Cloud-AC-OPF：基于机会约束优化的多场景最优潮流模型降阶技术
最优化与控制
2019-05-28 v1
摘要
电力系统中许多实际的规划与运行应用需要同时考虑大量运行条件或多场景交流最优潮流(MS-AC-OPF)解。然而，当外生规定的条件数量很大时，将问题作为单交流OPF的集合来求解可能耗时甚至在计算上不可行。在本文中，我们提出一种称为Cloud-AC-OPF的模型降阶方法，它将一组样本替换为其均值与标准差的紧凑表示。我们不再为每个样本单独确定最优发电调度，而是将发电调度参数化为仿射函数。Cloud-AC-OPF在数学上类似于文献中近期讨论的一类广义机会约束交流最优潮流(CC-AC-OPF)，但概念上不同，因其讨论长期规划应用。我们进一步提出了可处理的公式与实现，并在30总线IEEE模型实例上说明了我们的构建。
引用
@article{arxiv.1905.10455,
title = {Cloud-AC-OPF: Model Reduction Technique for Multi-Scenario Optimal Power Flow via Chance-Constrained Optimization},
author = {Vladimir Frolov and Line Roald and Michael Chertkov},
journal= {arXiv preprint arXiv:1905.10455},
year = {2019}
}