Modeling and Optimal Operation of Distributed Battery Storage in Low Voltage Grids
ETH Zurich（苏黎世联邦理工学院）；University of Michigan（密歇根大学）
本文提出两级集中模型预测控制方案，通过鲁棒多期优化潮流和详细电池模型降低电池损耗，提升光伏利用效率。
2017-03-16 cs.SY eess.SY
Using Voltage Phasor Control to Avoid Distribution Network Constraint Violations
在本文中，我们介绍了电压相量控制（VPC），也被称为基于相量的控制，作为一种新的方式来实现最优潮流（OPF）。与传统的OPF不同，在传统的OPF中，潮流优化广播功率注入，VPC潮流优化广播电压相量设定点到分布在整个网络中的反馈控制器，实时响应扰动。在本文中，我们证明了VPC可以主动管理分布式能源，以避免在配电网络中的电压幅值和线路流量约束的违规行为。我们提供的灵敏度和界限，量化的分布式电压相量反馈控制如何减少对网络电压和线路流量的干扰的影响。使用模拟，我们比较VPC的性能与相关的，但更传统的电压幅值控制（VMC）。敏感性，边界和模拟提供了实施的见解，我们强调，分销网络运营商如何使用VPC和VMC，以避免违反约束。
2022-01-15 cs.SY eess.SY
Loss Minimization with Optimal Power Dispatch in Multi-Frequency HVac Power Systems
低频高压交流输电方案最近被提出作为大容量电力传输的替代方法。本文提出了一种多周期最优潮流（OPF）的多频HVAC传输系统，连接传统的50/60 Hz和低频电网使用背靠背转换器与集中控制方案。最优潮流的目标是通过确定发电机、并联电容器和变流器的最优调度来最小化系统损耗。OPF约束包括所有HVAC电网和换流站的操作约束。由此产生的混合整数非线性规划问题的解决使用一个建议的框架的基础上的预测-校正原始-对偶邻近点方法。建议的OPF配方和解决方案的方法进行了验证，使用多频HVAC传输系统，是从IEEE 57节点系统修改。在一个模拟的一天中，从所提出的方法的最优调度的结果显示出显着的损失减少和改善的电压调节相比，当选择一个任意的调度。
2019-08-13 cs.SY eess.SY
DeepOPF-V: Solving AC-OPF Problems Efficiently
City University of Hong Kong（香港城市大学）；The Chinese University of Hong Kong（香港中文大学）；California Institute of Technology（加州理工学院）
为了保证电力系统的稳定经济运行，交流最优潮流（AC-OPF）问题的求解将越来越频繁。为了应对这一挑战，提出了一种基于深度神经网络的电压约束方法（DeepOPF-V）来解决具有高计算效率的AC-OPF问题。其独特的设计预测所有总线的电压，然后使用它们来重建其余的变量，而无需求解非线性交流潮流方程。开发了一个快速的后处理过程来执行框约束。通过对IEEE 118/300节点系统和2000节点测试系统的仿真，验证了DeepOPF-V的有效性。与现有的研究相比，DeepOPF-V实现了高达四个数量级的计算加速，并且在最优性间隙和保持解决方案的可行性方面具有相当的性能。
2021-07-19 cs.AI cs.LG cs.SY
Power Converter DC Link Ripple and Network Unbalance as Active Constraints in Distribution System Optimal Power Flow
Newcastle University（纽卡斯尔大学）；Commonwealth Scientific and Industrial Research Organization (CSIRO)（联邦科学与工业研究组织）；University of Queensland（昆士兰大学）
本文提出将直流链路纹波作为主动约束，用于配电网最优功率流计算，以提高系统稳定性和运行效率。
2025-12-20 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
Stochastic AC Network-constrained Scheduling of CAES and Wind Power Generation in Joint Energy and reserve market: Toward More Realistic Results
本文提出了一种两阶段随机日前调度模型，将风电机组和压缩空气储能（CAES），以清除一个共同优化的能量和备用市场。针对风力发电量的不确定性，采用两阶段随机规划方法。线性化交流最优潮流（LAC-OPF）的方法，考虑网络损耗，无功功率，电压幅度的约束，利用建议的两阶段随机DA调度模型。基于工程实际，提出了一种两级LAC-OPF（TL-LAC-OPF）方法，该方法减少了LAC-OPF方法的二进制变量数，降低了计算负担;自适应地获得LAC-OPF预定义参数，从而提高了LAC-OPF方法的精度，减少了人为损耗。此外，由于CAES的效率取决于其热力学和操作条件，建议的两阶段随机DA调度模型的开发，考虑其热力学特性，以获得更现实的市场决策摆在首位。利用GAMS软件对IEEE 30节点和57节点测试系统进行了仿真，并与传统的三种方法进行了比较，AC-OPF、DC-OPF和LAC-OPF。仿真结果证明了该方法的有效性。
2021-02-21 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
Experimental Validation of Feedback Optimization in Power Distribution Grids
我们认为，使用逆变器的无功功率能力的配电馈线的电压控制的问题。在一个真正的配电网，我们比较了本地电压/无功下垂控制建议在最近的电网规范，集中调度的基础上最优潮流（OPF）规划，和反馈优化（FO）控制器，我们提出。局部下垂控制产生次优调节，分析预测。基于OPF的调度策略需要精确的电网模型和馈线上所有负载的测量，以实现适当的电压调节。然而，在实验中，基于OPF的策略违反了电压约束，由于不可避免的模型失配和不确定性。我们提出的FO控制器，另一方面，满足约束条件，不需要负载测量或任何电网状态估计。唯一需要的模型知识是电压相对于无功功率的灵敏度，这可以从数据中获得。正如我们所展示的，这些灵敏度的近似值也是足够的，这使得该方法基本上是无模型的，易于调整，与当前的传感和控制基础设施兼容，并且对测量噪声具有显著的鲁棒性。我们期望这些属性是电力系统的FO的基本特征，而不是特定于电压/无功调节或配电网。
2022-07-21 cs.SY eess.SY math.OC
An OPF-based Control Framework for Hybrid AC-MTDC Power Systems under Uncertainty
针对高比例可再生能源并网带来的不确定性问题，提出融合随机森林风速预测的OPF自适应控制框架与自适应下垂控制方案，经HIL仿真验证可保障混合AC-HVDC系统稳定鲁棒运行。
2025-10-29 cs.SY eess.SY
Convex Optimal Power Flow Based on Power Injection-based Equations and Its Application in Bipolar DC Distribution Network
本文针对双极直流配电网络最优潮流模型难以直接反映功率分配与交换的问题，提出基于功率注入方程和二阶锥规划的凸OPF模型，并结合序列边界收紧算法保证模型精确性，通过分布式电源容量配置与运行优化两个案例验证其有效性。
2023-07-05 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
AC Power Flow Feasibility Restoration via a State Estimation-Based Post-Processing Algorithm
针对简化OPF解不满足交流潮流约束的问题，提出基于状态估计的后处理算法，离线学习权重偏置并融合多类解，恢复更接近真实AC OPF的可行解。
2024-03-12 cs.SY eess.SY
Scalable Bilevel Optimization for Generating Maximally Representative OPF Datasets
针对非线性交流 OPF 中活跃约束组合难以覆盖的问题，提出基于双层优化的 RAMBO 数据收集流程，以更高效采样系统边界附近的关键数据。
2024-03-11 cs.SY eess.SY
Evaluating the Impact of a Load Admittance Approximation in Transient Stability-Constrained Optimal Power Flow
Technical University of Madrid (UPM)（马德里理工大学）
本文提出一种基于电压的负荷导纳近似方法，用于简化TSC-OPF中的Kron降阶计算，并在WECC 9节点系统上验证其能准确复现转子动态、降低实现难度并缓解收敛问题。
2025-11-07 cs.SY eess.SY
AC-OPF Feasibility Analysis and Sensitivity-Guided Capacitor Placement in a High-PV Islanded Microgrid
Massachusetts Institute of Technology（麻省理工学院）
本文在数字孪生框架下对高光伏渗透率的城市级微电网进行AC最优功率流对比研究，通过灵敏度分析指导电容器布置以提升可靠性与经济性。
2026-04-15 cs.SY eess.SY
Topology-aware Graph Neural Networks for Learning Feasible and Adaptive ac-OPF Solutions
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
最优潮流问题的求解是保证电网实时运行的有效性和可靠性的基础性工作。提出了一种新的拓扑信息图神经网络（GNN）方法，用于预测实时交流最优潮流问题的最优解。为了将电网拓扑结构的NN模型，建议GNN-for-OPF框架创新地利用位置边际价格和电压幅度的局部属性。此外，我们开发了一个物理感知（交流）流可行性正则化方法一般OPF学习。我们提出的设计的优点包括降低模型的复杂性，提高了泛化能力和可行性保证。通过对网格拓扑偶然性下图子空间稳定性的分析理解，我们表明所提出的GNN可以通过有效的再训练策略快速适应变化的网格拓扑。在不同规模的测试系统上进行的数值测试验证了我们提出的基于GNN的学习框架的预测精度、改进的流可行性和拓扑自适应能力。
2022-11-01 cs.LG cs.SY eess.SP
Deep Reinforcement Learning for Optimal Power Flow with Renewables Using Graph Information
University of Electronic Science and Technology of China（电子科技大学）；Monash University（莫纳什大学）；University of Electro-Communications（电气通信大学）
可再生能源（RERs）已越来越多地集成到大型分布式电源系统中。考虑到RERs引入的不确定性和电压波动问题，本文提出了一种基于深度强化学习（DRL）的策略，利用电力系统的时空（ST）图形信息，动态搜索最优操作，即，最优潮流（OPF），电力系统的高吸收的RERs。具体而言，我们制定的OPF问题作为一个多目标优化问题，考虑发电成本，电压波动，输电损耗，并采用深度确定性策略梯度（DDPG）学习的最优分配策略OPF。此外，鉴于电力系统中的节点在时间和空间视图中是自相关和相互关联的，我们开发了一个多粒度的注意力为基础的时空图卷积网络（MG-ASTGCN）提取ST图形的相关性和特征，旨在提供电力系统的先验知识，其顺序DDPG算法，以更有效地解决OPF。我们验证我们的算法修改IEEE 33，69，和118总线径向配电系统，并证明我们的算法优于其他基准算法。我们的实验结果也表明，我们的MG-ASTGCN可以显着加快DDPG的训练过程和性能在解决OPF。
2022-08-05 cs.AI cs.LG cs.SY
Implementation of Machine Learning-based DER Local Control Schemes on Measurement Devices for Counteracting Communication Failures
与分布式能源（DER）在有源配电网中的大规模集成相关的重大挑战之一是它带来的不确定性。电网运行变得更加艰巨，以避免电压或热违规。虽然最优潮流（OPF）算法在文献中进行了大量讨论，但很少有人注意到这种集中实施的鲁棒性，例如在通信故障期间提供冗余控制解决方案。本文旨在在每个智能电子设备（IED）上实现一种基于机器学习的算法，该算法使用IEC 61850数据模型模拟通信故障期间使用的集中式OPF。在正常情况下，IED为集中式OPF进行通信。此外，系统在所有运行条件下都进行离线训练，将实际电压与DER设定值相关联的各个查找表被发送到相应的控制器。回归模型允许DER设定点的本地重建，在通信故障的情况下仿真整体OPF。除了回归控制之外，本文还解释了用于定期重新训练回归模型的离线学习方法。使用硬件在环测试设置的实施进行了实验验证。测试表明，在通信故障期间，与传统的控制策略相比，结果令人鼓舞。当适当地训练和协调时，用于每个DER的这种直观的本地控制方法对于大容量电力系统可能是非常有益的。这种基于机器学习的方法也可以取代现有的Q（V）控制策略，以更好地支持大容量电力系统。
2022-07-18 cs.SY eess.SY
Optimal Power Flow Pursuit via Feedback-based Safe Gradient Flow
针对配电网交流最优潮流实时求解问题，提出基于控制屏障函数的反馈型安全梯度流在线优化方法，仅靠电压测量即可驱动DER设定值收敛，具备稳定性与鲁棒性，电压调节性能优于现有方法。
2024-09-12 cs.SY eess.SY math.OC
Differentially Private Optimal Power Flow for Distribution Grids
尽管配电网客户有义务与配电系统运营商（DSO）共享其消耗数据，但在DSO的操作例程中通常忽略了此数据的可能泄漏。本文介绍了一种用于配电网的隐私保护最优潮流（OPF）机制，该机制可以保护客户隐私，防止未经授权访问OPF解决方案，例如，电流和电压测量。该机制基于差分隐私的框架，该框架允许通过将仔细校准的噪声应用于计算的输出来控制数据集中个人的参与风险。与现有的私有机制不同，该机制不将噪声应用于优化参数或其结果。相反，它优化OPF变量作为随机噪声的仿射函数，这削弱了电网负荷和OPF变量之间的相关性。为了保证随机化最优潮流解的可行性，该机制利用了对网格限制施加的机会约束。该机制进一步扩展到控制由随机噪声引起的最优性损失，以及OPF变量的方差。本文表明，差分私有OPF解决方案不会泄漏客户负载指定的参数。
2020-08-20 cs.CR cs.SY eess.SY
Learning Local Volt/Var Controllers Towards Efficient Network Operation with Stability Guarantees
本文研究了配电网的电压调节问题。其主要动机是通过控制部署在电网中的分布式能源（DER）的无功功率输出，将电压保持在预先指定的运行限制内。我们开发了一个框架，用于开发本地电压/无功控制，包括两个主要步骤。首先，通过利用历史数据和每个DER，我们学习一个函数，代表电力网络的理想平衡点。这些点近似于最优潮流（OPF）问题的解。在第二，我们提出了一个控制方案，引导网络走向这些有利的配置。理论条件推导出正式保证所开发的控制方案的稳定性，数值仿真表明所提出的方法的有效性。
2022-08-19 cs.SY eess.SY
All-Pass Fractional OPF: A Solver-Friendly, Physics-Preserving Approximation of AC OPF
Louisiana State University（路易斯安那州立大学）；University of California, Berkeley（加州大学伯克利分校）
本文提出一种基于全通分数近似的AC OPF方法，通过替代三角函数以提高求解效率和稳定性，同时保持物理特性。
2026-01-20 cs.NA cs.SY eess.SY
Modeling and Rapid Prototyping of Integrated Transmission-Distribution OPF Formulations with PowerModelsITD.jl
传统的电力系统由发电、输电和配电的不同单向功率流阶段组成，由输电系统和配电系统运营商独立管理。然而，由于分布式能源的整合，配电系统的复杂性增加，输电网和配电网之间的协调对于电网的优化运行将是必不可少的。然而，输电和配电之间的耦合模型和公式是不平凡的，特别是由于将输电系统建模为单相和将配电系统建模为多导体相位不平衡的常见实践。为了实现潮流公式的快速原型设计，特别是在这两个看似不兼容的数据模型之间的边界条件建模中，我们引入了PowerModelsITD.jl，这是一个用Julia编写的免费开源工具包，用于集成传输分配（ITD）优化，该工具包利用了ESTRUCTUREModels.jl-ecosystem中成熟的优化库。建议的框架的主要目标是提供基线实现的稳态ITD优化问题，同时提供一个共同的平台，新兴的配方和优化问题的评估。在这项工作中，我们介绍了PowerModelsITD.jl目前支持的非线性公式，其中包括AC-极性，AC-矩形，电流-电压和线性网络传输模型。使用IEEE传输和分配网络的组合的结果进行验证。
2022-10-28 cs.SY eess.SY
Stochastic multi-period optimal dispatch of energy storage in unbalanced distribution feeders
本文提出了一个凸的，多周期的，AC可行的最优潮流（OPF）框架，鲁棒调度灵活的需求侧资源在不平衡的配电馈线对非常短的时间尺度太阳能光伏（PV）预测的不确定性。这对于具有大量表后太阳能光伏发电的电力系统是有价值的，因为它们的运行受到需求和太阳能光伏发电预测的不确定性的影响。这项工作的目的是，然后，以确保高太阳能光伏渗透下的配电系统运行的可行性和可靠性。我们开发并提出了一种新的，强大的OPF配方，占非线性潮流约束和预测的不确定性。这是通过线性化的最佳轨迹和使用一阶方法来系统地收紧电压界限。一个现实的配电馈线上的案例研究表明了滚动时域实现的有效性。
2020-05-18 cs.SY eess.SY math.OC
A Principled Framework to Evaluate Quality of AC-OPF Datasets for Machine Learning: Benchmarking a Novel, Scalable Generation Method
针对AC-OPF数据集可扩展性不足及质量评估缺失问题，提出总负荷有功功率均匀采样启发式方法与多准则质量评估框架，实验表明该方法在质量与可扩展性平衡上优于现有方法。
2025-08-26 cs.SY eess.SY
Congestion Mitigation in Unbalanced Residential Networks with OPF-based Demand Management
本文提出了一种新的拥塞缓解策略的低电压住宅馈线中，由于电气化的运输和供暖系统的电力需求上升，导致拥塞问题。该策略的基础是要求住宅客户在一定时间内限制需求，以换取经济利益。该方法的主要新颖之处在于将网络物理的全面表示与高级约束相结合，以适合实际系统的可扩展方式确保住宅用户的舒适性。缓解策略是从DSO的角度提出的，并采取用户和系统运营商之间的合同的形式。对用户舒适度的关注旨在使合同具有吸引力，鼓励用户自愿加入拟议的缓解计划。所提出的解决方案被实现为一个混合整数多周期最优潮流问题，它依赖于一个线性化的三相潮流公式。对100个实际配电馈线进行了计算，分析了几种可能的系统运营商-用户合同的缓解风险的潜力。从规划的角度来看，结果可以帮助系统运营商定义合同条款，使一个特定的拥堵缓解方案有效和可行。从操作的角度来看，相同的计算可以用于在一天前的基础上最佳地调度功率降低。
2022-04-20 cs.SY eess.SY
System-level Testing of the Congestion Management Capability of a Hardware-Independent Optimal Power Flow Algorithm
本文在多特蒙德工业大学SGTL全尺寸低压测试平台上，验证了一种基于IEC 61850数据模型、硬件无关的最优潮流算法在电压控制、拥塞管理及不考虑未来电网状态下的再调度能力。
2023-09-18 cs.SY eess.SY
Global Optimal Power Flow over Large-Scale Power Transmission Network
University of Technology, Sydney（悉尼科技大学）；CERT-ONERA, Control System Department（法国国家航空航天研究中心控制系）；the University of New South Wales（新南威尔士大学）
本文提出一种迭代方法解决大规模非线性优化问题，通过半定规划生成收敛于秩一解的改进点序列，验证了该方法在数千节点网络上的高效性。
2018-02-13 cs.SY eess.SY
Sorta Solving the OPF by Not Solving the OPF: DAE Control Theory and the Price of Realtime Regulation
本文提出用基于DAE Lyapunov理论的实时反馈控制器替代ACOPF求解，在保证暂态稳定且无约束违反的前提下获得近似最优解，并分析了实时调节的代价。
2024-06-10 cs.SY eess.SY
Economic Dispatch and Power Flow Analysis for Microgrids
本研究针对单母线孤岛和三母线并网微电网，整合可再生能源、BESS与常规发电机，通过经济调度和OPF分析，实现低成本、可靠运行，验证了方法在微电网可持续稳定运行中的有效性。
2024-11-28 cs.SY eess.SY
A hard-constrained NN learning framework for rapidly restoring AC-OPF from DC-OPF
Computational Science Center, National Laboratory of the Rockies (NLR)（落基山国家实验室计算科学中心）
本文提出了一种硬约束神经网络学习框架，用于快速从直流OPF恢复交流OPF，实现40倍时间加速和高精度约束满足。
2026-02-05 cs.SY eess.SY
Smart transformer Modelling in Optimal Power Flow Analysis
智能Transformer（ST）采用电力电子变换器实现，具有独立的电压控制能力和一次、二次端无功功率隔离能力。这种能力在电力系统中提供了支持初级侧的电压和控制次级侧的需求的灵活性。利用这种灵活性，例如，可以优化系统功率流以降低成本。本文提出了一种适用于最优潮流分析的ST模型。在IEEE 39总线测试系统中，使用多个ST在不同的渗透水平，对每日发电成本的影响。
2019-11-14 cs.SY eess.SY
Optimal Sizing and Placement of Distributed Storage in Low Voltage Networks
ETH Zurich（苏黎世联邦理工学院）
本文提出了一种新的算法，用于基于线性化多期优化潮流方法（称为前向后向扫除优化潮流，FBS-OPF）来优化低压网络中存储的配置和部署。该方法具有良好的收敛性，其解略偏离最优解，并使更长的投资时间跨度下的存储配置和部署问题变得可行。通过评估高光伏渗透率（PV）的低压电网中分布式和集中式存储的经济可行性，证明了该方法的实用性。主要结果表明，在CIGRE低压测试电网中，分布式存储配置更优，因为它们允许由于电网限制而减少的光伏弃光。
2016-03-21 cs.SY eess.SY
Distributed Optimal Power Flow for Smart Microgrids
University of Minnesota（明尼苏达大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对不平衡微电网，提出基于半定规划松弛和交替方向乘子法的分布式最优潮流算法，以最小化配电损耗或供电成本并实现电压调节。
2014-01-25 cs.SY eess.SY math.OC
Two-Stage Homotopy Method to Incorporate Discrete Control Variables into AC-OPF
交流最优潮流（AC-OPF）是电网规划和运行中的一个重要最优化问题。传统上，该问题仅使用连续变量来表述。通常，具有离散值设置的控制设备，其为网络提供有价值的灵活性并提高弹性，由于完整性约束的困难而从AC-OPF公式中省略。我们提出了一个两阶段同伦算法来解决离散值控制设置的AC-OPF问题。该方法不依赖于控制设置或其他初始条件的先验知识。第一阶段放宽离散设置连续变量，并解决了使用强大的同伦技术的优化。一旦使用松弛模型获得解，第二同伦问题逐渐将松弛设置转换为它们最近的可行离散值。我们测试了几个大型网络与开关分流器和可调Transformers，并表明它可以优于一个类似的国家的最先进的求解器所提出的算法。
2021-10-14 cs.SY eess.SY math.OC
AC OPF in Radial Distribution Networks - Parts I,II
Ecole Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）；Cisco Systems, Inc（思科系统公司）
本文研究了径向配电网中非线性AC OPF问题，指出现有方法的局限性，并提出基于对偶分解的非近似非凸OPF算法，分为两部分讨论。
2016-07-05 cs.SY eess.SY
Convex Relaxations of Probabilistic AC Optimal Power Flow for Interconnected AC and HVDC Grids
Center for Electric Power and Energy, Technical University of Denmark（丹麦技术大学电力与能源中心）
本文提出了一种考虑风力发电不确定性的概率交流-直流最优功率流方法，通过半正定松弛和Benders分解实现大规模电网的鲁棒决策支持。
2020-07-23 cs.SY eess.SY
MPA-DNN: Projection-Aware Unsupervised Learning for Multi-period DC-OPF
针对深度神经网络在含高比例可再生能源和储能的电力系统中难以满足多时段运行约束的问题，提出融入投影层的MPA-DNN，实现无监督端到端学习，在保证严格满足约束的同时达到近最优性能。
2025-10-10 cs.SY eess.SY
Physics-Informed Gradient Estimation for Accelerating Deep Learning based AC-OPF
针对交流最优潮流问题中神经网络更新频繁、数据准备耗时长的需求，提出带数据增强的半监督框架与批量均值梯度估计方法，可加速训练并得到可行近优解，适用于实时OPF场景。
2025-02-22 cs.SY eess.SY
Learning to Solve AC Optimal Power Flow by Differentiating through Holomorphic Embeddings
University of Washington（华盛顿大学）；Carnegie Mellon University（卡内基梅隆大学）
交流最优潮流（AC-OPF）是电力系统运行的基本问题之一。AC-OPF传统上被视为一个约束优化问题，该问题在满足一组非线性等式约束（潮流方程）的同时寻求最优发电设定点。随着可再生能源发电的普及，电网运营商需要以更短的时间间隔解决更大的问题。这激发了研究兴趣，学习OPF解决方案与神经网络，具有快速的推理时间，并有可能扩展到大型网络。解决AC-OPF问题的主要困难在于处理具有伪根的等式约束，即存在满足功率流方程的电压分配，然而这些电压分配在物理上是不可实现的。这个属性使得任何依赖于投影梯度的方法都很脆弱，因为这些非物理根可以充当吸引子。在本文中，我们展示了有效的策略，绕过这个问题，通过一个潮流求解器，嵌入到一个全纯函数的潮流方程的操作区分。由此产生的基于学习的方法在200总线系统上进行了实验验证，我们表明，经过训练，学习代理可靠，快速地产生优化的潮流解决方案。具体来说，我们报告了12倍的速度和40%的鲁棒性增加相比，传统的求解器。据我们所知，这种方法构成了第一个基于学习的方法，成功地尊重完整的非线性AC-OPF方程。
2020-12-16 cs.LG cs.SY eess.SY
Certifying the Nonexistence of Feasible Path Between Power System Operating Points
本文提出了一种算法，用于验证电力系统运行点之间可行路径的不存在性，通过凸松弛和边界紧缩技术证明可行空间的不连通性。
2025-11-21 cs.SY eess.SY
Model predictive control of voltage profiles in MV networks with distributed generation
Politecnico di Milano（米兰理工大学）；RSE（意大利电力研究公司）
本文提出一种用于含分布式电源配电网的模型预测控制方法，通过分层结构协调优化潮流和电压调节，利用脉冲响应模型处理电压和无功功率约束，通过OLTC变压器应对不可行情况。
2013-11-14 cs.SY eess.SY
Input Convex Neural Network-Assisted Optimal Power Flow in Distribution Networks: Modeling, Algorithm Design, and Applications
本文提出配电网中ICNN辅助的最优潮流方法，结合优化与机器学习，利用ICNN学习凸映射并作为凸约束嵌入优化问题，开发快速原始-对偶梯度法求解，证明收敛性与最优性，并探讨多种配电网应用。
2024-07-30 cs.SY eess.SY
Ex Post Conditions for the Exactness of Optimal Power Flow Conic Relaxations
针对最优潮流锥松弛精确性的先验条件严格问题，提出两个等价事后条件（秩1电压矩阵或自相干循环）作为精确性证书，通过MATPOWER示例验证其在充分条件不满足时的有效性。
2024-04-11 cs.SY eess.SY math.OC
Stability Constrained OPF in Microgrids: A Chance Constrained Optimization Framework with Non-Gaussian Uncertainty
针对孤立微网中可再生能源（RES）的非高斯不确定性带来的稳定性问题，提出了机会约束稳定约束最优潮流（CC-SC-OPF）模型。首先，我们提出了一个双层优化问题，上层优化目标是在不违反稳定机会约束的情况下最小化期望发电成本，下层优化目标是由半定规划（SDP）给出的稳定性指标.其次，我们应用高斯混合模型（GMM）来处理非高斯RES的不确定性，并引入分析灵敏度分析，重新制定机会约束的稳定性指标和操作变量到线性决定的版本。通过引入线性化的约束条件，双层模型可以有效地解决基于Benders分解的方法。第三，我们设计了一个补充的校正对策，以补偿可能引起的线性逼近的控制误差。在33节点微电网上的仿真结果表明，与基准方法相比，所提出的模型收敛速度快30倍，解更准确。
2023-02-04 cs.SY eess.SY
The Price of Uncertainty: Chance-constrained OPF vs. In-hindsight OPF
Institute for Automation and Applied Informatics, Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院自动化与应用信息研究所）
研究概率约束OPF与事后OPF在电力系统中的不确定性成本差异，通过引入总变分距离量化性能差距，提出在弱假设下ccOPF与hOPF相等的充分条件。
2018-06-14 cs.SY eess.SY math.OC
A Novel Fully Informed Water Cycle Algorithm for Solving Optimal Power Flow Problems in Electric Grids
最优潮流（OPF）是电网规划和运行的重要工具。线流约束、发电机负荷效应、分段费用函数、排放和电压质量成本使得最优化模型非凸且求解计算繁琐。解决问题的元启发式技术已经成为一个很有前途的解决方案，以解决复杂的最优潮流问题。近年来，水循环算法（WCA）被提出来用于求解最优化问题，它是一种基于水循环过程观测和地表径流模型的方法。提出了一种改进的WCA算法，该算法利用个体之间共享全局和局部信息的概念，提高了WCA算法的开发能力。所谓的完全知情的WCA（FIWCA）进行测试，对标准的WCA和其他元启发式技术在IEEE 30和57总线系统的各种情况下的文献研究。比较和讨论文献中研究的元分析方法的性能和可靠性。优化结果表明，与WCA算法和其他算法相比，FIWCA算法具有更好的性能，特别是在重复次数的稳定性方面。因此，它成为一个工具，解决OPF在一个可靠和有效的方式。
2019-09-19 cs.SY eess.SY math.OC
On the Impact of Different Voltage Unbalance Metrics in Distribution System Optimization
随着单相屋顶太阳能光伏装置渗透率的增加，每相负载的相对变化和相关的电压不平衡预计会增加。高电压不平衡可能会增加网络损耗，并导致三相设备（如电动机负载）故障。然而，太阳能光伏电池板通过逆变器连接到电网，这可以提供无功功率支持，并可能减轻其中一些负面影响。在本文中，我们利用了三相交流最优潮流（OPF）配方，以尽量减少电压不平衡使用太阳能光伏逆变器的无功功率。在考虑采取措施减少电压不平衡时，重要的是要认识到，IEC、NEMA和IEEE等各种组织在其电能质量标准中提供了不同且部分不一致的电压不平衡定义。本文分析了不同的电压不平衡指标的影响，使用不同的电压不平衡目标和约束的组合。对于我们的分析，优化方案进行了测试，在两个不平衡的低压配电网。我们观察到，最小化由一个标准定义的电压不平衡实际上可能增加由另一个标准定义的电压不平衡，可能导致设备损坏。我们还观察到，最大限度地减少电压不平衡并不总是导致较低的网络损耗。然而，可以通过最小化损耗同时对电压不平衡的多个定义实施限制来实现在低网络损耗的情况下显著降低电压不平衡。
2020-04-20 cs.SY eess.SY math.OC
A Differentially Private Quantum Neural Network for Probabilistic Optimal Power Flow
针对概率最优潮流求解中的隐私泄露风险，提出融合高斯噪声实现(ε,δ)-差分隐私、引入强纠缠量子态增强表达性的隐私保护量子神经网络，在参数量大减90%的同时提升了准确率与稳定性。
2024-12-15 cs.SY eess.SY
Unbalanced OPF Modelling for Mixed Monopolar and Bipolar HVDC Grid Configurations
Katholieke Universiteit, Leuven（鲁汶天主教大学）；EnergyVille（能源村）
本文提出了一种用于混合交流-直流电网的多导体OPF模型，以解决双极和单极高压直流电网配置下的不平衡问题，提升未来电网的规划与运行效率。
2022-11-11 cs.SY eess.SY
Learning to Pursue AC Optimal Power Flow Solutions with Feasibility Guarantees
Boston University（波士顿大学）；University of Liège（列日大学）；University of California San Diego（加州大学圣地亚哥分校）
本文提出了一种基于神经网络近似的安全梯度流方法，用于在配电网中实现具有可行性保证的AC最优功率流解。
2026-02-25 cs.SY eess.SY math.OC
gridfm-datakit-v1: A Python Library for Scalable and Realistic Power Flow and Optimal Power Flow Data Generation
IBM Research（IBM研究院）；ETH Zurich（苏黎世联邦理工学院）；RSE S.p.A.（RSE公司）；Hydro-Québec Research Institute（魁北克水电研究所）；Argonne National Laboratory（阿贡国家实验室）；Harvard University（哈佛大学）；Stony Brook University（石溪大学）；Brookhaven National Laboratory（布鲁克海文国家实验室）
gridfm-datakit-v1是一种用于生成真实且多样化的功率流和最优功率流数据集的Python库，旨在提升机器学习求解器的泛化能力。
2025-12-16 cs.AI cs.LG cs.SY
Interactive Power Flow in the Browser
Harvard University（哈佛大学）；University of Michigan（密歇根大学）；The University of Queensland（昆士兰大学）
本文提出tellegen框架，实现浏览器中交互式潮流与最优潮流研究，通过WebAssembly提供直观访问，支持拖拽操作与灵敏度分析，数据本地化，OPF求解仅比原生慢25-43%。
2026-10-02 cs.HC cs.MS cs.SY
