論文の概要: Multi-parametric Analysis for Mixed Integer Linear Programming: An
Application to Transmission Planning and Congestion Control
- arxiv url: http://arxiv.org/abs/2207.09325v1
- Date: Tue, 19 Jul 2022 15:27:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-20 14:36:57.947101
- Title: Multi-parametric Analysis for Mixed Integer Linear Programming: An
Application to Transmission Planning and Congestion Control
- Title（参考訳）: 混合整数線形計画のためのマルチパラメトリック解析:伝送計画と混雑制御への応用
- Authors: Jian Liu, Rui Bo, Siyuan Wang
- Abstract要約: 既存の送電線を拡大することは、送電渋滞に対処し、需要の増加とともに送電セキュリティを確保するのに有用なツールである。
本研究は,キャパシティを拡張すべきラインの選択と,システムコストを最小化するための独立系演算子(ISO)の観点から,その選択について検討する。
我々はISO単位のコミットメントと経済的なディスパッチモデルを開発し、混合整数線形プログラミング(MILP)問題に対する右側の不確実性多重パラメトリック解析として示す。
- 参考スコア（独自算出の注目度）: 9.981355007576715
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Enhancing existing transmission lines is a useful tool to combat transmission
congestion and guarantee transmission security with increasing demand and
boosting the renewable energy source. This study concerns the selection of
lines whose capacity should be expanded and by how much from the perspective of
independent system operator (ISO) to minimize the system cost with the
consideration of transmission line constraints and electricity generation and
demand balance conditions, and incorporating ramp-up and startup ramp rates,
shutdown ramp rates, ramp-down rate limits and minimum up and minimum down
times. For that purpose, we develop the ISO unit commitment and economic
dispatch model and show it as a right-hand side uncertainty multiple parametric
analysis for the mixed integer linear programming (MILP) problem. We first
relax the binary variable to continuous variables and employ the Lagrange
method and Karush-Kuhn-Tucker conditions to obtain optimal solutions (optimal
decision variables and objective function) and critical regions associated with
active and inactive constraints. Further, we extend the traditional branch and
bound method for the large-scale MILP problem by determining the upper bound of
the problem at each node, then comparing the difference between the upper and
lower bounds and reaching the approximate optimal solution within the decision
makers' tolerated error range. In additional, the objective function's first
derivative on the parameters of each line is used to inform the selection of
lines to ease congestion and maximize social welfare. Finally, the amount of
capacity upgrade will be chosen by balancing the cost-reduction rate of the
objective function on parameters and the cost of the line upgrade. Our findings
are supported by numerical simulation and provide transmission line planners
with decision-making guidance.
- Abstract（参考訳）: 既存の送電線を拡大することは、送電渋滞に対処し、需要の増加と再生可能エネルギー源の増大による送電セキュリティを保証するのに有用なツールである。
本研究は, 送電線制約や発電, 需要収支条件を考慮したシステムコストの最小化を図るために, 容量を拡大すべき路線の選択と, 独立系事業者(ISO)の観点から, 送電線制約や電力需要収支条件を考慮したシステムコストの最小化と, 昇降・起動速度, 停止速度, 昇降速度制限, 最低昇降時間の導入について検討した。
そこで我々は,ISO単位コミットメントと経済ディスパッチモデルを開発し,混合整数線形プログラミング(MILP)問題に対する右側の不確実性多重パラメトリック解析として示す。
まず,バイナリ変数を連続変数に緩和し,lagrange法とkarush-kuhn-tucker条件を用いて最適解(最適決定変数と目的関数)と,アクティブ・非アクティブ制約に関連する臨界領域を得る。
さらに、各ノードにおける問題の上界を決定することによって、大規模MILP問題の従来の分岐法と境界法を拡張し、上界と下界の差を比較し、意思決定者の許容誤差範囲内で近似最適解に到達させる。
さらに、各行のパラメータに対する目的関数の最初の微分を用いて、混雑を緩和し、社会福祉を最大化するためにラインの選択を通知する。
最後に、パラメータの目的関数のコスト還元率と行のアップグレードのコストのバランスをとることで、容量アップグレードの量を選択する。
本研究は,数値シミュレーションによって支援され,意思決定指導付き送電線プランナーを提供する。
関連論文リスト
- Horizon-Free Regret for Linear Markov Decision Processes [92.02082223856479]
最近の一連の研究は、強化学習における残念な境界が(ほぼ)計画的地平から独立していることを示している。
我々は、人気のある線形マルコフ決定過程(MDP)設定に対して、最初の地平面自由境界を与える。
遷移モデルを明示的に推定し、不均一な値関数を計算する先行研究とは対照的に、直接値関数と信頼集合を推定する。
論文 参考訳（メタデータ） (2024-03-15T23:50:58Z) - Regret Analysis of Policy Optimization over Submanifolds for Linearly
Constrained Online LQG [12.201535821920624]
制御器に与えられた線形制約を持つオンライン線形二次ガウス問題について検討する。
関数列の第1次および第2次情報に対する予測に基づいてオンラインコントローラを提供するオンライン楽観的ニュートン(OONM)を提案する。
論文 参考訳（メタデータ） (2024-03-13T14:06:18Z) - An adaptive augmented Lagrangian method for training physics and
equality constrained artificial neural networks [0.9137554315375919]
PECANNフレームワークを、拡張された多様な制約セットを持つ前方および逆問題の解決に適用する。
ALMは従来の定式化によってペナルティパラメータとラグランジュ乗算器のストールを更新する。
本稿では,適応的下位段階法にインスパイアされた規則に従って適応的に進化する一意のペナルティパラメータを各制約に割り当てる適応ALMを提案する。
論文 参考訳（メタデータ） (2023-06-08T03:16:21Z) - Constrained Optimization via Exact Augmented Lagrangian and Randomized
Iterative Sketching [55.28394191394675]
等式制約付き非線形非IBS最適化問題に対する適応的不正確なニュートン法を開発した。
ベンチマーク非線形問題,LVMのデータによる制約付きロジスティック回帰,PDE制約問題において,本手法の優れた性能を示す。
論文 参考訳（メタデータ） (2023-05-28T06:33:37Z) - Optimal Privacy Preserving for Federated Learning in Mobile Edge
Computing [35.57643489979182]
ユーザ差分プライバシ(DP)を維持するための有望なアプローチとして,無線ネットワーク上での定量化と意図的なノイズ付加によるフェデレーション学習(FL)がある。
本稿では,無線ネットワークとDP要件の制約下での収束率を最大化するために,量子化と二項機構パラメータと通信資源を協調的に最適化することを目的とする。
論文 参考訳（メタデータ） (2022-11-14T07:54:14Z) - Unsupervised Optimal Power Flow Using Graph Neural Networks [172.33624307594158]
グラフニューラルネットワークを用いて、要求された電力と対応するアロケーションとの間の非線形パラメトリゼーションを学習する。
シミュレーションを通して、この教師なし学習コンテキストにおけるGNNの使用は、標準解法に匹敵するソリューションにつながることを示す。
論文 参考訳（メタデータ） (2022-10-17T17:30:09Z) - Green, Quantized Federated Learning over Wireless Networks: An
Energy-Efficient Design [68.86220939532373]
有限精度レベルは、固定精度フォーマットで重みとアクティベーションを定量化する量子ニューラルネットワーク(QNN)を使用して取得される。
提案するFLフレームワークは,ベースラインFLアルゴリズムと比較して,収束までのエネルギー消費量を最大70%削減することができる。
論文 参考訳（メタデータ） (2022-07-19T16:37:24Z) - Linear Stochastic Bandits over a Bit-Constrained Channel [37.01818450308119]
我々は,ビット制約チャネル上に線形バンドレットの新たな定式化を導入する。
サーバの目標は、未知のモデルパラメータの推定値に基づいてアクションを取ることで、累積的後悔を最小限に抑えることである。
未知のモデルが$d$-dimensionalである場合、チャネル容量は$O(d)$ bits suffices で順序最適後悔を実現する。
論文 参考訳（メタデータ） (2022-03-02T15:54:03Z) - JUMBO: Scalable Multi-task Bayesian Optimization using Offline Data [86.8949732640035]
追加データをクエリすることで制限をサイドステップするMBOアルゴリズムであるJUMBOを提案する。
GP-UCBに類似した条件下では, 応答が得られないことを示す。
実世界の2つの最適化問題に対する既存手法に対する性能改善を実証的に示す。
論文 参考訳（メタデータ） (2021-06-02T05:03:38Z) - Adaptive Subcarrier, Parameter, and Power Allocation for Partitioned
Edge Learning Over Broadband Channels [69.18343801164741]
パーティショニングエッジ学習(PARTEL)は、無線ネットワークにおいてよく知られた分散学習手法であるパラメータサーバトレーニングを実装している。
本稿では、いくつかの補助変数を導入してParticleELを用いてトレーニングできるディープニューラルネットワーク(DNN)モデルについて考察する。
論文 参考訳（メタデータ） (2020-10-08T15:27:50Z) - Parameterized MDPs and Reinforcement Learning Problems -- A Maximum
Entropy Principle Based Framework [2.741266294612776]
逐次的意思決定問題に対処する枠組みを提案する。
我々のフレームワークは、ノイズの多いデータに対する堅牢性を備えた最適制御ポリシーの学習を特徴としている。
論文 参考訳（メタデータ） (2020-06-17T04:08:35Z)
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。