.png){kind=icon}
返回
End-to-End Collaborative Optimization for Active Distribution Network Power Dispatch Based on Sparse Model-Ensemble Learning Policy
.png){kind=icon}
PRE
AI
DOI：10.1109/TSTE.2025.3596867.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着分布式可再生能源渗透率的提高，新型主动配电网正越来越多地实施灵活的调整策略。目前，来自电源和负荷的双边不确定性显著影响了配电网的调度。通常，调度采用“预测-优化”方法，由于功率预测的不准确性，难以量化实时调度性能与理论最优调度性能之间的差距。因此，本研究引入一种新的端到端策略，以解决预测与调度的协同优化问题。该策略直接利用所有可用信息（如网格化数值天气预报）进行调度决策，从而消除了将功率预测作为调度中间变量的需求。为应对端到端策略在高维和开放场景模型训练中的挑战，提出了稀疏模型集成学习来构建调度策略模型。该模型采用约束策略优化求解。对比研究表明，所提出的端到端策略在配电网光伏无功辅助服务和需求响应的实际调度案例中，优于“预测-优化”策略。
Keyword:
Active distribution network
distributed energy source
end-to-end policy
power dispatch
reinforcement learning
期刊
I
IF:
10
论文数:
252
被引数:
0
机构
引用论文
Computing Day-Ahead Dispatch Plans for Active Distribution Grids Using a Reinforcement Learning Based Algorithm使用基于强化学习的算法计算主动配电网的日前调度计划.png)
ENERGIES
OAAI
ENERGIESIF3.2
OAAI分享收藏DeepComp: Deep reinforcement learning based renewable energy error compensable forecastingDeepComp: 基于深度强化学习的可再生能源误差可补偿预测APPLIED ENERGY
APPLIED ENERGYIF11
PREAI
分享收藏A Contextual Bandit Approach for Value-Oriented Prediction Interval Forecasting面向价值的预测区间预测的上下文Bandit方法OAAI
OAAI分享收藏End-to-end learning for stochastic preventive dispatch of renewables-rich power systems in abnormal weather conditions异常天气条件下可再生能源丰富的电力系统随机预防性调度的端到端学习RENEWABLE ENERGY
RENEWABLE ENERGYIF9.1
PREAI
分享收藏
查看更多内容