Identification of Umbrella Constraints in DC-Based Security-Constrained Optimal Power Flow
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Security-constrained optimal power flow (SCOPF) problems are essential tools to transmission system operators for long-term and operational planning and real-time operation. The general goal of SCOPF problems is to optimize electricity network operation while ensuring that operational and planning decisions are consistent with technical limits under both pre- and post-contingency states. The solution of SCOPF problems is challenging because of the inherent size and scope of modern grids. As empirical evidence and longstanding operator experience show, relatively few of the constraints of SCOPF problems actually serve to enclose their feasible region. Hence, all those constraints not contributing directly to set up the SCOPF feasible space are superfluous and could be discarded. In light of this observation, this paper proposes an optimization-based approach for identifying so-called umbrella constraints in SCOPF problems where the network operation is approximated by the dc power flow. Umbrella constraints are constraints which are necessary and sufficient to the description of the feasible set of an SCOPF problem. The resulting umbrella constraint discovery problem (UCD) is a convex optimization problem with a linear objective function. For SCOPF problems of practical importance, the UCD is also quite large and requires the use of a decomposition technique. In this paper, we concentrate on an SCOPF formulation for preventive security generation dispatch. We show that by removing superfluous constraints, the resulting sizes of SCOPF problems are much smaller and can be solved significantly faster.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle