研究人员开发了一个新的框架，用于联合建模电网运行中的交流最优潮流（ACOPF）和安全约束机组承诺（SCUC）。该方法使用共享的基于图的骨干网络来捕捉电网拓扑和物理交互，并为不同的决策过程配备特定任务的解码器。该系统通过求解器监督和物理信息目标进行训练，以确保可行性和跨时间约束，并在各种电网规模和拓扑结构上展示了改进的性能和可迁移性。 AI
影响 这些进展有望通过改进的AI驱动优化，实现更高效、更鲁棒的电网管理。
排序理由 两篇arXiv论文介绍了使用机器学习解决电网优化问题的新框架和基准。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.02026v1 Announce Type: new Abstract: AC Optimal Power Flow (ACOPF) and Security-Constrained Unit Commitment (SCUC) are fundamental optimization problems in power system operations. ACOPF serves as the physical backbone of grid simulation and real-time operation, enforc…
arXiv:2605.02133v1 Announce Type: new Abstract: AC optimal power flow (ACOPF) is foundational yet computationally expensive in power grid operations, driving learning-based surrogates for large-scale grid analysis. These surrogates, however, often fail to generalize across networ…