動的セキュリティ制約付き最適電力潮流を符号化するためのニューラルネットワーク【JST・京大機械翻訳】

Murzakhanov Ilgiz; Venzke Andreas; Misyris George S.; Chatzivasileiadis Spyros

プレプリント

J-GLOBAL ID：202202211190771321 整理番号：21P0026907

動的セキュリティ制約付き最適電力潮流を符号化するためのニューラルネットワーク【JST・京大機械翻訳】

Neural Networks for Encoding Dynamic Security-Constrained Optimal Power Flow

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 (4件)： , , ,
資料名：
発行年： 2020年03月17日プレプリントサーバーでの情報更新日： 2022年07月14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)

本論文では,ニューラルネットワークを用いて,以前に扱いにくい最適化制約を捉え,それらを混合整数線形プログラムに変換するためのフレームワークを導入した。ニューラルネットワークに対して,微分方程式,例えば微分方程式,および扱いやすい制約の両方によって特徴付けられる最適化問題の実行可能な空間を符号化した。ニューラルネットワークの厳密な混合整数再定式化を分割して,著者らは,元の難治性非線形最適化問題に対する解を正確に近似する混合整数線形プログラムを解いた。AC最適電力フロー問題(AC-OPF)にこの方法を適用し,動的セキュリティ制約を含む直接AC-OPFはAC-OPFを扱いにくい。提案手法は,従来の手法よりも著しくスケーラブルである可能性がある。著者らは,N-1セキュリティと小信号安定性を考慮した電力系統運用のための著者らのアプローチを実証し,同時に,それが静的および動的セキュリティ制約の両方を満たすコスト最適解を効率的に得ることができることを示した。【JST・京大機械翻訳】

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

電力系統一般

, , , ,

前のページに戻る