具有性能保证的机组组合预测器：一种支持向量机分类器
最优化与控制
2024-03-19 v2 机器学习
应用统计
摘要
系统运营商通常需要在有限的计算时间框架内求解大规模机组组合问题。本文提供了一种务实的解决方案，展示了通过学习并预测常规机组的启停组合决策，系统运营商有可能热启动其求解器并显著加快计算速度。对于预测，我们训练了线性和核化支持向量机分类器，若适当正则化则提供样本外性能保证，转化为分布鲁棒分类器。对于机组组合问题，我们求解一个混合整数二阶锥问题。基于 IEEE 6 总线和 118 总线测试系统的结果表明，具有适当正则化的核化 SVM 优于其他分类器，将计算时间减少了 1.7 倍。此外，若存在严格的计算限制，在未热启动的机组组合问题远离最优解的同时，其热启动版本可在时间限制内求解至（近）最优。
引用
@article{arxiv.2310.08601,
title = {Unit Commitment Predictor With a Performance Guarantee: A Support Vector Machine Classifier},
author = {Farzaneh Pourahmadi and Jalal Kazempour},
journal= {arXiv preprint arXiv:2310.08601},
year = {2024}
}