基于 ADMM 学习区域分散式交流最优潮流
系统与控制
2023-01-24 v3 机器学习
系统与控制
摘要
下一代智能电网的一种潜在前景是使用分散式优化算法和安全通信来协调可再生能源发电（如风/光）、可调度设备（如煤/气/核发电）、需求响应、电池与储能设施以及拓扑优化。交替方向乘子法（ADMM）已被学界广泛用于解决此类分散式优化问题，尤其是交流最优潮流（AC-OPF）。本文研究机器学习如何助力加速 ADMM 求解 AC-OPF 的收敛。提出一种新颖的分散式机器学习方法，即 ML-ADMM，其中每个智能体使用深度学习来学习耦合支路上的共识参数。本文还探索仅从具有高质量收敛特性的 ADMM 运行中进行学习的思路，并提出筛选机制以选取这些运行。基于法国系统的测试用例实验结果表明，该方法在显著加速 ADMM 收敛方面具有潜力。
引用
@article{arxiv.2205.03787,
title = {Learning Regionally Decentralized AC Optimal Power Flows with ADMM},
author = {Terrence W. K. Mak and Minas Chatzos and Mathieu Tanneau and Pascal Van Hentenryck},
journal= {arXiv preprint arXiv:2205.03787},
year = {2023}
}
备注
14 pages