基于混合稀疏高斯过程的数据驱动机会约束交流最优潮流
系统与控制
2022-09-01 v1 机器学习
系统与控制
机器学习
摘要
交流机会约束最优潮流（AC CC-OPF）问题解决了发电不确定性下电力生成与输送的经济效率问题。后者因高比例可再生能源而内生于现代电网。尽管在学术上取得成功，AC CC-OPF 问题高度非线性且计算量大，限制了其实际影响。为改善 AC-OPF 问题的复杂度/精度权衡，本文提出一种快速数据驱动框架，使用稀疏与混合高斯过程（GP）框架对含输入不确定性的潮流方程进行建模。我们通过在多个 IEEE 测试用例上的数值研究证明了所提方法的效率，与最先进方法相比，求解速度最高快两倍且更精确。
引用
@article{arxiv.2208.14814,
title = {Data-Driven Chance Constrained AC-OPF using Hybrid Sparse Gaussian Processes},
author = {Mile Mitrovic and Aleksandr Lukashevich and Petr Vorobev and Vladimir Terzija and Yury Maximov and Deepjyoti Deka},
journal= {arXiv preprint arXiv:2208.14814},
year = {2022}
}
备注
7 pages, 3 figures