ترجمه فارسی مقاله پخش بار بهینه به کمک شبکه عصبی محدب ورودی در شبکه‌های توزیع: مدل‌سازی، طراحی الگوریتم و کاربردها

چکیده

This paper proposes an input convex neural network (ICNN)-Assisted optimal power flow (OPF) in distribution networks. Instead of relying purely on optimization or machine learning, the ICNN-Assisted OPF is a combination of optimization and machine learning. It utilizes ICNN to learn the nonlinear but convex mapping from control variables to system state variables, followed by embedding into constrained optimization problems as convex constraints. Utilizing a designed ICNN structure, a fast primal-dual gradient method is developed to solve the ICNN-Assisted OPF, with the chain rule of deep learning applied to accelerate the algorithmic implementation. Convergence and optimally properties of the algorithm design are further established. Finally, different distribution network applications are discussed and proposed by means of the ICNN-Assisted OPF.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله یک شبکه عصبی محدب ورودی (ICNN) جریان بهینه قدرت بهینه (OPF) در شبکه های توزیع پیشنهاد شده است.به جای تکیه بر صرفاً به بهینه سازی یا یادگیری ماشین ، OPF با کمک ICNN ترکیبی از بهینه سازی و یادگیری ماشین است.این برنامه از ICNN برای یادگیری نقشه برداری غیرخطی اما محدب از متغیرهای کنترل به متغیرهای حالت سیستم استفاده می کند ، و به دنبال آن تعبیه در مشکلات بهینه سازی محدود به عنوان محدودیت محدب.با استفاده از یک ساختار ICNN طراحی شده ، یک روش شیب دوتایی سریع برای حل OPF به کمک ICNN تهیه شده است ، با این قانون زنجیره ای از یادگیری عمیق برای تسریع در اجرای الگوریتمی.همگرایی و خصوصیات بهینه از طراحی الگوریتم بیشتر ایجاد می شود.سرانجام ، برنامه های مختلف شبکه توزیع با استفاده از OPF با کمک ICNN مورد بحث و پیشنهاد قرار می گیرد.