通过学习成本模型实现快速机组组合约束筛选
最优化与控制
2022-12-02 v1 机器学习
系统与控制
系统与控制
摘要
机组组合（UC）是输电系统运营商用于寻找最经济可行发电计划与调度信号的重要工具。约束筛选近年来受到关注，因为它有望减少UC问题中的大量非活跃或冗余约束，从而通过求解缩减后的优化问题来加速大规模UC问题的求解过程。标准约束筛选方法依赖于在负荷与发电侧进行优化以找出紧约束的线路潮流约束，然而此类筛选较为保守，仍有很大比例的约束被保留在UC问题中。本文提出一种新颖的机器学习（ML）模型，用于在给定负荷输入时预测最经济成本。该ML模型将UC决策的成本视角与基于优化的约束筛选模型相衔接，能够筛选出更高比例的运约束。我们在样本已知与样本未知两种设定下验证了所提方法的性能，并表明该方案能在多种UC问题配置下进一步减少计算时间。
引用
@article{arxiv.2212.00483,
title = {Enabling Fast Unit Commitment Constraint Screening via Learning Cost Model},
author = {Xuan He and Honglin Wen and Yufan Zhang and Yize Chen},
journal= {arXiv preprint arXiv:2212.00483},
year = {2022}
}