直流潮流参数的优化

许多电力系统运行与规划问题使用直流潮流近似，以应对交流潮流方程非线性带来的计算挑战。直流潮流将交流潮流方程简化为一种线性形式，将有功功率流与支路两端的相角差关联起来，其参数系数基于支路电纳。受机器学习模型训练技术启发，本文提出一种算法，寻求最优系数与偏置参数以改善直流潮流近似的精度。具体而言，所提算法选取系数与偏置参数值，以最小化在指定运行场景集上直流近似给出的功率流与交流方程所得功率流之间的差异。基于梯度的优化方法，如 Broyden-Fletcher-Goldfarb-Shanno（BFGS）、有限内存 BFGS（L-BFGS）和截断牛顿共轭梯度（TNC），使得所提算法可求解大型系统。离线训练阶段后，优化参数被用于提升在线计算时直流潮流的精度。数值结果表明，在一系列测试用例中，相对于热启动直流潮流近似，精度获得了数个数量级的提升。