Scifaro

中文

面向交流最优潮流的机器学习方法

机器学习 2019-10-22 v1 信号处理机器学习

作者: Neel Guha , Zhecheng Wang , Matt Wytock , Arun Majumdar

在 arXiv 上查看 ↗ PDF ↗

摘要

我们探索用于交流最优潮流（ACOPF）的机器学习方法——即在满足物理与工程约束的同时优化输电网中发电量的任务。我们将 ACOPF 作为机器学习问题提出两种表述：1）端到端预测任务，直接预测最优发电机设定值；2）约束预测任务，预测最优解中的活跃约束集合。我们在两个基准电网网络上验证了这些方法。

关键词

机器学习交流最优潮流端到端预测约束预测基准电网发电优化

引用

@article{arxiv.1910.08842,
  title  = {Machine Learning for AC Optimal Power Flow},
  author = {Neel Guha and Zhecheng Wang and Matt Wytock and Arun Majumdar},
  journal= {arXiv preprint arXiv:1910.08842},
  year   = {2019}
}

备注

3 pages, 2 tables. Presented at the Climate Change Workshop at ICML 2019