学习交流最优潮流的热启动点
最优化与控制
2019-05-23 v1 信号处理
摘要
多年来，电网运营商在求解交流最优潮流（ACOPF）过程中已生成大量数据，我们探究如何利用这些数据来帮助求解未来的 ACOPF 问题。我们使用这些数据训练随机森林（Random Forest）以预测未来 ACOPF 问题的解。为保持预测变量间的相关性与关系，我们采用多目标方法，仅利用网络负荷，在不知晓其他网络参数或系统拓扑的情况下，直接学习 ACOPF 问题的近似电压与发电解。我们探究了将所学解用作求解 ACOPF 的智能热启动点的益处，并使用多个 IEEE 测试网络对该框架进行了数值评估。结果表明，使用所学 ACOPF 解的益处依赖于求解器与网络，但其在快速寻找 ACOPF 问题近似解方面展现出前景。
引用
@article{arxiv.1905.08860,
title = {Learning Warm-Start Points for AC Optimal Power Flow},
author = {Kyri Baker},
journal= {arXiv preprint arXiv:1905.08860},
year = {2019}
}