面向大规模经济调度的端到端可行优化代理
最优化与控制
2023-08-21 v2 机器学习
摘要
本文提出了一种新颖的端到端学习与修复（E2ELR）架构，用于训练经济调度问题的优化代理。E2ELR 将深度神经网络与闭式、可微的修复层相结合，从而以端到端方式集成学习与可行性。E2ELR 还采用自监督学习进行训练，消除了对标注数据的需求以及离线求解大量优化问题的需要。E2ELR 在一个具有数万母线、采用协同优化能量与备用经济调度的工业规模电网上的评估表明，自监督 E2ELR 达到了最先进（SOTA）性能，其最优性间隙比其他基线至少优一个数量级。
引用
@article{arxiv.2304.11726,
title = {End-to-End Feasible Optimization Proxies for Large-Scale Economic Dispatch},
author = {Wenbo Chen and Mathieu Tanneau and Pascal Van Hentenryck},
journal= {arXiv preprint arXiv:2304.11726},
year = {2023}
}