Robust AC Optimal Power Flow with Robust Convex Restriction
电网经常经历来自负荷需求和可再生能源的不确定波动,这构成了违反旨在保护系统的操作限制的风险。在本文中,我们考虑的鲁棒AC最优潮流问题,最大限度地减少发电成本,同时需要一定程度的系统安全存在的不确定性。鲁棒交流最优潮流问题要求系统在给定的不确定性集合内满足所有不确定性实现的运行极限。由于非凸、非线性AC潮流方程可能并不总是有解,因此保证鲁棒性特别具有挑战性。在这项工作中,我们扩展了以前开发的凸约束的鲁棒凸约束,这是一个凸的内部近似的非凸可行域的AC OPF问题,占功率注入的不确定性。然后,我们使用的鲁棒凸约束的算法,通过解决一系列的凸优化问题,获得AC OPF问题的鲁棒解决方案。我们证明了我们的算法和控制鲁棒性与运营成本的权衡使用PGLib测试用例的能力。
2021-04-10 math.OC
Optimal droop control placement in distribution network via an exact OPF relaxation method
在过去的十年中,可再生能源(RES)在配电网中的集成由于其许多技术,经济和环境效益而不断增加。然而,RES的大规模渗透受到网格安全约束的限制,例如,电压和电流限制。逆变器接口的可再生能源系统的控制可以保证遵守这些约束,同时保持可再生能源系统的性能。然而,附加的可控转换器单元的安装引入了附加的投资成本,因此必须受到限制。本文提出了一个混合二阶锥(MISOCP)最优化问题,用于RES变换器的Q-V和P-V下垂控制器的最优配置。最优化问题的目标是在系统约束条件下最小化投资成本、维护成本和从电网购买能量的成本。为了提供一个准确的和凸的制定这些约束,我们适应了一个增广的松弛法,最近提出了解决辐射状配电网的最优潮流问题。我们的方法进行了测试,在一个标准的IEEE 34总线网络和结果相比,所提供的替代方法。
2022-04-12 math.OC
Distributed Multi-Area Optimal Power Flow via Rotated Coordinate Descent Critical Region Exploration
研究了多区域电力系统的分布式最优潮流问题。提出了一种新的分布式算法--旋转坐标下降临界区域探索算法(RCDCRE)。它允许每个实体独立地更新其边界信息,并以异步方式最优地求解其局部OPF。RCDCRE方法使用坐标系旋转来缝合坐标下降和参数规划,以减少协调,保持隐私并确保收敛。该解决方案的过程不需要热启动,可以从不可行的初始点使用基于惩罚的配方。基于IEEE 2区域44节点和4区域472节点系统验证了RCDCRE的有效性。
2022-06-17 math.OC
Learning to Optimize Power Distribution Grids using Sensitivity-Informed Deep Neural Networks
配电网优化的深度学习可以被认为是接近最优但及时的逆变器调度的有前途的解决方案。其原理是训练深度神经网络(DNN)来预测最优潮流(OPF)的解,从而将计算工作从实时转移到离线。尽管如此,在训练这个DNN之前,人们必须解决大量的OPF来创建一个标记的数据集。假设后一步在时间关键的应用中仍然是禁止的,这项工作提出了一种通过考虑OPF最小化器相对于OPF参数的灵敏度来提高DNN预测精度的原创技术。通过扩展多参数规划,它表明,虽然逆变器控制问题可能会表现出双重退化,所需的灵敏度确实存在一般,可以很容易地计算使用任何标准的二次规划(QP)求解器的输出。数值测试表明,敏感性深度学习可以以最小的计算开销将预测精度(均方误差(MSE))提高2-3个数量级。在小数据领域,改进更为重要,DNN必须学习使用一些示例进行优化。除了多参数QP,该方法目前正在推广到参数(非)凸优化问题。
2020-07-07 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
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
AC-Network-Informed DC Optimal Power Flow for Electricity Markets
本文提出融合交流电网与市场信息的参数化DC-OPF二次近似,并用监督学习预测近优参数,在多测试系统中验证其精度、市场属性、可行性及N-1泛化能力。
2024-10-24 cs.SY eess.SY math.OC
Importance sampling approach to chance-constrained DC optimal power flow
尽管有显著的经济和生态影响,但更高水平的可再生能源发电导致电力注入的不确定性和可变性增加,从而影响电网的可靠性。为了提高电网安全性,研究了联合机会约束直流最优潮流问题。该问题的目的是找到经济上最佳的发电,同时保证所有的发电,线路流量和电压同时保持在其范围内与预定义的概率。不幸的是,即使可再生能源波动的分布是指定的,这个问题在计算上是棘手的。此外,现有的联合CC最优潮流问题的近似解过于保守,因此对实际操作的价值不大。本文提出了一种重要性采样的CC DC最优潮流问题的方法,它产生更好的复杂性和准确性比目前的最先进的方法。该算法有效地减少了场景的数量,只生成和使用其中最重要的,从而使实时解决方案的测试用例多达几百个总线。
2021-11-23 math.OC stat.CO
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
Efficient Creation of Datasets for Data-Driven Power System Applications
数据驱动方法的进步激发了人们对电力系统应用的新兴趣。为这些方法的成功应用创建数据集已被证明是非常具有挑战性的,特别是在考虑电力系统安全性时。本文提出了一种计算效率高的方法来创建安全和不安全的操作点的数据集。我们提出了一种基于分离超平面的不可行性证书,可以先验地将输入空间的大部分描述为不安全的,从而显着减少计算时间和问题大小。我们的方法可以处理数量级更多的控制变量,并创建安全和不安全操作点的平衡数据集,这对于数据驱动的应用程序至关重要。虽然我们专注于N-1安全和不确定性,我们的方法可以扩展到动态安全。对于PGLib-OPF网络多达500总线和多达125个控制变量,我们证明了未分类的输入空间体积和计算时间的大幅减少,创建平衡的数据集,并评估说明性的数据驱动的应用程序。
2020-04-14 cs.SY eess.SY math.OC
A Linear Outer Approximation of Line Losses for DC-based Optimal Power Flow Problems
本文提出了一种新的和简单的线性模型,以捕捉线损耗的线性直流模型,如最优潮流(DC-OPF)和安全约束的经济调度(SCED)。\textit{Line Loss Outer Approximation}(LLOA)模型惰性地实现线路损耗的外部近似,并且通常在少量迭代中终止。大规模电力系统的实验证明了LLOA的准确性和计算效率,并将其与经典的线路损耗方法进行了对比。结果似乎表明,LLOA是一个实用和有用的模型,为现实世界的应用,提供了一个很好的权衡精度,计算效率,实现简单。特别地,LLOA方法与传统的损耗因子公式相比对于其中可能没有好的参考点的多周期、随机最优化问题可能具有显著的优点。本文还提供了一个全面的概述和评估的近似方法的线路损耗。
2021-12-24 math.OC
Learning-Accelerated ADMM for Distributed Optimal Power Flow
National Renewable Energy Laboratory(国家可再生能源实验室);University of Colorado at Boulder(科罗拉多大学博尔德分校)
提出了一种新的数据驱动的方法,以加快收敛的交替方向法的乘数(ADMM)求解分布式直流最优潮流(DC-OPF)的线路之间的独立的网络分区共享。该方法利用给定系统在不同负载下ADMM轨迹的先前观测值,训练递归神经网络(RNN)来预测对偶变量和共识变量的收敛值。给出了一种新的系统负载实现,少量的初始ADMM迭代作为输入,以推断收敛值,并直接注入到迭代。我们的经验表明,这些值到ADMM迭代的在线注入加速收敛的分区14,118和2848总线测试系统在不同的负载情况下的一个重要因素。所提出的方法有几个优点:它保持了共识ADMM中固有的私有决策变量的安全性;推理速度快,因此可以用于在线设置; RNN生成的预测可以显着提高收敛时间,但通过构造,永远不会导致不可行的ADMM子问题;它可以很容易地集成到现有的软件实现中。虽然我们专注于ADMM制定分布式DC-OPF在本文中,所提出的想法自然扩展到其他分布式最优化问题。
2020-09-15 cs.LG cs.SY eess.SY
A-Priori Reduction of Scenario Approximation for Automated Generation Control in High-Voltage Power Grids with Renewable Energy
针对含可再生能源电网的机会约束直流最优潮流问题,提出带先验样本约简的数据驱动近似方法,可在保证解可靠性的前提下将所需数据量最多减半,提升计算效率。
2024-10-05 math.OC stat.CO
Quantum-Enabled Probabilistic Optimal Power Flow with Built-in Differential Privacy
The Chinese University of Hong Kong(香港中文大学);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳))
本文提出一种高效的量子框架,用于解决概率最优功率流问题,利用量子噪声实现内置差分隐私,减少所需量子比特数量并降低隐私开销。
2026-03-17 math.OC
Data-based Distributionally Robust Stochastic Optimal Power Flow, Part II: Case studies
The University of Texas at Dallas(德克萨斯大学达拉斯分校);The University of Colorado, Boulder(科罗拉多大学博尔德分校);University of Colorado Boulder(科罗拉多大学博尔德分校);Tsinghua University(清华大学)
本文通过分布和传输网络的数值实验,展示了所提出方法在平衡效率、约束违反风险和离样性能方面的有效性与灵活性。
2018-10-26 cs.SY eess.SY math.OC
Multi-parametric Analysis for Mixed Integer Linear Programming: An Application to Transmission Planning and Congestion Control
Missouri University of Science and Technology(密苏里科技大学);Whiting School of Engineering, Johns Hopkins University(约翰斯·霍普金斯大学怀廷工程学院)
随着需求的增加和可再生能源的发展,加强现有输电线路是应对输电阻塞和保证输电安全的有用工具。本研究关注的线路的选择,其容量应该扩大,从独立系统运营商(ISO)的角度来看,以尽量减少系统成本与考虑传输线路的约束和发电和需求的平衡条件,并纳入斜升和启动斜升率,停机斜升率,斜降率限制和最小的上升和最小的下降时间。为此,我们开发的ISO机组组合和经济调度模型,并显示它作为一个右手边的不确定性多参数分析的混合整数线性规划(MILP)问题。我们首先放松的二进制变量连续变量,并采用拉格朗日方法和Karush-Kuhn-Tucker条件,以获得最优解(最佳决策变量和目标函数)和临界区域与积极和消极的约束。在此基础上,我们将传统的分支定界法推广到大规模MILP问题,在每个节点上确定问题的上界,然后比较上界和下界之间的差异,在决策者允许的误差范围内得到近似的最优解。另外,利用目标函数对各线路参数的一阶导数,为缓解拥挤和社会福利最大化的线路选择提供依据。最后,通过平衡目标函数的参数成本降低率和线路升级成本来选择容量升级量。我们的研究结果得到了数值模拟的支持,并为输电线路规划者提供了决策指导。
2022-07-19 cs.LG cs.SY eess.SY