跳到正文
arXiv · AI· Milad Kazemi, Behzad Kazemtabrizi·· 7 天前AI 评分29

学习约束选择在安全约束最优潮流中何时有效:从 SCOPF 到机组组合的边界映射

When Does Learned Constraint Selection Pay in Security-Constrained Optimisation? A Boundary Map from SCOPF to Unit Commitment

AI 导读

研究提出“备用成本”准则,发现固定伞形集在 SCOPF 上从未被学习型选择超越。 在 10,000 节点 PGLib-OPF 网络中,伞形集中位数为 5 个约束,选择器速度提升约 80,000 倍但违背 4-5% 实例约束。 在机组组合中,静态方案损失 4-12%,预测-修复-缩减管道将成本差距降至 0.2-2.9%,速度提升 16-161 倍。

来源:arXiv · AI · arxiv.org