用于快速电力系统生产成本最小化仿真的稳定中继学习优化方法
系统与控制
2023-12-20 v1 系统与控制
摘要
生产成本最小化 (PCM) 仿真通常用于评估运行效率、经济可行性和可靠性，为电力系统规划和运行提供有价值的见解。然而，求解 PCM 问题非常耗时，因为其包含大量用于跨越数月乃至数年仿真时间步长的二元变量。这阻碍了对具有多样化规划要求的现代能源系统进行快速评估。现有的加速 PCM 方法往往为了速度而牺牲准确性。在本文中，我们提出了一种在分支定界 (B&B) 算法内的稳定中继学习优化 (s-RLO) 方法。所提出的方法提供了快速且稳定的性能，并确保获得最优解。两阶段 s-RLO 包含用于精确策略初始化的模仿学习 (IL) 阶段和用于时间高效微调的强化学习 (RL) 阶段。在流行的 SCIP 求解器上实现时，s-RLO 返回最优解的速度比默认 relpscost 规则快 2 倍，比 IL 快 1.4 倍，或者在预定义的时间限制下表现出更小的间隙。所提出的方法表现出稳定的性能，与 IL 相比减少了约 50% 的波动。数值结果支持了所提出的 s-RLO 方法的有效性。
引用
@article{arxiv.2312.11896,
title = {Stable Relay Learning Optimization Approach for Fast Power System Production Cost Minimization Simulation},
author = {Zishan Guo and Qinran Hu and Tao Qian and Xin Fang and Renjie Hu and Zaijun Wu},
journal= {arXiv preprint arXiv:2312.11896},
year = {2023}
}
备注
Submitted to IEEE Transactions on Power Systems on December 15, 2023