报告详情
Fast DC Optimal Power Flow Based on Deep Convolutional Neural Network
编号：82
访问权限：仅限参会人
更新：2022-05-16 09:41:51
浏览：179次
张贴报告
摘要
The optimal power flow is the cornerstone of the operation and management of electric power systems. However, the stochastic and intermittent uncertainty due to the proliferation of renewable energy resources (RES) poses a non-trivial challenge to timely obtain the optimal operation point of the power system. To address the computational burden issue, a deep convolutional neural network (DCNN) model is proposed to learn the mapping from the injections to the optimal objective. The DCNN reduces the training parameters as well as improves the approximation accuracy. IEEE 14/118/300 bus power systems are conducted, and the optimal power flow model is solved by Gurobi/Python. Simulation results show that DCNN speeds up the calculation time by up to 100 times in comparison to the state-of-the-art solver and simultaneously maintains the required accuracy.
关键词
Optimal power flow, deep convolutional neural network, renewable energy, uncertain
报告人
WUHuayi
PolyU全部评论
重要日期
-
会议日期
05月27日
2022
至05月29日
2022
-
02月28日 2022
初稿截稿日期
-
05月29日 2022
注册截止日期
-
06月22日 2022
报告提交截止日期
主办单位
IEEE Beijing Section
China Electrotechnical Society
Southeast University
China Electrotechnical Society
Southeast University
协办单位
IEEE Industry Applications Society
IEEE Nanjing Section
IEEE Nanjing Section
联系方式
- Organizing Committee
- ch******@ces.org.cn
- +86********
历届会议
-
2025年05月16日 中国 Changsha
2025 IEEE 8th International Electrical and Energy Conference -
2023年05月12日 中国 Hefei
2023 IEEE 6th International Electrical and Energy Conference -
2022年05月27日 中国
2022 年电气电子工程师学会电力与能源分会（IEEE PES）年会 -
2021年05月28日 中国 Wuhan
2021中国电力和能源国际会议 -
2018年11月04日 中国
2018中国电力和能源国际会议 -
2017年10月25日 中国 东城区
2017中国电力和能源国际会议
发表评论