이 연구는 교류 최적 전력 흐름(ACOPF) 문제를 효율적으로 해결하기 위한 방법을 제안한다. ACOPF 문제는 비볼록 특성으로 인해 NP-hard 문제로 알려져 있어 효율적인 해결이 어려웠다.
제안하는 방법은 두 단계로 구성된다. 첫 번째 단계에서는 물리 정보를 반영한 심층 신경망 모델을 사용하여 최적 전압 크기, 위상각, 발전기 출력을 예측한다. 이때 입력 전력 수요와 예측 출력 간의 일관성을 유지하도록 학습한다.
두 번째 단계에서는 전력 흐름 방정식을 활용한 보정 알고리즘을 적용하여 예측 결과의 실현 가능성을 높인다. 이 알고리즘은 부하 버스의 전압을 가우스-자이델 방식으로 업데이트하고, 발전기 버스의 출력을 직접 조정하여 수렴을 가속화한다.
실험 결과, 제안 방법은 IEEE 14-버스 및 118-버스 시스템에서 기존 방법 대비 우수한 성능을 보였다. 14-버스 시스템의 경우 최적성 격차가 0.58%에 불과하였고, 118-버스 시스템에서도 1.45%의 격차를 달성하였다. 또한 보정 알고리즘은 14-버스 시스템에서 100% 수렴률을, 118-버스 시스템에서 92.2% 수렴률을 보였다.
To Another Language
from source content
arxiv.org
Önemli Bilgiler Şuradan Elde Edildi
by Junfei Wang,... : arxiv.org 04-16-2024
https://arxiv.org/pdf/2404.09128.pdfDaha Derin Sorular