用于电力市场实时电价学习的图神经网络
机器学习
2021-06-22 v1 系统与控制
系统与控制
最优化与控制
摘要
求解实时电力市场中的最优潮流(OPF)问题，可提升低碳能源资源并入电网的效率与可靠性。针对现有端到端OPF学习方案在可扩展性与适应性方面的问题，我们提出了一种新颖的图神经网络(GNN)框架，用于通过求解OPF预测电力市场价格。所提出的GNN-for-OPF框架创新性地利用了电价的局部性特征并引入物理感知正则化，同时实现了更低的模型复杂度和对变化电网拓扑的快速适应。数值实验验证了所提方法相较现有方法在学习效率与适应性上的提升。
引用
@article{arxiv.2106.10529,
title = {Graph Neural Networks for Learning Real-Time Prices in Electricity Market},
author = {Shaohui Liu and Chengyang Wu and Hao Zhu},
journal= {arXiv preprint arXiv:2106.10529},
year = {2021}
}