针对 bushfire 的电力系统在线规划：基于空间背景的功率流
系统与控制
2025-02-24 v2 机器学习
系统与控制
最优化与控制
摘要
2019-20 年澳大利亚 bushfire 造成众多经济损失，并显著影响了电力系统的运行。发电站或输电线路可能因 bushfire 受到重大影响，导致运营成本增加。我们研究了一个根本但具有挑战性的问题：针对 bushfire 的电力系统最优功率流（OPF）规划。考虑到 bushfire 扩散的随机性，我们开发了一个模型来捕捉此类动态。基于周期检查方案揭示现场的 bushfire 状态，我们提出了一个在线优化建模框架，依次规划电网中的功率流。我们的框架假设 bushfire 的扩散随时间是非平稳的，且扩散和控制概率未知。为满足这些挑战，我们开发了一个情境化在线学习算法，将现场 bushfire 的地理信息作为'空间背景'。在线学习算法基于观察数据依次学习未知的概率，然后据此做出 OPF 决策。顺序 OPF 决策旨在最小化后悔函数，该函数定义为针对知道真实模型参数的先见之明策略的累积损失。我们通过推导后悔函数的上界，为算法提供了理论保证，该上界优于其他基准算法实现的后悔上界。我们验证了模型假设——依据来自澳大利亚新南威尔士州的真实 bushfire 数据，并将模型应用于两个电力系统以说明其适用性。
引用
@article{arxiv.2404.13391,
title = {Online Planning of Power Flows for Power Systems Against Bushfires Using Spatial Context},
author = {Jianyu Xu and Qiuzhuang Sun and Yang Yang and Huadong Mo and Daoyi Dong},
journal= {arXiv preprint arXiv:2404.13391},
year = {2025}
}