MPA-DNN：面向多时段直流最优潮流的投影感知无监督学习
系统与控制
2025-10-13 v1 系统与控制
摘要
在可再生能源和储能高渗透率的现代电力系统中，确保最优潮流（OPF）运行的可行性和效率变得越来越重要。虽然深度神经网络（DNNs）作为OPF求解器的快速代理已展现出前景，但它们往往无法满足关键运行约束，尤其是涉及时段间耦合的约束，如发电机爬坡限制和储能运行。为解决这些问题，我们提出了一种多时段投影感知深度神经网络（MPA-DNN），在网络中引入投影层以实现多时段调度。通过投影，我们的模型强制执行物理可行性，使约束合规的调度轨迹能够进行端到端学习，而无需依赖标注数据。实验结果表明，所提方法在不同负载条件下实现了接近最优的性能，同时严格满足所有约束。
引用
@article{arxiv.2510.09349,
title = {MPA-DNN: Projection-Aware Unsupervised Learning for Multi-period DC-OPF},
author = {Yeomoon Kim and Minsoo Kim and Jip Kim},
journal= {arXiv preprint arXiv:2510.09349},
year = {2025}
}