用于最优潮流节点边际电价的图卷积神经网络
系统与控制
2023-01-24 v1 系统与控制
摘要
近年来，随着可再生能源与电动汽车的接入，实时电力市场受到了广泛关注。迄今为止，大多数文献通过迭代方法解决实时电力市场背景下的最优潮流（OPF）问题。然而，由于迭代方法计算复杂度高，实时求解 OPF 问题具有挑战性。受此启发，本文提出一种切比雪夫图卷积神经网络（ChebGCN），以提高低碳能源接入电网的效率，并解决端到端现有 OPF 方案的可扩展性与适应性问题。所提出的 GCN 方法能够实时预测最优能源市场边际电价。数值分析用于基准测试并验证改进效果。
引用
@article{arxiv.2301.09038,
title = {Graph Convolutional Neural Networks for Optimal Power Flow Locational Marginal Price},
author = {Adrian-Petru Surani and Rahul Sahetiya},
journal= {arXiv preprint arXiv:2301.09038},
year = {2023}
}