.png){kind=icon}
返回
Data-driven and physically informed power grid dispatch decision-making method
.png){kind=icon}
PRE
AI
DOI：10.1016/j.segan.2025.101644.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了一种创新方法，即针对电力系统安全约束经济调度（SCED）设计的动作生成网络（AG-Net）。与纯粹的数据驱动方法不同，本提案引入了物理信息判断网络（PIJ-Net），有效将关键物理信息整合到模型中。该策略简化了经济调度模型的复杂性，同时有助于网络把握模型内在的物理动态。这两个网络的协同运作旨在实现高精度的决策制定。值得注意的是，在SG-126母线系统上进行的实验评估表明，本提出的方法优于基于模型和神经网络松弛的解决方案。结果表明，该方法能够提供更可靠且高效的经济调度决策。这强调了结合数据驱动方法与物理洞察以提升电力系统经济调度性能的重要性。
Keyword:
Physical information
Neural networks
SCED
期刊
IF:
5.6
论文数:
614
被引数:
5.1K
机构
引用论文
分享收藏Future power market and sustainable energy solutions - The treatment of uncertainties in the daily operation of combined heat and power plants.png)
APPLIED ENERGY
APPLIED ENERGYIF11
PREAI
分享收藏Physics informed neural networks for control oriented thermal modeling of buildings用于面向控制的建筑物热建模的物理通知神经网络APPLIED ENERGY
OAAI
APPLIED ENERGYIF11
OAAI分享收藏分享收藏A robust optimal dispatching strategy of distribution networks considering fast charging stations integrated with photovoltaic and energy storage考虑光伏与储能集成的快速充电站配电网鲁棒最优调度策略
OAAI
OAAI分享收藏Two-stage data-driven dispatch for integrated power and natural gas systems by using stochastic model predictive controlAPPLIED ENERGYOAAI
APPLIED ENERGYIF11
OAAI分享收藏分享收藏
查看更多内容