分发感知的深度神经网络用于最优传输切换： 实现实时和可行性保证的操作-计算机科学-最优传输-深度神经网络-算法.pdfVIP

分发感知的深度神经网络用于最优传输切换：

实现实时和可行性保证的操作

MinsooKimandJipKim

Dept.ofEnergyEngineering,KoreaInstituteofEnergyTechnology

摘要—最优传输切换(OTS)通过选择性地打开输电线路来I.介绍

改进最优潮流(OPF)，但其混合整数公式增加了计算复杂度，

最优传输切换（OTS）策略性地打开或关闭输电线

特别是在大型电网中。为了解决这个问题，我们提出了一种调度

感知深度神经网络(DA-DNN)，它可以在不依赖预先求解标签路，从而使网络拓扑变成一个主动控制变量[1]。通过

的情况下加速DC-OTS。DA-DNN预测线路状态并通过可微这样做，系统操作员可以重新路由电力流并减少发电

的DC-OPF层传递它们，使用由此产生的发电成本作为损失函成本。这种效应在电力系统中被称为布雷斯悖论，即移

数，以确保在整个训练和推理过程中强制执行所有物理网络约除一条线路可以重定向流量并降低总运营成本[2]。大

束。此外，我们采用了定制的权重-偏置初始化，使得从第一次规模基于模拟的分析显示，这种效益是切实可行的。例

本迭代开始每次前向传播都是可行的，这允许在大型电网上的稳定

如，ARPA-E拓扑控制算法项目中的模拟表明，在PJM

译学习。一旦训练完成，提出的DA-DNN能够在求解DCOPF系统上应用切换操作可以将拥堵成本减少超过50%，并

中相同的时间内生成一个可证明是可行的拓扑和调度对，而传统的在实时市场中每年节省超过1亿美元[3]。

混合整数求解器变得不可行。因此，所提出的方法成功地捕捉了

1OTS的经济优势，同时保持了可扩展性。认识到其益处和计算挑战并存，监管机构现在要求

v

4将输电切换与其它电网增强技术一并评估。例如，在美

9

1国的FERCOrderNo.1920和欧洲ENTSO-E的RI

7命名法Roadmap2017-2026中都将输电切换列为值得考虑的

1

7.一个选项[4],[5]。此外，系统运营商如PJM和ISO-NE

0电力网络中的总公交车数量已经在应急情况下应用有限的纠正性切换[6],[7]。

5

2发电母线的数量在电力网络中尽管其具有潜力，OTS问题在计算上是不可处理

:电力网络中的线路数量的。即使在DC公式（DC-OTS）中，二进制线路状态

v

i

x实际电力需求/发电量变量的存在也将任务转化为一个NP难的混合整数优化

r

a预测的有功功率发电量问题[8]。不幸的是，商用求解器只能处理适度规模的网

最大/最小发电限制络在解决OTS时。例如，当候选线路数量增长到数百

线路切换层或数千时，解决方案时间会远远超过操作限制，通常对

可学习参数于实际案例会超过一小时[9]。因此，在减轻其计算负

损失函数的担之前，无法完全实现OTS的经