找到 1 条结果
基于混合回归与分类的数据驱动潮流线性化方法以精确满足网络约束
Data-Driven Power Flow Linearization via Hybrid Regression and Classification for Accurately Enforcing Network Constraints
Zhenfei Tan · Xiaoyuan Xu · Han Wang · Zheng Yan 等5人 · IEEE Transactions on Power Systems · 2025年11月 · Vol.41
本文提出一种新型潮流线性化方法，旨在提升含网络约束的最优调度问题中线性化模型的决策可行性。通过融合回归与分类的数据驱动框架优化线性潮流系数，联合最小化RMSE与hinge损失，确保约束准确满足。多尺度系统仿真验证其在可行性与最优性上优于传统方法。
解读: 该方法可显著提升阳光电源iSolarCloud智能云平台在光储协同调度、多站群协同优化中的潮流建模精度，尤其适用于PowerTitan大型储能电站与组串式逆变器集群在弱电网下的实时安全校核。建议将该混合损失优化框架嵌入ST系列PCS的本地边缘调度模块，增强其构网型（GFM）运行下对线路热稳/电压越限...