XiaoMi-AI文件搜索系统
World File Search SystemACOPF
最优功率流导出的稀疏线性求解器基准
由于电网的变化性质，能够在大型电网中求解高保真最优潮流模型变得越来越重要。这种高保真问题称为交流最优潮流 (ACOPF)，是一个非线性、非凸优化问题。解决此类问题的少数可靠方法之一是内点法。这些方法会产生稀疏线性系统，其中系数矩阵是对称的、不确定的并且通常是病态的。因此，它们对于稀疏线性求解器来说尤其具有挑战性，并且代表了求解 ACOPF 问题时相当大的计算瓶颈。在本文中，我们介绍了一个线性系统存储库，该存储库由开源优化器 IPOPT 求解 ACOPF 问题时捕获。这些矩阵旨在用作稀疏线性求解器开发的测试套件。
应用能源 - Refubium - 柏林自由大学
为支持能源转型和遏制气候变化，全球范围内的举措已导致过去十年安装的可再生分布式发电机 (DG) 数量大幅增长，其中光伏 (PV) 系统是增长最快的技术。然而，众所周知，电网中光伏渗透率高会导致电压波动和线路拥塞等许多运行问题，这些问题可以通过利用光伏系统的无功功率能力来缓解。为此，我们建议使用人工神经网络 (ANN) 来预测光伏系统中的最佳无功功率调度，方法是以集中式或分散式的方式从交流最优功率流 (ACOPF) 解决方案中学习近似输入输出映射。在分散控制的情况下，我们利用可解释人工智能 (XAI) 技术 Shapley 加法解释 (SHAP) 来识别对每个单独系统的最佳调度有显著影响的非本地电网状态测量值。通过基于 CIGRE 中压配电网的案例研究，对集中式和分散式 ANN 控制器进行了评估，并与基线控制策略进行了比较。结果表明，两种基于 ANN 的控制器均表现出优异的性能，可防止基线策略遇到的电压问题和线路拥塞，同时与固定功率因数控制相比，可节省 0.44% 的能源。通过利用 ANN 和 SHAP，所提出的用于无功功率控制的分散式控制器能够实现 ACOPF 级性能，同时促进数据隐私并减少计算负担。