重新审视深度 AC-OPF

近期的工作提出了将机器学习（ML）方法作为求解交流最优潮流（AC-OPF）的快速代理模型，并声称具有显著的加速效果和高精度。在本文中，我们通过将 ML 模型与一组简单但精心设计的线性基线进行系统比较，重新审视了这些声明。我们引入了 OPFormer-V，一种基于 Transformer 的用于预测节点电压的模型，并将其与最先进的 DeepOPF-V 模型以及简单的线性方法进行了比较。我们的发现表明，尽管 OPFormer-V 相比 DeepOPF-V 有所改进，但所考虑的 ML 方法的相对增益不如预期显著。简单的线性基线即可达到可比的性能。这些结果突出了在未来评估中纳入强线性基线的重要性。