LEARNING
输入凸神经网络作为IBR主导电力系统稳定性约束优化中的替代模型
Wangkun Xu, Hongyang Jia, Yi Wang, Ning Zhang, Fei Teng
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文澄清了在电力系统优化中使用输入凸神经网络作为稳定性指标替代模型时的两个常见公式限制，并提出了精确的LP外逼近和内逼近方案。通过IEEE 14和118节点机组组合实例验证了所提方法的有效性。
关键词
input convex neural networkstability-constrained optimizationpower systemsurrogate modelmixed-integer reformulation
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018