Computationally Efficient Solutions for Large-Scale Security-Constrained Optimal Power Flow
在本文中，我们讨论了我们的方法和算法框架，解决大规模的安全约束最优潮流（SCOPF）问题。SCOPF是一个混合整数非凸优化问题，其目标是在保证系统N-1安全的前提下，使调度费用最小。在大型网络中找到这个问题的可行解是具有挑战性的，本文提出了应急选择，近似方法和分解技术，以解决这一挑战在很短的时间内。在美国高级研究计划电力能源（ARPA-E）组织的电网优化（GO）竞赛中，通过大规模合成和实际电网验证了所提出方法的性能。由于许多之前的工作都集中在小规模系统上，并且没有使用经过验证的公开数据集进行基准测试，因此我们的目标是为SCOPF提供一个实用的解决方案，该解决方案已被证明在实际规模（30，000条总线）的网络上实现良好的性能。
2020-05-31 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
An Exact and Scalable Problem Decomposition for Security-Constrained Optimal Power Flow
在本文中，我们提出了分解技术解决大规模的安全约束最优潮流（SCOPF）问题的主要响应。具体而言，在每个应急状态下，我们要求满足节点需求，并且同步机组发电量低于其限值时遵循一个主要响应的线性模型。由此产生的配方是一个混合整数线性规划，因为主要的响应模型引入了分离的SCOPF问题。不幸的是，依赖于传统Benders分解的精确方法不能很好地扩展。作为一种替代方案，我们提出了一个分解方案的基础上列和约束生成算法，我们迭代地添加析取和切割。我们提供的程序预处理专用的削减和数字确定后应急响应的基础上的主问题的解决方案。我们还讨论了生成高质量原始解的算法和该方法的上界。最后，我们证明了所提出的方法对大规模系统的效率。
2019-10-08 math.OC
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
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
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
An Augmented Lagrangian Method on GPU for Security-Constrained AC Optimal Power Flow
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
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
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
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
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
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
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
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
Combining Particle Swarm Optimizer with SQP Local Search for Constrained Optimization Problems
通用粒子群优化算法（GP-PSO）与序列二次规划（SQP）算法相结合的约束优化问题已被证明是非常有益的细化，并在某些情况下，成功地找到一个全局最优解。它表明，领先的算法之间的可能差异是在他们的局部搜索能力。与其他领先的优化测试的基准套件的比较，表明混合GP-PSO与实现局部搜索，以竞争边其他领先的PSO算法。
2021-01-25 cs.NE 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
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
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 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
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
Combining Cross Entropy and MADS methods for inequality constrained global optimization
本文将交叉熵方法作为MADS算法的搜索步骤，用于非光滑不等式约束全局优化，在保留MADS收敛性的同时提升逃离局部极小值的能力，数值实验验证了其显著改进。
2023-08-11 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
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 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
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
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
Combining Safe Interval Path Planning and Constrained Path Following Control: Preliminary Results
National Research University Higher School of Economics（国家研究型高等经济大学）；Moscow Institute of Physics and Technology（莫斯科物理技术学院）；Peoples’ Friendship University of Russia (RUDN University)（俄罗斯人民友谊大学（RUDN大学））；Bauman Moscow State Technical University（鲍曼莫斯科国立技术大学）
本文研究了机器人在静态和动态障碍物中的导航问题，并采用分层的方法进行了求解。首先，采用能够处理任意角度平移和旋转的安全区间路径规划算法规划参考轨迹。其次，路径跟踪问题被视为有约束的控制问题，并提出了原来的基于平坦性的方法来产生控制。我们提出了一些增强的路径规划算法，旨在寻找轨迹，更有可能被机器人没有碰撞。进行的实验评估的结果表明，成功解决的导航实例的数量显着增加时，使用建议的技术。
2019-06-17 cs.RO math.OC
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
Topology-free optimal power dispatch for distribution network considering security constraints and flexible building thermal inertia
随着分布式光伏发电的日益集成，配电网实现安全约束下的最优功率调度要求越来越高。然而，传统的柔性源通常需要额外的设备投资成本。此外，涉及的安全约束是非常具有挑战性的，由于准确的网络模型的要求，在实践中可能无法获得。本文针对上述挑战，提出了一个无拓扑的配电网优化调度框架。它利用建筑物的热惯性来提供灵活性，以避免额外的投资。为了保证系统运行的安全性，基于历史运行数据训练多层感知器（MLP），并将其转化为混合整数约束，以取代原有的模糊安全约束。数值结果表明，该框架可以得到一个可行的和最优策略没有任何拓扑信息。
2020-11-19 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
Frequency Stability-Constrained Unit Commitment: Tight Approximation using Bernstein Polynomials
本文研究了风电不确定性下的频率安全机组组合问题，通过协调火电与风电提供频率支持并优化下垂系数，采用分布鲁棒机会约束处理不确定性，并利用Bernstein多项式对含死区的微分代数方程进行紧致内逼近转化为混合整数线性约束，有效保证了电力系统的频率安全性。
2024-07-24 cs.SY eess.SY math.OC
