论文
Surrogate Modeling of Interconnector Flows: A Machine Learning Alternative to Full-Scale Power System Simulations with Application to Cross-Border Electricity Exchange联络线潮流的代理建模：全规模电力系统仿真的机器学习替代方案及其在跨境电力交换中的应用
本研究提出一种用于跨境电力交换的ML代理建模框架，根据小时级需求和可再生能源发电等节点数据生成互联线路潮流，并将其作为降维PSOM的固定边界条件。全欧洲案例表明，SQU神经网络变体在样本外预测和下游优化中表现最稳定，生成的潮流可较好复现完整模型的国家层面结果，且显著降低计算成本。该方法支持在仅运行一次完整模型后，对多个气候年份开展情景一致的降维分析，但其物理约束软惩罚并不保证潮流完全可行。
方法时序预测 · 图与网络智能 · 优化与强化学习场景规划与仿真 · 预测与感知 · 优化与决策
arXiv查看原文 ↗