Este artículo desarrolla una novedosa metodología de aprendizaje y optimización integrados (ILO) para resolver los problemas de distribución económica (ED) y flujo óptimo de potencia de CC (DCOPF) con el fin de mejorar la operación económica. El problema de optimización para ED se formula con la carga como parámetro desconocido, mientras que el DCOPF consta de la carga y la matriz del factor de distribución de transferencia de potencia (PTDF). El PTDF representa el cambio incremental en la potencia real de una línea de transmisión debido a la transferencia de potencia real entre dos regiones. Representa una aproximación linealizada del flujo de potencia a través de la línea de transmisión. En este artículo, desarrollamos una novedosa formulación de ILO para resolver los problemas de post-penalización, mercado de potencia y sobrecarga de línea utilizando las formulaciones de optimización de ED y DCOPF. La metodología propuesta entrena la función de arrepentimiento capturando el comportamiento del mercado de potencia y la sobrecarga de línea en tiempo real, y finalmente entrena la carga desconocida y la matriz PTDF de línea en varios buses para lograr los objetivos post-penalización mencionados. La metodología propuesta se compara con el aprendizaje y optimización secuencial (SLO), que entrena la precisión de las predicciones de carga y PTDF en lugar de la operación económica. Los resultados experimentales demuestran la superioridad de la ILO en la mejora del funcionamiento económico de forma notable al minimizar las penalizaciones ex post y la sobrecarga de línea en el mercado eléctrico.
