LAPSO: A Unified Optimization View for Learning-Augmented Power System Operations
Created by
Haebom
저자
Wangkun Xu, Zhongda Chu, Fei Teng
개요
본 논문은 재생에너지의 높은 침투율로 인해 기존의 모델 기반 전력 시스템 운영이 경제적이고 안정적이며 견고한 의사결정을 내리는 데 어려움을 겪는다는 문제를 다룹니다. 이를 해결하기 위해 복잡한 역학을 포착하는 강력한 모델링 도구로서 기계 학습이 등장했지만, 기존 방법과의 체계적인 통합이 부족한 경우가 많습니다. 이러한 간극을 메우기 위해, 본 논문에서는 학습 증강 전력 시스템 운영(LAPSO)의 전체적인 프레임워크를 제안합니다. LAPSO는 기본적인 최적화 관점을 채택하여 운영 단계를 중심으로 하며, 예측, 운영 및 제어와 같은 시간적으로 분리된 전력 시스템 작업 간의 경계를 허물고, 학습 및 추론 단계 모두에서 기계 학습과 모델 기반 최적화의 목표를 통합하는 것을 목표로 합니다. 체계적인 분석과 시뮬레이션을 통해 안정성 제약 최적화(SCO) 및 목표 기반 예측(OBF)과 같은 새로운 통합 알고리즘 설계에 LAPSO를 적용하는 효과를 보여주고, 다양한 불확실성 원인을 종합적으로 추적할 수 있음을 보여줍니다. 또한, 기존 전력 시스템 최적화 모델에 학습 가능한 구성 요소를 자동으로 추가하는 전용 Python 패키지인 lapso를 소개합니다. 모든 코드와 데이터는 https://github.com/xuwkk/lapso_exp 에서 확인할 수 있습니다.
