面向电力系统动态重构的物理信息图神经网络
机器学习
2024-04-04 v2 系统与控制
系统与控制
最优化与控制
机器学习
摘要
为维持可靠电网，我们需要针对动态重构（DyR）等复杂问题的快速决策算法。DyR 实时优化配电网开关设置以最小化电网损耗，并调度资源以用可用发电供给负荷。DyR 是一个混合整数问题，对于大型电网和快速时间尺度而言在计算上可能难以求解。我们提出 GraPhyR，一个专为 DyR 定制的物理信息图神经网络（GNNs）框架。我们将基本运行与连通性约束直接纳入 GNN 框架中并端到端训练。我们的结果表明 GraPhyR 能够学习优化 DyR 任务。
引用
@article{arxiv.2310.00728,
title = {Physics-Informed Graph Neural Network for Dynamic Reconfiguration of Power Systems},
author = {Jules Authier and Rabab Haider and Anuradha Annaswamy and Florian Dorfler},
journal= {arXiv preprint arXiv:2310.00728},
year = {2024}
}
备注
8 pages, 5 figures, 2 tables. To appear at PSCC 2024