基于状态估计后处理算法的交流潮流可行性恢复
系统与控制
2024-03-13 v2 系统与控制
摘要
本文提出一种从简化最优潮流(OPF)问题（包括凸松弛、潮流近似与机器学习(ML)模型）的解中恢复交流潮流可行性的算法。所提算法采用基于状态估计的后处理技术，其中来自松弛、近似或基于 ML 的 OPF 问题的电压相量、功率注入与线路潮流被当作状态估计算法中的含噪量测类似处理。该算法利用来自各量的信息获得满足交流潮流方程的可行电压相量与功率注入。权重与偏置参数使用自适应随机梯度下降方法离线计算。通过自动学习来自简化 OPF 问题的各类输出的可信度，这些参数指导基于状态估计的算法的在线计算，以恢复可行解并刻画潮流近似、松弛与 ML 模型的性能。此外，所提算法可同时利用来自不同松弛、近似与 ML 模型的组合解以提升性能。案例研究证明了所提算法的有效性与可扩展性，其解不仅交流潮流可行，且比替代方法更接近真实交流 OPF 解，通常在二范数平方损失函数中相差数个数量级。
引用
@article{arxiv.2304.11418,
title = {AC Power Flow Feasibility Restoration via a State Estimation-Based Post-Processing Algorithm},
author = {Babak Taheri and Daniel K. Molzahn},
journal= {arXiv preprint arXiv:2304.11418},
year = {2024}
}