Feasibility-Aware Security-Constrained Unit Commitment via Hybrid Soft Actor-Critic with Quantum-Sampled Features
University of Missouri(密苏里大学)
提出三层混合框架,结合伯努利混合软演员-评论家策略、量子采样辅助通道和原生SCUC混合整数线性规划,在有限强制子集下恢复调度与安全变量,实现求解器兼容的可行性感知机组组合。
2026-06-26 cs.SY eess.SY
An Alternative Method for Solving Security-Constrained Unit Commitment with Neural Network Based Battery Degradation Model
电池储能系统(BESS)可以有效缓解可再生能源发电量变化的不确定性,并提供灵活的辅助服务。然而,降解是可再充电电池(例如最广泛使用的锂离子电池)的关键问题。基于神经网络的电池退化(NNBD)模型可以准确地量化电池退化。将NNBD模型与安全约束机组组合(SCUC)相结合,建立了一种基于电池退化的SCUC(BD-SCUC)模型,该模型能够精确地考虑等效电池退化成本。然而,由于NNBD模型的高度非线性,BD-SCUC可能无法直接求解。为了解决这个问题,通过将每个神经元处的非线性激活函数转换为线性约束来线性化NNBD模型,这使得BD-SCUC成为线性化BD-SCUC(L-BD-SCUC)模型。算例分析表明,所提出的L-BD-SCUC模型能有效求解多BESS节点电力系统日前调度问题,并使总费用(包括等效降级费用和正常运行费用)最低.
2022-07-13 cs.SY eess.SY
A Comparative Study on Frequency-Constrained Unit Commitment Approaches in Island Power Systems
本文比较了岛屿电力系统中不同频率约束机组组合方法,提出两个指标从系统效益和计算负担角度评估,并在西班牙真实岛屿仿真中证明数据驱动校正型FCUC方法最具优势。
2025-07-07 cs.SY eess.SY
Transmission-Constrained Unit Commitment
本文提出基于混合整数二次规划和半正定规划分解的方法,解决具有传输约束的交流模型中的机组启停问题,并在西班牙加那利群岛测试案例中取得良好效果。
2018-06-25 cs.SY eess.SY math.OC
Chance-Constrained Unit Commitment with N-1 Security and Wind Uncertainty
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);Columbia University(哥伦比亚大学)
本文提出了一种结合N-1安全性和机会约束的机组调度方法,用于应对风能渗透率增加带来的电网可靠性和经济性挑战,通过混合整数二次锥规划模型和改进的Benders分解算法进行求解,并在IEEE RTS-96和IEEE 300 NESTA测试系统上进行了案例研究。
2020-11-20 cs.SY eess.SY
Unit commitment with analytical underfrequency load-shedding constraints for island power systems
本文提出校正型频率约束机组组合(C-FCUC),通过解析建模低频减载约束来优化孤岛电力系统的旋转备用配置,并验证其可推广为预防型频率约束机组组合和标准机组组合,在西班牙孤岛系统中成功应用。
2023-04-11 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
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
Dynamic Operational Reserve Margin Assessment from Risk-Constrained Unit Commitment States
Oak Ridge National Lab(橡树岭国家实验室)
该研究提出DRM、RRE等指标,结合RCUC状态量化电力系统备用充足性,通过IEEE 14节点示例及大规模案例验证,其可表征传统指标未覆盖的备用特性。
2026-09-04 cs.SY eess.SY stat.AP
Conservative Sparse Neural Network Embedded Frequency-Constrained Unit Commitment With Distributed Energy Resources
针对高渗透DERs导致的频率稳定问题,提出嵌入CSNN的FCUC模型,通过凸包、保守损失与拓扑剪枝学习频率约束,并转为混合整数线性约束以提升求解效率。
2023-04-21 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
Voltage Stability Constrained Unit Commitment in High IBG-Penetrated Power Systems
随着可再生能源的日益普及,电力系统的运行必须适应电力电子(PE)接口发电机的特点,以确保系统的稳定性和安全性。传统电力系统中的静态电压稳定性主要受重负荷条件的影响,由于PE接口设备的大规模集成,静态电压稳定性面临新的挑战。研究了高渗透率系统的静态电压稳定问题。在考虑不同逆变器发电机(IBG)相互作用的情况下,推导了IBG节点电压稳定性的解析判据。在此基础上,提出了一种通过动态优化IBG的有功和无功输出,在保证正常运行时电压稳定的同时,使系统总运行成本最小的系统优化调度模型。该方法将高度非线性的电压稳定约束有效地转化为二阶锥(SOC)形式,并结合交流潮流和频率约束的SOC重构,得到了一个整体的混合控制SOC规划(MISOCP)。所提出的模型的有效性和各种因素对电压稳定性的影响,证明了在彻底的案例研究。
2021-12-06 cs.SY eess.SY
A Parallelized, Adam-Based Solver for Reserve and Security Constrained AC Unit Commitment
本文提出一种并行化、基于Adam的数值求解器QuasiGrad,用于解决安全与备用约束交流机组组合问题,在ARPA-E GO3竞赛中市场盈余得分与最高分相差不到5%,并已开源。
2024-02-19 cs.SY eess.SY
A Corrective Frequency-Constrained Unit Commitment with Data-driven Estimation of Optimal UFLS in Island Power Systems
本文提出一种校正型频率约束机组组合方法,利用Tobit模型数据驱动估计最优低频减载量,在孤岛电力系统中协同优化运行成本与UFLS,并通过仿真验证其可在不增加UFLS的前提下降低成本。
2025-07-07 cs.SY eess.SY
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
Data Center Spatio-Temporal Load Flexibility in Security-Constrained Unit Commitment for Enhanced Grid Efficiency and Reliability
University of Houston(休斯顿大学)
本文提出了一种模块化的安全约束机组调度框架,协调灵活的数据中心工作负载与系统级调度,以减少可再生能源弃风弃光、缓解电网拥堵并降低运行成本。通过三种混合整数线性规划模型:数据中心空间模型(DC-S)、数据中心时间模型(DC-T)和数据中心时空模型(DC-ST),实现了跨地理分布站点的即时工作负载重新分配、时间可延迟负载的转移以及两者联合激活,从而扩大可行的操作区域。
2026-05-18 cs.SY eess.SY
Two-Stage Adaptive Robust Optimization Model for Joint Unit Maintenance and Unit Commitment Considering Source-Load Uncertainty
针对源荷高不确定性下机组检修与机组组合协同难题,提出两阶段自适应鲁棒优化模型及混合求解算法,并在RTS-79系统上验证其经济性与适应性。
2024-12-01 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
Multi-Transmission Node DER Aggregation: Chance-Constrained Unit Commitment with Bounded Hetero-Dimensional Mixture Model for Uncertain Distribution Factors
针对覆盖多输电节点的 DER 聚合难题,提出基于 BHMM 表征不确定分布因子的机会约束机组组合模型,并以场景随机形式和 Benders 分解求解。
2025-01-06 cs.SY eess.SY
Inclusion of Frequency Nadir constraint in the Unit Commitment Problem of Small Power Systems Using Machine Learning
针对清洁能源占比提升导致的电力系统停运后频率不稳定问题,提出用机器学习将非线性频率最低点约束纳入机组组合问题,经拉帕尔马岛电力系统仿真验证,该方法比传统解析线性化方法求解速度更快且频率响应质量达标。
2024-07-12 cs.SY eess.SY
Nodal Frequency Stability-Constrained UC & ED for Renewable-Dominated Power Systems
University of Colorado Boulder(科罗拉多大学博尔德分校);Princeton University(普林斯顿大学)
提出一种考虑各节点频率稳定性约束的机组组合与经济调度优化框架,通过约束热力发电或限制最大出力机组功率来避免频率低于58 Hz,第二种方法成本更优。
2026-06-16 cs.SY eess.SY
Analyzing the Impact of Demand Response on Short-Circuit Current via a Unit Commitment Model
Technical University of Madrid(马德里理工大学);Aalto University(阿尔托大学)
本文通过单位启停模型研究需求响应对短路电流的影响,发现DR可降低总成本但可能影响SCC水平,合理协调灵活负载可有效平衡成本与稳定性。
2026-01-22 cs.SY eess.SY
A Scenario-based Stochastic Model of using BESS-based Virtual Transmission Lines in Day-Ahead Unit Commitment
University of Houston(休斯顿大学)
本文提出考虑可再生能源不确定性的基于场景的随机安全约束机组组合模型SSCUC-VTL,评估基于BESS的虚拟输电线路在缓解拥堵、降低成本方面的效益,仿真显示其优于物理线路和单独BESS。
2025-10-26 cs.SY eess.SY
Impedance-Based VSC Unit Commitment with STATCOM Support under High IBG Penetration
King Abdullah University of Science and Technology(阿卜杜拉国王科技大学);Tianjin University(天津大学)
本文提出一种混合整数二次锥规划框架,结合合成惯性与电压稳定性边界,研究高IBG渗透下VSC单元调度与STATCOM支持对电压和频率稳定性的影响。
2026-05-13 cs.SY eess.SY
The Benefits of Hydrogen Energy Transmission and Conversion Systems to the Renewable Power Grids: Day-ahead Unit Commitment
随着可再生能源在现代电力系统中的渗透率迅速上升,可再生能源的削减越来越频繁。这是对免费和绿色可再生能源的浪费,意味着目前的电网无法容纳更多的可再生能源。一个主要原因是,更高的可再生能源渗透水平需要更高的输电容量。另一个主要原因是可再生能源发电的波动性。混合氢或纯氢管道既能以氢的形式传递能量,又能以氢的形式储存能量。然而,其加速可再生能源整合的潜力尚未得到研究。本文将氢气管网与电力制氢(P2H)和氢气发电(H2P)设施相结合,组成氢能传输与转换系统(HETCS)。研究了含HETCS的电力系统的运行情况,提出了含HETCS的日前安全约束机组组合(SCUC)。SCUC仿真是在一个改进的IEEE 24节点电力系统上进行的。仿真结果表明,HETS可以大大减少可再生能源削减,CO2排放,负荷支付和总运营成本。这项研究验证了HETCS可以成为实现净零可再生电网的一个有前途的解决方案。
2022-06-28 cs.SY eess.SY
Implementing General-Order Frequency Dynamic Response Model and Frequency Excursion Duration Criterion in Unit Commitment Problem
针对传统含频率约束机组组合模型精度不足的问题,提出基于二阶动力学与Bernstein多项式逼近的MILP模型,新增频率偏移持续时间约束,经西班牙岛屿系统验证可在成本适度增加下提升频率安全性,适用于低惯量小规模电力系统。
2025-09-02 cs.SY eess.SY
Encoding Frequency Constraints in Preventive Unit Commitment Using Deep Learning with Region-of-Interest Active Sampling
Argonne National Laboratory(阿贡国家实验室);School of Electrical and Computer Engineering, Oklahoma State University(俄克拉荷马州立大学电气与计算机工程学院);University of Tennessee(田纳西大学)
随着可再生能源的日益普及,频率响应及其安全性是电力系统可靠运行的重要问题。频率约束机组组合(FCUC)的建议,以解决这一挑战。尽管现有的努力,在机组组合(UC)的频率特性建模,目前的策略只能处理过于简化的低阶频率响应模型,不考虑广泛的操作条件。本文提出了一种适用于高可再生能源渗透率下FCUC的通用数据驱动框架。深度神经网络(DNN)被训练为使用真实数据或高保真仿真数据来预测频率响应。接下来,DNN被重新制定为一组混合整数线性约束,以纳入普通UC制定。在数据生成阶段,考虑了所有可能的功率注入,并提出了一个区域的利益主动采样,包括功率注入样本的频率最低点接近UFLC阈值,这显着提高了频率约束的准确性FCUC。在IEEE 39节点系统上验证了所提出的FCUC。利用PSS/E全阶动态模型仿真验证了FCUC在频率安全投入中的有效性。
2021-10-13 cs.LG cs.SY eess.SY
Physics-Informed Unit Commitment Framework for Nuclear Reactors
University of California, San Diego(加州大学圣地亚哥分校)
针对传统核电机组组合模型未结合物理特性的问题,提出嵌入燃料循环动力学、考虑氙中毒等物理约束的物理信息驱动框架,可实现更精准的核电调度并支撑能源系统中的核电整合。
2025-08-30 cs.SY eess.SY
A Computational Efficient Pumped Storage Hydro Optimization in the Look-ahead Unit Commitment and Real-time Market Dispatch Under Uncertainty
针对实时市场抽水蓄能优化计算负担重的问题,提出两种基于概率价格预测的PSH模型,通过仅基于PSHU构建场景有效降低SCUC计算复杂度,在提升市场效率的同时仅略微增加求解时间。
2023-04-07 cs.SY eess.SY
Unit Commitment with N-1 Security and Wind Uncertainty
Texas A&M University(德克萨斯农工大学);Massachusetts Institute of Technology(麻省理工学院);ETH Zurich(苏黎世联邦理工学院);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);Columbia University(哥伦比亚大学)
本文提出一种考虑N-1安全性和风不确定性的机会约束单位调度方法,通过建模发电储备应对风波动,并考虑单组件故障的三级储备,以优化电网可靠性和经济性。
2016-01-30 cs.SY eess.SY math.OC
Flexible Training Workloads in Large-Scale AI Data Centers for Transient-Stability Support in Transmission-Constrained Power Systems
Korea Electrotechnology Research Institute(韩国电气技术研究院)
该研究提出训练诱导负载激增(TILS)策略,利用AI数据中心灵活训练负载,在故障后增加有功需求以支撑电力系统暂态稳定,提升暂态稳定约束下的发电极限。
2026-09-28 cs.SY eess.SY
Uncertainty Marginal Price, Transmission Reserve, and Day-ahead Market Clearing with Robust Unit Commitment
Galvin Center for Electricity Innovation at Illinois Institute of Technology(伊利诺伊理工学院加尔文电力创新中心)
本文提出不确定性边际电价(UMP)用于定价不确定性和备用容量,结合鲁棒机组启停机制,解决可再生能源渗透带来的不确定性问题,通过仿真验证新概念和清算机制的有效性。
2016-08-02 cs.SY eess.SY math.OC
Scalable and Efficient Aggregation of Energy-Constrained Flexible Loads
本文提出一种基于最坏情况能源调度的负荷聚合灵活性近似方法,通过保守分段线性边界高效计算数千个负荷的聚合,且精度与其他方法相当。
2025-05-22 cs.SY eess.SY
Short Circuit Current Constrained UC in High IBG-Penetrated Power Systems
逆变发电机在电力系统中的应用越来越广泛。由于电力电子(PE)的热额定值要求很高,它们对系统短路电流(SCC)的贡献远小于传统同步发电机(SG),从而降低了系统强度,并对系统保护和稳定性提出了挑战。提出了一种具有SCC约束的高IBG穿透系统的机组组合(UC)模型,以确保最小的运行成本,同时保持系统中每个节点的SCC水平。SCC从同步发电机以及IBG明确建模的制定导致SCC约束涉及决策相关矩阵求逆。这个高度非线性的约束被进一步保守地重新表述为线性形式。通过对IEEE 30节点和118节点系统的仿真,证明了SCC约束对系统运行的影响及其与频率调节的相互作用。
2021-01-13 cs.SY eess.SY
Efficient Unit Commitment Constraint Screening under Uncertainty
针对不确定性下机组组合优化中传统约束筛选不可靠且低效的问题,提出兼容机会约束与鲁棒形式、基于多参数规划和多区域策略的筛选方法,显著缩减模型规模并将单约束筛选加速71.2至131.3倍。
2024-08-09 cs.SY eess.SY math.OC
Tube-enhanced Multi-stage MPC for Flexible Robust Control of Constrained Linear Systems with Additive and Parametric Uncertainties
在鲁棒模型预测控制(MPC)领域中,最优性和复杂性的权衡一直是最重要的挑战之一。为了解决这个问题,我们提出了一个灵活的强大的MPC计划,协同多级和基于管的MPC方法。关键思想是利用多级MPC的非保守性和基于管的MPC的简单性。该方案为用户提供了两种选择,以根据应用确定权衡:鲁棒范围的选择和不确定性的分类。在鲁棒水平线之外,在管的帮助下避免了多级MPC中采用的神经树的分支。通过处理\emph{small}的不确定性,通过一个不变的管,可以离线计算的问题大小的增长减少。这导致在线性增长的问题规模超出了强大的地平线和没有增长的问题规模有关的小幅度的不确定性。与现有的鲁棒MPC方法相比,所提出的方法有助于实现最优性和复杂性之间的理想权衡。我们证明了该方法是鲁棒渐近稳定的。以CSTR反应器为例说明了该方法的优越性。
2020-12-29 cs.SY eess.SY
Chance-Constrained Economic Dispatch with Flexible Loads and RES
本文提出一种增强的日前能源市场,通过引入聚合负荷的多维灵活性竞价机制并结合机会约束经济调度问题,有效最小化发电成本并缓解了由可再生能源不确定性引起的节点边际价格波动。
2024-12-24 cs.SY eess.SY
An Adjustable Chance-Constrained Approach for Flexible Ramping Capacity Allocation
State Key Lab. of Power Systems, Department of Electrical Engineering, Tsinghua University(清华大学电机工程与应用电子技术系电力系统国家重点实验室)
本文提出一种可调节的概率约束方法,用于在不同预测值下表征风功率调峰,并在运营风险与调峰成本之间实现合理平衡。
2017-12-02 cs.SY eess.SY physics.soc-ph
Feasibility Layer Aided Machine Learning Approach for Day-Ahead Operations
University of Houston(休斯顿大学)
日前运行涉及复杂且计算密集的优化过程,以确定发电机承诺计划和调度。优化过程是一个混合整数线性规划(MILP),也被称为安全约束机组组合(SCUC)。独立系统运营商(ISO)每天运行SCUC,需要最先进的算法来加快这一过程。历史信息中的现有模式可以用于SCUC的模型简化,这可以提供显著的时间节省。本文研究了基于机器学习的分类方法,即逻辑回归、神经网络、随机森林和K-近邻,用于SCUC的模型约简。然后通过可行性层(FL)和后处理技术辅助ML,以确保高质量的解决方案。所提出的方法进行了验证,在几个测试系统,即IEEE 24总线系统,IEEE-73总线系统,IEEE 118总线系统,500总线系统,波兰2383总线系统。此外,一个随机SCUC(SSCUC)的模型降阶证明了利用修改后的IEEE 24节点系统与可再生能源发电。仿真结果表明,一个高的训练精度,以确定承诺时间表,而FL和后处理确保ML预测不会导致不可行的解决方案,在解决方案质量的损失最小。
2022-08-13 cs.LG cs.SY eess.SY
Flexible Operation of Electricity-HCNG Networks with Variable Hydrogen Fraction: A Distributionally Robust Joint Chance-Constrained Approach
针对可再生能源波动下电-HCNG耦合网络难以实时调整的问题,提出一种基于可变氢体积分数的分布鲁棒联合机会约束灵活运行框架,通过系统级仿射策略和改进风险分配方法保障运行可靠性并降低保守性,最终重构为混合整数二阶锥规划问题验证有效。
2024-10-13 cs.SY eess.SY
Impact of Security Modeling Fidelity on Hyperscale Data Center Hosting Capacity Assessment
University of Houston(休斯顿大学);Argonne National Laboratory(阿贡国家实验室);Electric Reliability Council of Texas(德克萨斯电力可靠性委员会);Sargent and Lundy(萨金特和伦迪)
本文在修改后的IEEE 24母线系统上,通过四种不同保真度的安全建模评估超大规模数据中心托管容量,发现N-1安全约束的缺失会导致19.8%的容量高估,揭示了模型复杂度与估计精度的权衡关系。
2026-10-14 cs.SY eess.SY
Tackling Unit Commitment and Load Dispatch Problems Considering All Constraints with Evolutionary Computation
Kyushu University(九州大学);Faculty of Engineering, Gifu University(岐阜大学工学部);Gifu University(岐阜大学)
本文提出了一种进化计算方法,用于解决包含大量光伏单元、四个抽水蓄能水电站和十个热电厂的复杂电力系统调度和负荷分配问题,通过自适应修复方法克服了传统方法的局限性。
2019-03-06 cs.CE cs.CY cs.NE
Fully Actuated Manifold Constraint Based Output Feedback Control for Input-Constrained Uncertain Nonlinear Systems
Institute of Electrical Engineering, Yanshan University(燕山大学电气工程学院)
本文提出了一种低复杂度、无模型的输出反馈控制器,用于处理具有未知输入约束的未知时变非线性系统,实现了预设的控制精度,并在执行器饱和后保持灵活的控制精度。该方法扩展了现有线性流形约束控制方法,包括非线性流形的构造和各种约束类型,从而在有限或固定时间内实现预设的控制精度。此外,通过构造误差驱动的灵活约束,实现了未知饱和情况下的灵活控制。最后提供了二阶及更高阶的控制示例和仿真。
2026-05-20 cs.RO cs.SY eess.SY
Harnessing Flexible Spatial and Temporal Data Center Workloads for Grid Regulation Services
Thayer School of Engineering(泰勒工程学院);Dartmouth College(达特茅斯学院)
本文提出统一框架,通过联合优化数据中心工作负载分配和调节容量承诺,提升电网调节服务的可行性和经济性。
2026-02-02 cs.AI cs.CE cs.SY
Reinforcement Learning Constrained Beam Search for Parameter Optimization of Paper Drying Under Flexible Constraints
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Worcester Polytechnic Institute(伍斯特理工学院);University of Michigan(密歇根大学)
提出RLCBS方法,在推理时灵活施加约束并优化纸张干燥参数,较NSGA-II更优且速度提升2.58倍以上。
2025-01-21 cs.AI cs.LG cs.SY
The Role of Flexible Connection in Accelerating Load Interconnection in Distribution Networks
Purdue University(普渡大学)
本文研究配电网中flexible connection加速负荷互联的作用,提出限制年度干预次数的灵活性感知承载能力分析方法,发现适度灵活性即可显著提升负荷承载能力。
2025-10-13 cs.SY eess.SY
Input Convex Neural Network as a Surrogate in Stability-Constrained Optimization for IBR-dominated Power Systems
Imperial College London(帝国理工学院);Tsinghua University(清华大学);Wuhan University(武汉大学)
针对输入凸神经网络在电力系统稳定性约束优化中的两种常见公式化缺陷,提出精确LP-based epigraph重构、全局保证的外逼近方案及可行性保持的内逼近方案,并在IEEE 14/118节点算例验证。
2026-06-26 cs.SY eess.SY math.OC
Knowledge Integration in Differentiable Models: A Comparative Study of Data-Driven, Soft-Constrained, and Hard-Constrained Paradigms for Identification and Control of the Single Machine Infinite Bus System
Korea University(高丽大学);Hyundai Motor Company(现代汽车公司)
本文比较了数据驱动、软约束和硬约束范式在单机无穷大母线系统建模中的表现,发现知识表示影响泛化能力,硬约束方法在参数空间收敛更快更可靠,知识准确性影响控制性能。
2026-04-11 cs.LG cs.SY eess.SY
Physics-Constrained Learning for PDE Systems with Uncertainty Quantified Port-Hamiltonian Models
Vanderbilt University(范德堡大学)
针对柔性物体非线性动力学建模中数据驱动方法违背物理原理、泛化受限的问题,提出由分布式端口-Hamiltonian模型约束高斯过程的物理约束学习方法,可同时学习动力学、量化不确定性并保留系统组合性。
2024-06-17 cs.LG cs.RO cs.SY