用于 AC-OPF 解推断的深度学习架构
机器学习
2020-12-02 v2 系统与控制
信号处理
系统与控制
数据分析、统计与概率
摘要
我们针对用于交流最优潮流（AC-OPF）解推断的神经网络（NN）架构进行了系统比较。以全连接 NN 为基线，我们通过为卷积和图 NN 在图域中构建电网的抽象表示，展示了在模型中利用网络拓扑的有效性。我们比较了 NN 架构在回归（预测最优发电机设定点）和分类（预测约束活跃集）设置下的性能。还给出了获取最优解的计算增益。
引用
@article{arxiv.2011.03352,
title = {Deep learning architectures for inference of AC-OPF solutions},
author = {Thomas Falconer and Letif Mones},
journal= {arXiv preprint arXiv:2011.03352},
year = {2020}
}
备注
5 pages, 4 tables, 3 figures. Climate Change AI Workshop - Tackling Climate Change with Machine Learning (NeurIPS 2020)