个高层次的图片。
2017-03-27 math.OC
Solving realistic security-constrained optimal power flow problems
我们提出了一种分解方法,以获得良好的可行解的安全约束的交流最优潮流(SCACOPF)问题在工业规模和现实世界的时间和计算限制。该方法的目的是补充现有的文献机构的约束问题,通过凸松弛。它是为参加ARPA-E的网格优化(GO)竞赛挑战1而设计的。该挑战集中在SCACOPF问题的近实时版本上,其中考虑到可能的单元件意外事件,优化基本情况操作点,之后系统根据自动频率下降控制器和电压调节器的响应调整其操作点。这个问题的解决方法依赖于国家的最先进的非线性规划算法,并采用非凸松弛互补约束,一个专门的两阶段分解技术与稀疏近似的追索条款,应急排名和预筛选。本文还概述了我们的实现,如快速模型函数和衍生物的评价,热启动策略,和异步并行的显着特点。我们讨论了ARPA-E的GO团队在挑战1中对我们的方法进行的独立基准测试的结果,该测试发现,我们的方法在各种网络规模和难度下都能始终如一地产生高质量的解决方案。最后,我们总结了我们的方法的潜在扩展和改进。
2021-10-04 math.OC
Efficient Multi-Year Security Constrained AC Transmission Network Expansion Planning
多年动态交流输电网扩展规划问题的求解因其潜在的精确性而逐渐成为规划研究的中心。然而,与DC TNEP相比,安全约束AC TNEP的计算负担是巨大的。对于一个动态的,安全约束的AC TNEP问题,计算负担变得非常过度,即使是中等规模的系统的解决方案变得几乎不可能。因此,本文提出了一种有效的,四阶段的解决方法,多年来,网络N-1意外事故和电压稳定约束,动态ACTNEP问题。一些智能逻辑策略的开发和应用,以减少优化算法的计算负担。所提出的方法被应用到Garver 6,IEEE 24和118总线系统,以证明其效率和能力,以解决TNEP为不同的系统规模。
2019-09-13 cs.SY eess.SY math.OC
Security Constrained AC Transmission Network Expansion Planning
现代输电网扩展规划(TNEP)采用能够处理电压和电压稳定约束的交流网络模型。然而,这样的模型需要优化与迭代交流潮流模型,这是计算上如此苛刻,大多数研究人员忽略了至关重要的(N-1)安全约束。因此,本研究工作的目标是开发一个有效的,两阶段的优化策略来解决这个问题。在第一阶段中,解决了DC扩展规划问题,该问题提供了初始猜测以及一些非常好的算法,以减少用于AC传输和无功扩展规划的第二阶段的潮流解的数量。采用改进的人工蜂群算法(MABC)求解该最优化问题。Garver 6总线,IEEE 24总线和IEEE 118总线测试系统的静态AC TNEP结果已获得与建议和严格的方法,并在可能的情况下,与文献中报道的类似结果进行比较,以证明所提出的方法的好处。此外,多级动态AC TNEP的Garver 6总线系统的解决,以显示这种问题的方法的适用性。
2018-09-22 math.OC
Risk-Aware Security-Constrained Unit Commitment: Taming the Curse of Real-Time Volatility and Consumer Exposure
本文提出风险感知的安全约束机组组合模型,利用基于主成分分析的数据驱动不确定集刻画负荷与风电波动,并设计可处理非凸子问题的分解算法,在NYISO数据上验证其能有效降低消费者高成本风险。
2024-08-12 math.OC
Optimizing Multi-Timestep Security-Constrained Optimal Power Flow for Large Power Grids
本文提出一种扩展大型电网多时间步安全约束最优潮流的新方法,通过约束松弛、线性化、序列优化和问题重构等技术处理数百万变量与非线性约束,在满足时间约束下获得高质量解,鲁棒性优于基准。
2023-11-26 cs.SY eess.SY math.OC
A computationally efficient arc-search interior-point algorithm for nonlinear constrained optimization
本文提出一种计算高效的非线性约束优化弧搜索内点算法,利用二阶导数构造搜索弧,通过复用首个线性方程组的矩阵分解降低计算成本,证明了收敛性且初步测试验证了其优势。
2025-01-06 math.OC
Considering Multiple Uncertainties in Stochastic Security-Constrained Unit Commitment Using Point Estimation Method
安全约束机组组合是现代电力市场安全优化运行的重要问题之一。新的不确定性来源,如风速波动和价格敏感的负载,对这一大规模问题提出了额外的挑战。本文提出了一种新的随机SCUC的点估计方法,更有效地建模电力系统的不确定性。传统的基于蒙特卡罗的随机SCUC方法考虑蒙特卡罗方法,这对这个大规模的问题提出了额外的计算负担。在本文中,我们使用点估计,而不是场景生成,以减少计算负担的问题。所提出的方法是在一个六节点系统和一个修改后的IEEE 118节点系统与94个不确定变量。该算法的有效性得到了证实,特别是在最后一种情况下,在不损失相当大的精度的情况下,显着减少了计算负担。
2017-01-23 math.OC physics.data-an
Security Constrained Unit Commitment with Corrective Transmission Switching
传统上,电力系统运行使用静态网络来输送电力并最佳地满足需求。通过输电切换(TS)进行网络拓扑重构以降低电力系统的运行成本,近年来引起了广泛的关注。然而,TS的实施也会导致网络中的大干扰,因此,使用校正传输切换(CTS)来响应电力系统突发事件目前正在被广泛研究。在N-1安全约束机组组合(SCUC)模型中,强调CTS对实现灵活输电的重要性。提出了一个N-1 SCUC数学模型,实现了一个动态的网络在事故后的情况下,而不是目前的行业实践中的静态网络在短期内的操作。该模型在IEEE 24节点系统上进行了测试和验证。所提出的模型的结果,在成本效益的实施,并导致整体成本降低,并减少拥塞后的应急方案。
2020-01-02 eess.SP math.OC
Tight Bound for Sum of Heterogeneous Random Variables: Application to Chance Constrained Programming
研究了一类非齐次变量与自变量之和的紧Bennett型集中不等式,定义为一维极小化。我们表明,这种改进,它优于标准的已知界限,仍然计算上易于处理:我们开发了一个多项式时间算法计算置信区间,证明终止与ε-解决方案。从所提出的不等式,我们推导出严格的分布鲁棒界的机会约束规划问题。为了说明我们的方法的效率,我们考虑两个用例。首先,我们研究了机会约束二元背包问题,并通过获得比经典不等式(例如Chebyshev-Cantelli或Hoeffding)更强的解来强调我们的切割平面方法的效率。其次,我们处理的支持向量机问题,我们得到的凸保守近似提高了分离超平面的鲁棒性,同时保持计算易处理。
2022-11-22 math.OC
An ADMM-based Distributed Optimization Method for Solving Security-Constrained AC Optimal Power Flow
本文针对大规模安全约束交流最优潮流问题,提出基于ADMM的分布式优化框架,结合析取约束平滑、事故筛选和并行架构,在工业规模系统上实现了高效鲁棒求解。
2023-08-10 math.OC
Inverse Chance Constrained Optimal Power Flow
本文提出逆机会约束最优潮流,将安全水平从参数转为决策变量,以求解系统可支持的最高可行安全水平,并设计牛顿-拉夫逊型迭代算法高效求解,数值实验验证了方法有效性。
2025-06-22 cs.SY eess.SY math.OC
Enhanced Modeling of Contingency Response in Security-constrained Optimal Power Flow
本文提供了一个增强的建模的应急响应,共同反映高保真的物理和运行特性的电网。将有功和无功事故响应集成到安全约束最优潮流(SCOPF)问题中具有挑战性,这是由于表示发电机特性的分段曲线所导致的可行集的非光滑性和非凸性。我们引入了一个连续微分模型,使用的功能,非常类似PV/PQ开关和发电机应急响应。这些模型通过优化分配可用发电机之间的有功功率不平衡并决定从PV型切换到PQ型的总线类型来执行物理和操作限制。在IEEE 30节点、300节点和118节点系统上分别计算了12、10和100个事故,验证了该方法的有效性。
2021-02-17 cs.SY eess.SY math.OC
Computationally Efficient Chance Constrained Covariance Control with Output Feedback
本文研究部分可观测线性系统的机会约束协方差控制问题,提出利用 Kalman filter 重构状态并将机会约束转化为差分凸约束,通过逐次凸化求解,在双积分器实验中验证了计算高效性。
2024-03-22 cs.SY eess.SY math.OC
Decomposing Convexified Security-Constrained ACOPF Problem with AGC Reformulation
本文提出了一种新的自动发电控制(AGC)的分解凸松弛算法。它找到了一个最优解的交流最优潮流(ACOPF)的问题,是安全的,对一个大的意外事件。利用二阶锥松弛法将原ACOPF问题转化为无列联约束的系统。对意外事件进行过滤,以区分将采取预防措施的意外事件和将采取纠正措施的意外事件。选定的预防性行动的意外情况包括在一套安全限制中。利用Benders分解将安全约束ACOPF问题分解为一个主问题和若干个安全检查子问题。子问题在并行计算过程中进行评估,提高了计算效率。每个子问题内的AGC是由一组建议的有效约束,所以采购的解决方案是每个发电机组在意外事件的物理响应建模。Benders最优切割产生的子问题有不匹配和切割被传递到主问题遇到的安全约束。松弛结果的准确性进行了验证,使用所提出的紧密性措施。所提出的有效AGC约束和所提出的算法的可扩展性的有效性证明在几个案例研究。
2021-07-07 cs.SY eess.SY math.OC
Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow
Georgia Institute of Technology(佐治亚理工学院)
安全约束最优潮流(SCOPF)是电力系统中的基本问题,它将同步发电机的自动一次响应(APR)与短期计划联系起来。每天,SCOPF问题都要针对各种输入进行反复求解,以确定给定一组突发事件的鲁棒调度。不幸的是,在SCOPF问题中对APR进行建模会导致复杂的大规模混合整数规划,难以求解。为了应对这一挑战,利用丰富的可用历史数据,本文提出了一种结合深度学习和鲁棒优化技术的新方法。与最近的机器学习应用程序的目的是减轻精确求解器的计算负担不同,所提出的方法直接预测SCOPF可实现的解决方案。可行性分两步实施。首先,在训练过程中,拉格朗日对偶方法惩罚违反物理和操作约束的行为,这些约束根据需要通过列和约束生成算法(CCGA)迭代地添加到机器学习模型中。其次,另一种不同的CCGA通过找到最接近预测的可行解来恢复可行性。在大型测试用例上的实验表明,该方法在获得可行解的最优性差距小于0.1%的时间显着减少。
2020-07-14 cs.LG math.OC
Enhancing System Flexibility through Corrective Demand Response in Security-Constrained Unit Commitment
目前,系统运营商通过在日前调度中出于经济原因调度可控负荷来实现需求响应。特别地,需求从电力成本较高的高峰时间转移到非高峰时间,以通过平坦化负载分布来保持系统可靠性。然而,在短期业务中,没有明确考虑到在发生意外后的情况下采取这种行动的系统灵活性和经济效益。因此,本文强调了需求响应的好处,作为一个纠正行动,潜在的突发事件后,提前一天调度。提出了一种安全约束的机组组合(SCUC)模型,该模型考虑了当线路或发电机停运时,通过修正需求响应(CDR)提供的灵活性来维持系统的系统可靠性。该模型在IEEE 24节点系统上进行了测试,仿真结果表明,在日常运营中,总成本节省显着。此外,结果表明,发电机具有更好的长期可靠性,并且能够使用现有系统的灵活性,并在实施CDR时满足基本情况下更高的关键需求。
2020-06-20 cs.SY eess.SY math.OC
Security-Constrained Multi-Objective Optimal Power Flow for a Hybrid AC/VSC-MTDC System with Lasso-based Contingency Filtering
为了协调AC/VSC-MTDC系统的经济性和电压质量,提出了一种新的校正安全约束多目标最优潮流(SC-MOPF)方法。以发电成本和电压偏差最小化为目标函数,提出了一种带N-1安全约束的并联SC-MOPF模型,用于求解并网AC/DC系统的校正控制问题。为了求解该模型,通过引入并行计算,提出了一种新的并行双准则进化指标进化算法(BCE-IBEA),以寻求多个分布良好的Pareto最优解.在此过程中,最小绝对收缩和选择算子(Lasso)为基础的N-1应变过滤计划与复合安全指数的发展,有效地筛选出最严重的情况下,从所有的意外事件。从而,最佳的妥协解决方案,反映了不同的决策者的偏好,自动确定通过集成的决策技术。在修改后的IEEE 14和300节点系统的案例研究表明,所提出的方法管理,以解决这个SC-MOPF问题,显着提高计算效率。
2019-12-31 cs.SY eess.SP eess.SY
Learning to Solve Large-Scale Security-Constrained Unit Commitment Problems
Argonne National Laboratory(阿贡国家实验室);Georgia Institute of Technology(佐治亚理工学院)
安全约束机组组合是电力系统和电力市场中的一个基本问题。在实际设置中,SCUC通过混合线性线性规划重复求解,有时每天多次,输入数据只有微小的变化。在这项工作中,我们提出了一些机器学习(ML)技术,以有效地从以前解决的实例中提取信息,以显着提高MIP求解器的计算性能时,解决类似的情况下,在未来。基于统计数据,我们预测冗余约束的制定,良好的初始可行解和仿射子空间的最优解是可能的谎言,导致显着减少问题的大小。一组不同的现实和大规模的实例上的计算结果表明,使用所提出的技术,SCUC可以解决平均4.3倍的最优性保证,和10.2倍的速度没有最优性保证,但没有观察到的解决方案的质量降低。分布外实验提供了证据,该方法对数据集偏移具有一定的鲁棒性。
2019-12-18 cs.LG math.OC stat.ML
Neural Networks for Encoding Dynamic Security-Constrained Optimal Power Flow
Technical University of Denmark(丹麦技术大学)
本文介绍了一个框架,捕捉以前棘手的优化约束,并将其转换为一个混合整数线性规划,通过使用神经网络。我们编码的可行空间的优化问题,其特征在于易于处理和难以处理的约束,例如微分方程,神经网络。利用神经网络的精确混合整数重构,我们解决了混合整数线性规划,这些规划精确地近似了最初棘手的非线性优化问题的解决方案。我们将我们的方法应用于交流最优潮流问题(AC-OPF),其中直接包括动态安全约束使得AC-OPF难以处理。我们提出的方法有可能比传统方法更具可扩展性。我们展示了我们的方法电力系统操作考虑N-1安全和小信号稳定,显示它如何能够有效地获得成本最优的解决方案,同时满足静态和动态的安全约束。
2022-07-14 cs.LG cs.SY eess.SY
Machine Learning Assisted Approach for Security-Constrained Unit Commitment
University of Houston(休斯顿大学)
针对电力系统日前发电计划中的安全约束机组组合问题,提出了一种求解该问题的大规模混合整数线性规划方法。SCUC的模型缩减可以带来显著的时间节省。在这项工作中,提出了一种新的方法,有效地利用机器学习(ML),以减少SCUC的问题大小。提出了一种使用逻辑回归(LR)算法的ML模型,并用历史节点需求曲线和相应的承诺时间表进行训练。对ML输出进行处理和分析,以减少SCUC中的变量和约束。在IEEE 24节点系统、IEEE 73节点系统、IEEE 118节点系统、合成South Carolina 500节点系统和波兰2383节点系统等标准测试系统上对该方法进行了验证。仿真结果表明,在SCUC模型约简中使用所提出的LR模型的预测可以在保持解的质量的同时大大减少计算时间。
2022-07-13 cs.LG cs.SY eess.SY
An Accelerated-Decomposition Approach for Security-Constrained Unit Commitment with Corrective Network Reconfiguration- Part II: Results and Discussion
针对安全约束机组组合(SCUC)中的计算复杂性问题,提出了一种新的基于校正网络重构(CNR)的SCUC算法。这是通过分解SCUC/SCUC-CNR公式,然后快速筛选非关键子问题的可扩展性的考虑。这是对SCUC和SCUC-CNR的广泛配方进行比较,以显示所提出的典型分解和加速分解方法SCUC和SCUC-CNR分别的优点。IEEE 24节点系统的仿真结果表明,所提出的方法是在解决方案质量的损失,大大加快。所提出的加速分解方法可以实现大型电力系统,因为它们具有很大的性能在IEEE 73节点系统和波兰系统的可扩展性测试时,与各自的广泛的配方和典型的分解方法。总的来说,一个动态的应急后网络可以大大减轻网络拥塞,并导致较低的最优成本。
2020-07-17 cs.SY eess.SY math.OC
A two-step approach to Wasserstein distributionally robust chance- and security-constrained dispatch
本文考虑了可再生能源发电存在时,发电机和线路同时发生事故的安全约束调度问题。由于可再生能源的不确定性建模使用联合机会约束和不匹配所造成的意外事件和可再生能源使用储备处理。我们考虑一个分布鲁棒的方法来解决机会约束规划。我们假设不确定性的样本是可用的。使用它们,我们构建了一组分布,称为模糊集,包含所有的分布,接近经验分布下的Wasserstein度量。对模糊度集中的所有分布施加机会约束,形成分布鲁棒最优化问题。这个问题是非凸的,计算量很大,难以精确求解。我们采用两步的方法来找到一个近似解。在第一步中,我们在不确定性空间中构造一个多面体集,该多面体集在模糊集中的所有分布下都包含足够的质量。这个集合是通过求解几个二维分布鲁棒问题而构造的。在第二步中,我们解决了一个线性鲁棒最优化问题的不确定性约束施加在所有的不确定性值躺在多面体集。我们使用数值实验证明了我们的方法的可扩展性和鲁棒性。
2022-08-16 cs.SY eess.SY math.OC
Wasserstein distributionally robust risk-constrained iterative MPC for motion planning: computationally efficient approximations
针对迭代MPC结合分布鲁棒风险约束的运动规划问题计算量随迭代升高的问题,提出数据聚类调整模糊集和预确定DR安全区域两种高效近似方法,保证安全性的同时降低实时计算负担。
2023-10-06 cs.SY eess.SY math.OC
A simplified nonsmooth nonconvex bundle method with applications to security-constrained ACOPF problems
受两阶段随机规划问题的启发,提出了一类非光滑非凸问题的优化算法。这些问题的主要挑战包括:(1)问题缺乏流行的下型性质,如许多非光滑非凸优化算法中假设的正则性,(2)目标不能解析表示,(3)函数值和次梯度的计算是昂贵的。为了应对这些挑战,本报告首先研究了许多两阶段问题中存在的性质,特别是上C^2目标。然后,我们证明了二次罚函数法求解安全约束的交流最优潮流(SCACOPF)事故问题可以使事故解的函数大于C^2。在此基础上,提出了一种类似于序列二次规划(SQP)方法的简化束算法。与传统的束方法相比,它在实现和计算上更有效。在新的合理假设下,给出了算法的整体收敛性分析.因此,该算法填补了一些光滑SCACOPF问题的理论收敛性的空白。在我们的治疗约束可能会出现的不一致,通过惩罚算法的收敛性分析也提供了解决。最后,通过数值算例验证了算法的理论能力和数值性能。
2022-03-31 cs.NA math.NA math.OC
Adversarially Robust Learning for Security-Constrained Optimal Power Flow
Carnegie Mellon University(卡内基梅隆大学)
近年来,ML社区对对抗性鲁棒学习和隐式层的兴趣激增,但这两个领域之间的联系很少被探索。在这项工作中,我们结合这些领域的创新来解决N-k安全约束最优潮流(SCOPF)的问题。N-k SCOPF是电网运行的核心问题,其目的是以一种对潜在的k个同时设备中断具有鲁棒性的方式调度发电。受对抗性鲁棒训练方法的启发,我们将N-k SCOPF框架视为极小极大最优化问题-将发电设置视为可调参数,将设备中断视为(对抗性)攻击-并通过基于梯度的技术解决此问题。这个极大极小问题的损失函数涉及到求解代表网格物理和操作决策的隐式方程,我们通过隐函数定理对此进行区分。我们证明了我们的框架在解决N-3 SCOPF,这在传统上被认为是过于昂贵的解决问题的大小取决于组合的潜在中断的数量的有效性。
2021-11-12 cs.LG cs.SY eess.SY
Distributed Security Constrained Economic Dispatch
Carnegie Mellon University(卡内基梅隆大学);SYSU-CMU Joint Institute of Engineering, Guandong, China(中山大学-卡内基梅隆大学联合工程学院);Energy Science, Technology and Policy, CIT interdisciplinary, Carnegie Mellon University, Pittsburgh, PA, US(卡内基梅隆大学跨学科科学、技术与政策中心);SYSU-CMU Shunde International Joint Research Institute, Guandong, China(中山大学-卡内基梅隆大学顺德国际联合研究院)
本文研究了两种分解方法的收敛速度,用于解决安全约束经济调度问题,比较了Lagrange松弛与增广Lagrange松弛在精度和信息隐私方面的优劣,发现ALR因共享数据量大而收敛更快。
2015-11-09 cs.DC cs.SY eess.SY
A Convex Information Relaxation for Constrained Decentralized Control Design Problems
我们描述了一个凸规划的方法来计算的下界的最小成本的非经典信息结构的约束分散控制问题。我们考虑的一类问题需要分散输出反馈控制的线性时变系统在一个有限的地平线上,多面体的状态和输入轨迹的约束,和控制器的信息结构的稀疏性约束。由于这种系统的最优控制策略的确定通常在计算上是难以处理的,因此在文献中已经做出了相当大的努力来有效地识别可计算的、尽管是次优的、可行的控制策略。在计算上易于处理的次优界的建设是本说明中开发的技术的主要动机。具体来说,给定一个分散控制问题的非经典信息,我们的特征在于扩展的给定的信息结构,这确保其部分嵌套,同时最大化的最优值的分散控制问题下扩展的信息结构。由此产生的分散控制问题是铸造作为一个无限维凸规划,这是进一步放宽通过部分对偶和限制仿射对偶控制策略。由此产生的问题是一个有限维圆锥规划,其最优值是一个可证明的下界上的最小成本的原始约束分散控制问题。
2019-06-03 math.OC
A Computationally Efficient Hamilton-Jacobi-based Formula for State-Constrained Optimal Control Problems
研究了高维系统有限时域最优控制问题的Hamilton Jacobi(HJ)分析。虽然基于网格的方法,如水平集方法[1],数值求解一般类的HJ偏微分方程,计算复杂性是指数的连续状态的维度。为了管理这种计算复杂性,基于Lax-Hopf理论的方法已经被开发用于在某些假设下的状态无约束最优控制问题,例如仿射动力学和状态独立阶段成本。本文在Lax公式[2]的基础上,提出了非线性系统状态约束最优控制问题的HJ公式。对于最优控制问题,我们称这个公式为\textit{the generalized Lax formula}。HJ公式提供了最优成本和最优控制信号。我们还提供了一个有效的计算方法,一类问题的动态是仿射的状态,并为阶段和终端成本,以及状态约束,凸的状态。这类问题不需要仿射动力学和凸阶段的控制成本。本文还提供了三个实例。
2021-06-25 cs.SY eess.SY math.OC
Self-Supervised Learning for Large-Scale Preventive Security Constrained DC Optimal Power Flow
School of Industrial and Systems Engineering, Georgia Institute of Technology(佐治亚理工学院工业与系统工程学院)
本文提出自监督端到端原始-对偶学习框架PDL-SCOPF,通过模拟增广拉格朗日方法训练原始与对偶网络,结合修复层和二分搜索层,在毫秒级时间内高效求解大规模安全约束最优潮流问题,实现极小最优性差距的可行解。
2024-04-27 cs.LG math.OC
End-to-End Learning of Correlated Operating Reserve Requirements in Security-Constrained Economic Dispatch
Massachusetts Institute of Technology(麻省理工学院);Energy Trading Analytics, LLC(能源交易分析有限责任公司)
本文提出通过端到端训练解决安全约束经济调度中相关备用需求的设计问题,采用鲁棒优化方法学习备用集形状以最小化调度成本,结合分布估计与校准技术实现有限样本覆盖。
2026-04-06 cs.SY eess.SY math.OC
Learning Optimization Proxies for Large-Scale Security-Constrained Economic Dispatch
Georgia Institute of Technology(佐治亚理工学院)
安全约束经济调度(SCED)是输电系统运营商(TSO)在保证电网可靠运行的同时,实时清除能源市场的基本优化模型。在运营不确定性日益增加的背景下,由于可再生发电机和分布式能源的渗透率增加,运营商必须持续实时监控风险,即,他们必须快速评估系统在负载和可再生能源生产的各种变化下的行为。不幸的是,考虑到实时操作的严格约束,系统地解决每个这样的场景的优化问题是不实际的。为了克服这一限制,本文提出学习SCED的优化代理,即,一个机器学习(ML)模型,可以在毫秒内预测SCED的最佳解决方案。受MISO市场清算优化的原则分析的启发,本文提出了一种新的ML管道,解决了学习SCED解决方案的主要挑战,即,负荷、可再生能源产出和生产成本的可变性,以及承诺决策的组合结构。一种新的分类,然后回归架构,还提出了进一步捕捉SCED解决方案的行为。法国传输系统的数值实验报告,并证明该方法的能力,在一个时间框架内,是兼容的实时操作,准确的优化代理,产生相对误差低于$0.6\%$。
2021-12-27 cs.LG cs.SY eess.SY
Spatio-Temporal Deep Learning-Assisted Reduced Security-Constrained Unit Commitment
University of Houston(休斯顿大学)
本文提出结合GNN与LSTM的时空机器学习方法,用于预测机组组合并识别关键线路,以简化SCUC并在多个IEEE测试系统上实现不损失解质量的计算加速。
2023-06-02 cs.LG cs.SY eess.SY
Lightweight Tracking Control for Computationally Constrained Aerial Systems with the Newton-Raphson Method
本文提出基于牛顿-拉夫森方法的轻量跟踪控制器,用于微型球形飞行器和中型四旋翼无人机,通过实测验证其在计算约束下的性能优势。
2026-03-26 cs.RO cs.SY eess.SY
DC-based Security Constraints Formulation: A Perspective of Primal-Dual Interior Point Method
直流网络安全约束在电力系统最优潮流、安全约束经济调度和安全约束机组组合等问题中得到了广泛的研究。线性移位因子,即,功率传输分布因子(PTDF)被广泛应用于取代直流潮流约束。然而,PTDF矩阵是非常密集的,使得它难以解决安全约束最优化问题。本文从稀疏结构的角度分析研究了基于PTDF的安全约束的计算效率问题。此外,提出了一种矩阵变换方法,用于在IPM迭代过程中恢复线性系的稀疏性。结果表明,该变换方法等价于求解以纯电压角表示的原始最优化问题,保留了稀疏结构,但引入了与母线总数的一到两倍成比例的附加变量和约束。常规的B- $θ$公式也是所提出的变换的变体。数值研究表明,稀疏性而不是变量和约束的大小是影响凸二次问题(QP)求解速度的关键因素,即,OPF和SCED问题。相比之下,稀疏性是不太可取的,当解决混合整数问题(MIP),如SCUC问题,其中重新优化技术是显着更重要的,对偶单纯形法,而不是IPM通常采用。
2023-03-03 cs.SY eess.SY math.OC
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
Computationally Efficient Covariance Steering for Systems Subject to Parametric Disturbances and Chance Constraints
本文研究了同时具有加性和乘性不确定性以及状态和输入机会约束的离散线性系的有限时域最优协方差操纵问题。特别是,一个易于处理的凸近似的最佳协方差转向问题的机会约束收紧,并通过引入一个合适的变量变量变换。凸近似的解决方案被证明是一个有效的(虽然潜在的次优)解决方案,原来的机会约束的协方差转向问题。
2023-01-18 cs.SY eess.SY math.OC
Distributionally Robust Frequency-Constrained Microgrid Scheduling Towards Seamless Islanding
针对微电网非计划孤岛引发的功率失衡与频率安全问题,提出一种分布鲁棒频率约束调度模型,通过协同优化机组组合、频率响应备用及虚拟惯量等,确保系统在非计划孤岛期间的频率安全,并验证了其有效性。
2024-01-07 cs.SY eess.SY math.OC
Joint Chance Constrained Optimal Control via Linear Programming
本文提出有限时域联合机会约束最优控制的线性规划形式,可处理不变性、可达性和到达—规避规范,并在有限空间中给出精确且更高效的求解,在连续空间中支持基函数近似。
2024-05-18 cs.SY eess.SY math.OC