線形二レベル問題を効率的に解くためのアクティブ制約の学習:発電機戦略的入札問題への適用【JST・京大機械翻訳】

Prat Elea; Chatzivasileiadis Spyros

プレプリント

J-GLOBAL ID：202202210841373064 整理番号：21P0053986

線形二レベル問題を効率的に解くためのアクティブ制約の学習:発電機戦略的入札問題への適用【JST・京大機械翻訳】

Learning Active Constraints to Efficiently Solve Linear Bilevel Problems: Application to the Generator Strategic Bidding Problem

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年10月13日プレプリントサーバーでの情報更新日： 2022年07月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

バイレベルプログラミングは,戦略的入札のような電力系統の分野で多くの問題を定式化するために使用できる。しかし,混合整数線形プログラムへの2レベル問題の共通再定式化は,そのような問題を解決するのを困難にする。本論文では,低レベル問題のアクティブ制約を学習するためにディシジョンツリーを導入することによって,解速度と扱いやすさを大幅に改善し,一方,ビンリーとビッグM定数を導入することを避けている。機械学習の応用は,オフラインプロセスに対するアクティブ制約の選択を動かすことによって,オンライン解決時間を減らし,そして,同じ問題を複数回解決しなければならないとき,特に有益になった。このアプローチを電力市場における発電機の戦略的入札に適用し,そこでは発電機が負荷需要または再生可能生産を変えるために多くの時間を同時に解決する。3つの方法を開発し,より低いレベルでDCOPFを持つ戦略的発電機の問題に適用した。これらの方法は発見的であり,従って,最適性または解品質の保証を提供しない。しかし,様々なサイズのネットワークに対して,計算負荷は著しく低減され,一方,以前には難題である戦略的入札問題に対する解を見つけるように管理された。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

電力工学・電力事業一般

, , , , ,

前のページに戻る