論文の概要: Initializing Successive Linear Programming Solver for ACOPF using Machine Learning

• arxiv url: http://arxiv.org/abs/2007.09210v1
• Date: Fri, 17 Jul 2020 20:01:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-09 14:59:44.647497
• Title: Initializing Successive Linear Programming Solver for ACOPF using Machine Learning
• Title（参考訳）: 機械学習を用いたACOPFの逐次線形計画解の初期化
• Authors: Sayed Abdullah Sadat, Mostafa Sahraei-Ardakani
• Abstract要約: 本稿では,SLP-ACOPFソルバを初期化するために,Scikit-Learnライブラリで利用可能な機械学習(ML)アルゴリズムについて検討する。 我々は,各機械学習アルゴリズムの品質評価を行い,電力流解に必要な変数を予測する。 このアプローチは、混雑している3つのバスシステムでテストされる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A Successive linear programming (SLP) approach is one of the favorable approaches for solving large scale nonlinear optimization problems. Solving an alternating current optimal power flow (ACOPF) problem is no exception, particularly considering the large real-world transmission networks across the country. It is, however, essential to improve the computational performance of the SLP algorithm. One way to achieve this goal is through the efficient initialization of the algorithm with a near-optimal solution. This paper examines various machine learning (ML) algorithms available in the Scikit-Learn library to initialize an SLP-ACOPF solver, including examining linear and nonlinear ML algorithms. We evaluate the quality of each of these machine learning algorithms for predicting variables needed for a power flow solution. The solution is then used as an initialization for an SLP-ACOPF algorithm. The approach is tested on a congested and non-congested 3 bus systems. The results obtained from the best-performed ML algorithm in this work are compared with the results of a DCOPF solution for the initialization of an SLP-ACOPF solver.
• Abstract（参考訳）: 逐次線形プログラミング(SLP)アプローチは、大規模非線形最適化問題の解決に好適なアプローチの1つである。 交流電流最適電力流(ACOPF)問題の解決は例外ではなく、特に全国の大規模な実世界の送電網を考えると例外である。 しかし、SLPアルゴリズムの計算性能を向上させることが不可欠である。 この目標を達成する1つの方法は、ほぼ最適解を用いたアルゴリズムの効率的な初期化である。 本稿では,SLP-ACOPFソルバを初期化するために,Scikit-Learnライブラリで利用可能な機械学習(ML)アルゴリズムについて検討する。 我々は,各機械学習アルゴリズムの品質評価を行い,電力流解に必要な変数を予測する。 この解はSLP-ACOPFアルゴリズムの初期化として用いられる。 このアプローチは、密集した3つのバスシステムでテストされる。 本研究では,SLP-ACOPF解法の初期化のためのDCOPF法の結果と比較した。

関連論文リスト

• Federated Conditional Stochastic Optimization [110.513884892319]
  条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。 本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-04T01:47:37Z)
• Composite Optimization Algorithms for Sigmoid Networks [3.160070867400839]
  線形化近位アルゴリズムと乗算器の交互方向に基づく合成最適化アルゴリズムを提案する。 フランク関数のフィッティングに関する数値実験により、提案アルゴリズムは十分堅牢に機能することを示した。
  論文  参考訳（メタデータ） (2023-03-01T15:30:29Z)
• Faster Adaptive Federated Learning [84.38913517122619]
  フェデレートラーニングは分散データの出現に伴って注目を集めている。 本稿では,クロスサイロFLにおけるモーメントに基づく分散低減手法に基づく適応アルゴリズム(FAFED)を提案する。
  論文  参考訳（メタデータ） (2022-12-02T05:07:50Z)
• Exploring the Algorithm-Dependent Generalization of AUPRC Optimization with List Stability [107.65337427333064]
  AUPRC(Area Under the Precision-Recall Curve)の最適化は、機械学習にとって重要な問題である。 本研究では, AUPRC最適化の単依存一般化における最初の試行について述べる。 3つの画像検索データセットの実験は、我々のフレームワークの有効性と健全性に言及する。
  論文  参考訳（メタデータ） (2022-09-27T09:06:37Z)
• Optimizing Objective Functions from Trained ReLU Neural Networks via Sampling [0.0]
  本稿では、ReLUアクティベーションを用いたトレーニングニューラルネットワークを最適化する、スケーラブルでサンプリングベースのアルゴリズムを提案する。 本稿ではまず,ReLUニューラルネットワークのピースワイズ線形構造を利用した反復アルゴリズムを提案する。 次に、各反復で計算されたLPソリューションの近傍を探索することで、このアプローチを拡張します。
  論文  参考訳（メタデータ） (2022-05-27T18:35:48Z)
• Learning to Reformulate for Linear Programming [11.628932152805724]
  本稿では,リニアプログラミング(LP)の強化学習に基づく再構成手法を提案する。 本研究では,2つの公共研究用LPデータセットと,実運用シナリオから収集した大規模LPデータセットに対して提案手法を実装した。
  論文  参考訳（メタデータ） (2022-01-17T04:58:46Z)
• Naive Automated Machine Learning [0.0]
  事前に定義されたパイプラインスキームの異なるアルゴリズムを分離して最適化します。 孤立した一般化は、探索空間を著しく減少させる。
  論文  参考訳（メタデータ） (2021-11-29T13:12:54Z)
• Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
  本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。 最先端アルゴリズムの利点を論じ、解説する。
  論文  参考訳（メタデータ） (2020-09-28T15:22:24Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)
• Channel Assignment in Uplink Wireless Communication using Machine Learning Approach [54.012791474906514]
  本稿では,アップリンク無線通信システムにおけるチャネル割り当て問題について検討する。 我々の目標は、整数チャネル割り当て制約を受ける全ユーザの総和率を最大化することです。 計算複雑性が高いため、機械学習アプローチは計算効率のよい解を得るために用いられる。
  論文  参考訳（メタデータ） (2020-01-12T15:54:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。