用于近似电网模拟器的高斯过程代理模型——在阻塞管理控制器认证中的应用

随着电网的数字化，物理方程已不足以描述网络的行为，必须使用真实但耗时的模拟器。涉及模拟大量场景的数值实验，如安全验证，在计算上变得难以处理。一种流行的减少计算负担的解决方案是使用机器学习学习模拟器的代理模型，然后直接在快速评估的代理模型上进行实验。在构建代理模型的各种机器学习可能性中，高斯过程因其灵活性、数据效率和可解释性而成为一种流行的解决方案。其概率性质使其能够同时提供预测和不确定性量化。本文首先讨论了使用高斯过程近似电网模拟器并加速数值实验的意义。然而，此类模拟器常常违反高斯过程潜在的高斯假设，导致近似效果不佳。为了解决这一局限性，提出了一种在不确定性量化中添加自适应残差不确定性项的方法。它使高斯过程能够在模拟器的非高斯行为下保持准确和可靠。该方法已成功应用于阻塞管理控制器正常功能的认证，避免了超过98%的模拟。