GP CC-OPF: Gaussian Process based optimization tool for Chance-Constrained Optimal Power Flow

要約

Gaussian Process (GP) ベースの Chance-Constrained Optimal Power Flow (CC-OPF) は、最新の電力網における経済的ディスパッチ (ED) 問題を解決するために開発されたオープンソースの Python コードです。
近年、大量の再生可能エネルギーを電力網に統合すると、変動が大きくなり、電力網の運用に多くの不確実性がもたらされます。
この事実により、従来のモデルベースの CC-OPF 問題は非凸となり、計算が複雑になります。
開発されたツールは、複雑さと精度の間のトレードオフで CC-OPF 問題を解決するための GP 回帰モデルに基づく新しいデータ駆動型アプローチを提示します。
提案されたアプローチと開発されたソフトウェアは、電力網に大きな不確実性がある場合でも、システム オペレータが ED 最適化を効果的に実行するのに役立ちます。

要約(オリジナル)

The Gaussian Process (GP) based Chance-Constrained Optimal Power Flow (CC-OPF) is an open-source Python code developed for solving economic dispatch (ED) problem in modern power grids. In recent years, integrating a significant amount of renewables into a power grid causes high fluctuations and thus brings a lot of uncertainty to power grid operations. This fact makes the conventional model-based CC-OPF problem non-convex and computationally complex to solve. The developed tool presents a novel data-driven approach based on the GP regression model for solving the CC-OPF problem with a trade-off between complexity and accuracy. The proposed approach and developed software can help system operators to effectively perform ED optimization in the presence of large uncertainties in the power grid.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google