考虑不确定性变化影响的电力系统运行加权预测与优化框架
系统与控制
2025-10-17 v2 系统与控制
摘要
不同不确定性的预测偏差对下游决策具有不同的影响。提高对决策质量有显著影响的关键不确定性的预测准确性，可以获得更好的优化结果。受此观察启发，本文提出了一种用于多重不确定性下决策的新型加权预测与优化（WPO）框架。具体而言，我们将不确定性感知加权机制纳入预测模型，以捕获每个不确定性对特定优化任务的相对影响，并引入问题驱动预测损失（PDPL）来量化加权预测相对于下游优化中完美预测的次优性。通过优化不确定性权重以最小化 PDPL，所提出的 WPO 框架实现了不确定性影响的自适应评估以及预测和优化的联合学习。此外，为了促进权重优化，我们开发了一个代理模型，建立了不确定性权重与 PDPL 之间的直接映射，其中采用了增强的图卷积网络和多任务学习以实现高效的代理模型构建和训练。在修改后的 IEEE 33 节点和 123 节点系统上的数值实验表明，所提出的 WPO 框架优于传统的先预测后优化范式，在可接受的计算时间内将 PDPL 平均降低了 55%。
引用
@article{arxiv.2503.11001,
title = {A Weighted Predict-and-Optimize Framework for Power System Operation Considering Varying Impacts of Uncertainty},
author = {Yingrui Zhuang and Lin Cheng and Can Wan and Rui Xie and Ning Qi and Yue Chen},
journal= {arXiv preprint arXiv:2503.11001},
year = {2025}
}
备注
This is a paper submitted to IEEE TRANSACTIONS ON Power Systems