基于机器学习的公平负荷切卸：通过识别约束条件实现实时解决方案
系统与控制
2025-02-28 v4 人工智能
系统与控制
摘要
及时且有效的负荷切卸对于维持供需平衡和防止级联停电至关重要。为消除对特定区域的负荷切卸偏见，基于优化的方法在经济性和公平性之间起到唯一的平衡作用。然而，涉及复杂约束的优化问题可能需要耗时的求解，无法满足负荷切卸的实时需求。为克服此挑战，本文提出一种高效的机器学习算法，使基于优化的负荷切卸问题能够实现毫秒级计算。针对 3 节点示意系统和真实的 RTS-GMLC 系统进行数值研究，结果表明所提算法在实现公平且实时的负荷切卸决策方面具有有效性和效率。
引用
@article{arxiv.2407.18989,
title = {Machine Learning for Fairness-Aware Load Shedding: A Real-Time Solution via Identifying Binding Constraints},
author = {Yuqi Zhou and Joseph Severino and Sanjana Vijayshankar and Juliette Ugirumurera and Jibo Sanyal},
journal= {arXiv preprint arXiv:2407.18989},
year = {2025}
}