数据驱动的功率流线性化：仿真

建立在Part I理论洞见基础上，本文作为教程的第二部分，深入探讨数据驱动的功率流线性化（DPFL），侧重于全面数值测试。这些仿真的必要性源于理论分析的固有局限性，特别是挑战在于识别在DPFL方法之间、具有重叠理论能力和/或局限性的实际性能差异。文献中缺乏DPFL方法的全面数值比较也推动了本文，尤其鉴于超过95%的现有DPFL研究未提供任何开源代码。为填补这一差距，本文首先回顾了现有的DPFL实验，检查所采用的测试情景、负荷波动设置、数据来源、数据噪声/异常值的考虑以及迄今为止所做的比较。随后，本文评估了总计44种方法，其中包含30多种现有DPFL方法、一些创新的DPFL技术以及几种经典的物理驱动的功率流线性化方法用于基准测试。该评估跨越多个维度，包括可推广性、适用性、准确性和计算效率，使用各种不同规模从9-bus到1354-bus系统的测试情景。数值分析在各种测试情景下识别并检查了所有方法中的显著趋势和一致发现。它还提供了关于诸如表现不足、失败、过度计算时间等现象的理论见解。总体而言，本文识别了广泛DPFL方法之间的性能差异，揭示了在理论讨论中难以看到的差距，帮助为实际应用中的方法选择，并对DPFL研究中的开放问题提供了详尽讨论，指出十个潜在的未来方向。