基于Q学习调度的快速块线性系统求解器用于统一动态电力系统仿真
机器学习
2021-10-13 v1 数学软件
数值分析
数值分析
摘要
我们提出了一种用于电力系统统一动态仿真的快速块直接求解器。该求解器使用一种新颖的基于Q学习的任务调度方法。电力系统的统一动态仿真是一种将机电暂态、中期及长期动态现象有机统一的方法。由于求解中阶数高、规模大,这些方程的快速求解是加速仿真的关键。仿真中的稀疏系统包含复杂的嵌套块结构,求解器可利用该结构加速。对于求解器中块与前沿(frontal)的调度,我们在马尔可夫决策过程框架下使用一种基于学习的任务树调度技术。即,我们可以通过在大量样本矩阵上的离线训练学习最优调度策略。然后对于任意系统,求解器可在学习到的模型上获得最优任务划分与调度。我们基于学习的算法可帮助提升稀疏求解器性能,这已在若干数值实验中得到验证。在一些大型电力系统上的仿真表明,我们的求解器比KLU(电路仿真问题中最先进的稀疏求解器)快2-6倍。
引用
@article{arxiv.2110.05843,
title = {Fast Block Linear System Solver Using Q-Learning Schduling for Unified Dynamic Power System Simulations},
author = {Yingshi Chen and Xinli Song and HanYang Dai and Tao Liu and Wuzhi Zhong and Guoyang Wu},
journal= {arXiv preprint arXiv:2110.05843},
year = {2021}
}
备注
8 pages, 3 figures. arXiv admin note: substantial text overlap with arXiv:2109.14929