Machine Learning for Equitable Load Shedding: Real-time Solution via Learning Binding Constraints

要約

電力システムでのタイムリーで効果的な負荷削減は、供給需要のバランスを維持し、停電を防ぐために重要です。
システム内の特定の領域に対する負荷制限バイアスを排除するために、最適化ベースの方法は、経済的考慮事項と公平性の考慮事項のバランスをとるために独自に配置されています。
ただし、結果の最適化問題には複雑な制約が含まれます。これは、解決に時間がかかる可能性があるため、負荷制限のリアルタイム要件を満たすことができません。
この課題に取り組むために、このペーパーでは、最適化ベースの負荷制限問題のミリ秒レベルの計算を有効にするための効率的な機械学習アルゴリズムを提示します。
3バスのおもちゃの例とリアルなRTS-GMLCシステムの両方に関する数値研究により、公平でリアルタイムの負荷制限決定を提供するための提案されたアルゴリズムの妥当性と効率が実証されています。

要約(オリジナル)

Timely and effective load shedding in power systems is critical for maintaining supply-demand balance and preventing cascading blackouts. To eliminate load shedding bias against specific regions in the system, optimization-based methods are uniquely positioned to help balance between economical and equity considerations. However, the resulting optimization problem involves complex constraints, which can be time-consuming to solve and thus cannot meet the real-time requirements of load shedding. To tackle this challenge, in this paper we present an efficient machine learning algorithm to enable millisecond-level computation for the optimization-based load shedding problem. Numerical studies on both a 3-bus toy example and a realistic RTS-GMLC system have demonstrated the validity and efficiency of the proposed algorithm for delivering equitable and real-time load shedding decisions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google