.png){kind=icon}
返回
Space tree-based graph continuous cellular automaton for unit commitment and economic dispatch optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ins.2026.123199.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
机组组合（UC）和经济调度（ED）是电力系统中的核心问题。本文尝试联合求解这两个问题：UC-ED问题是一个大规模混合整数线性规划（MILP）问题。基于数学优化的算法无法解决大规模问题，基于启发式算法的模型容易陷入局部最优，而基于深度学习的方法通常不能直接处理约束违反。为解决UC-ED问题，提出了一种新的框架：基于空间树的图连续元胞自动机（ST-GCCA）。它通过自编码器和决策树提取融合特征，然后利用深度提升回归树生成UC-ED问题的初始解，最终采用图连续元胞自动机（GCCA）优化解，实现经济且安全的电力系统调度。与传统算法相比，它实现了1400倍的调和平均加速改进，使其能够解决大规模问题；与最新的AI方法相比，它能显式处理安全约束。在实现速度改进的同时，它达到了经济最优性，更重要的是实现了零约束违反。在IEEE 30节点和IEEE 118节点测试系统上的实验结果证明了我们的成果，表明ST-GCCA能够找到UC-ED问题的最优解。
Keyword:
Space tree
Graph
Continuous cellular automaton
Unit commitment
Economic dispatch
期刊
IF:
6.8
论文数:
553
被引数:
6.2W
机构
引用论文
Forgetting velocity based improved comprehensive learning particle swarm optimization for non-convex economic dispatch problems with valve-point effects and multi-fuel options.png)
ENERGY
ENERGYIF9.4
PREAI
分享收藏
A sequential deep learning algorithm for sampled mixed-integer optimisation problems一种用于采样混合整数优化问题的顺序深度学习算法
PREAI
分享收藏Adjustable Uncertainty Set Constrained Unit Commitment With Operation Risk Reduced Through Demand Response可调整的不确定性集约束机组承诺，通过需求响应降低运营风险
PREAI
分享收藏
查看更多内容