Fast SDP Relaxation of the Optimal Power Flow Using the Line-Wise Model for Representing Meshed Transmission Networks
Notice bibliographique
Résumé
In this paper, we propose a novel Semidefinite Programming (SDP) relaxation of the Optimal Power Flow (OPF) problem. The proposed formulation utilizes the Line-Wise Model (LWM) to represent meshed transmission networks. This allows the constraints of the proposed formulation to mostly depend on diagonal elements of the voltages' Hermitian${\bm{W}}$matrix in contrast to the Bus Injection Model (BIM) where constraints heavily utilize its off-diagonal elements. Test cases with bus sizes of 3 to 9241 were considered and chordal sparsity was exploited for them. Obtained results show that the proposed SDP-LW OPF formulation manages to provide solutions of similar or better quality for most test cases that belong to the Typical and Congested (TYP and API) Operating conditions. Furthermore, the proposed SDP-LW OPF formulation manages to reduce the solver's computational time for most of large-scale test cases with reductions up to 80.298%. Results analysis shows that reductions in the solver's computational time upon using the proposed SDP-LW OPF formulation are affected by its ability to significantly reduce constraints with off-diagonal elements of the${\bm{W}}$matrix without drastically increasing constraints with diagonal elements of the${\bm{W}}$matrix. Furthermore, the percentage of large sized cliques is found to affect the obtained reductions through its influence over the number of needed linking constraints for relating the elements of the${\bm{W}}$matrices of decomposed cliques.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».