DeepOPF-AL：用于求解具有多负载-解映射的AC-OPF问题的增广学习
机器学习
2022-06-08 v1 系统与控制
系统与控制
摘要
非凸 AC-OPF 问题存在多种负载-解映射，这对深度神经网络（DNN）方案提出了根本性挑战。由于训练数据集可能包含对应于不同负载-解映射的数据点混合，DNN 可能无法学习到合法的映射并生成次优解。我们提出 DeepOPF-AL 作为一种增广学习方法来解决该问题。其思路是训练一个 DNN 来学习从增广输入（即（负载，初始点））到由以负载和初始点为输入的迭代 OPF 求解器所生成解的唯一映射。我们随后应用学习到的增广映射来求解 AC-OPF 问题，比传统求解器快得多。在 IEEE 测试用例上的仿真结果表明，与近期 DNN 方案相比，DeepOPF-AL 在 DNN 规模相同但训练复杂度更高的情况下，实现了明显更优的最优性以及相似的可行性与加速性能。
引用
@article{arxiv.2206.03365,
title = {DeepOPF-AL: Augmented Learning for Solving AC-OPF Problems with Multiple Load-Solution Mappings},
author = {Xiang Pan and Wanjun Huang and Minghua Chen and Steven H. Low},
journal= {arXiv preprint arXiv:2206.03365},
year = {2022}
}
备注
3 pages,2 figures