Machine Learning for AC Optimal Power Flow
Machine Learning for AC Optimal Power Flow
复制标题
交流最佳潮流的机器学习
DOI：
--
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Arun Majumdar
中科院分区：
文献类型：
--
作者：
Neel Guha;Zhecheng Wang;Matt Wytock;Arun Majumdar
我们探索交流最佳功率流（ACOPF）的机器学习方法 - 在尊重物理和工程约束的同时优化输电网络中的发电的任务。我们将 ACOPF 的两种表述作为机器学习问题：1）端到端预测任务，我们直接预测最优生成器设置；2）约束预测任务，我们预测最优解中的活动约束集。我们在两个基准网格上验证这些方法。
We explore machine learning methods for AC Optimal Powerflow (ACOPF) - the task of optimizing power generation in a transmission network according while respecting physical and engineering constraints. We present two formulations of ACOPF as a machine learning problem: 1) an end-to-end prediction task where we directly predict the optimal generator settings, and 2) a constraint prediction task where we predict the set of active constraints in the optimal solution. We validate these approaches on two benchmark grids.