机构名称：
¥ 2.0
本调查提供了全面的概述，概述了电力系统的分布式优化和机器学习的最新进展，该进展非常关注最佳功率流（OPF）问题。我们介绍了凸出放松和非凸优化的分离算法，突出了关键算法成分和实施的实际考虑。此外，我们探索了分布式机器学习的新兴领域，包括深度学习和（多代理）增强学习，及其在OPF和电压控制等领域的应用。我们调查了选择和学习之间的协同作用，尤其是在学习辅助分布式优化的背景下，并对分布式实时OPF进行了首次全面调查，以解决时间变化的条件和约束处理。在整个调查中，我们强调了诸如数据效率，可伸缩性和安全性等实际考虑因素，旨在指导研究人员和从业人员开发和部署有效的解决方案，以获得更有效和弹性的功率网格。
分布式优化和学习：电力系统的范式转移
主要关键词
相关文件推荐
