基于相对熵的分布鲁棒联合概率受限最优电力流
最优化与控制
2025-01-23 v2 系统与控制
系统与控制
摘要
为在不确定性条件下控制大规模电力系统，设计鲁棒算法至关重要。概率受限最优电力流（CCOPF）问题提供了一种在运行成本与约束满足率之间进行权衡的自然形式。本文提出一种基于分布鲁棒优化（DRO）的CCOPF问题数据驱动算法。我们展示，所提出的分布鲁棒概率约束的该种性质化简是精确的，而文献中其他方法依赖保守近似。我们为分布鲁棒解建立了超样本鲁棒性保证，并证明该解是在获得相同保证的所有方法中最高效的。我们将所提出的算法应用于CCOPF问题，并通过仿真实验在IEEE基准电力系统上比较所提方法与现有方法的性能。
关键词
引用
@article{arxiv.2501.03543,
title = {Distributionally Robust Joint Chance-Constrained Optimal Power Flow using Relative Entropy},
author = {Eli Brock and Haixiang Zhang and Javad Lavaei and Somayeh Sojoudi},
journal= {arXiv preprint arXiv:2501.03543},
year = {2025}
}