Nov, 2013

径向网络中最优功率流的精确凸松弛

PDF
TL;DR通过将可行集合轻微缩小，针对径向网络，可以在先验可检查的条件下通过二阶锥规划 (SOCP) 松弛恢复 OPF 的全局最优解。针对 IEEE 13、34、37、123 节点总线网络和两个实际网络，该条件成立并具有物理解释。
发现论文，激发创造
  • 最优潮流问题的凸松弛，第二部分：精确性

    本教程总结了凸松弛在最优功率流问题中的最新进展，重点是结构特性而非算法。其中第一部分介绍了两个电力流模型，阐述了最优功率流及其在每个模型中的松弛，并证明了它们之间的等价关系。第二部分给出了凸松弛精确的充分条件。

    May, 2014

  • 最优潮流的凸松弛，第 1 部分：公式和等价性

    本文简要介绍了最优功率流（OPF）问题的凸松弛的最新进展，重点关注结构性质而非算法。第一部分介绍了两种功率流模型，阐述了在每个模型中的 OPF 及其的松弛，并证明了它们之间的等价关系。第二部分提出了凸松弛的确切充分条件。

    May, 2014

  • 智能微电网的分布式最优功率流

    研究采用半定规划技术对非对称微电网进行最佳功率分配，旨在最小化分布式发电机成本和供电线路损失以实现电压调节，并通过分布式求解算法保证可扩展性和数据隐私。

    Nov, 2012

  • 最优潮流的图模型

    本文提出一种基于树形结构图模型和区间离散化的近似算法，使用约束规划技术和自适应边界传播算法，能够解决优化问题，适用于任意分配网络和混合整数优化问题，可在智能电网应用中使用，实现分布式消息传递方式，具有良好的可伸缩性和实际效用。

    Jun, 2016

  • 使用图神经网络进行最优潮流计算

    本文提出使用图神经网络在模仿学习框架下，近似求解最优潮流问题 (OPF)，并在 IEEE-30 和 IEEE-118 测试实例上进行了数值实验。

    Oct, 2019

  • 用输入凸神经网络学习最优潮流值函数

    通过机器学习来学习凸近似解，以实现在线设置下较快的分析，并允许与其他凸依赖决策问题的耦合，从而在这些复杂问题中实现小精度换取速度上的巨大收益，以高效地探索广阔的解空间。

    Oct, 2023

  • 多项式优化问题中的最优潮流

    用多项式优化问题表达交流最优电力流（ACOPF）问题可以在实践中解决大规模实例，并在理论上保证渐近收敛。

    Apr, 2014

  • 结合深度学习和 Lagrangian 对偶方法预测交流最优功率流

    本文介绍了一种应对可再生能源成为电力系统中前后台主要动力源带来的系统随机性对于最优潮流问题的挑战的深度学习方法。利用系统先前状态的信息，并结合 Lagrangian 方法，成功地解决了最优电力流问题并改进了目前广泛采用的线性近似算法的精度。

    Sep, 2019

  • 极速交流最优潮流学习

    本文介绍了一种基于机器学习方法的在线求解交流优化潮流问题的方案，通过利用历史数据来学习系统负载和最优发电量之间的映射关系，实现在毫秒级别上获得近乎最优的解决方案，避免了解决非凸优化问题带来的计算挑战。

    Sep, 2019

  • 大规模最优功率流的高保真机器学习逼近

    本文介绍了一种名为 OPF-DNN 的模型，它将深度神经网络和 Lagrangian 对偶相结合，以在满足物理和运行约束条件的同时确保发电机设定点的最小成本，从而在大型电力系统中提供高效准确的交流最优功率流（AC-OPF）近似解决方案。

    Jun, 2020