融合机器学习-优化的配电网低碳运行方法

桑林卫; 许银亮; 孙宏斌; 吴文传

doi:10.13334/j.0258-8013.pcsee.232246

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

融合机器学习-优化的配电网低碳运行方法

电力系统 | 更新时间：2026-02-06

- 融合机器学习-优化的配电网低碳运行方法
- 融合机器学习-优化的配电网低碳运行方法
- 中国电机工程学报 2025年45卷第8期页码：2855-2865
- 作者机构：
  
  1. 清华大学深圳国际研究生院
  2. 清华大学电机工程与应用电子技术系
- 作者简介：
- 基金信息：
  
  国家重点研发计划项目(2021YFB1507100);山西省能源互联网研究院研发项目(SXEI2023B004)~~
- DOI：10.13334/j.0258-8013.pcsee.232246
  中图分类号： TP18;TM732
- 纸质出版：2025
- 稿件说明：
移动端阅览
桑林卫, 许银亮, 孙宏斌, 等. 融合机器学习-优化的配电网低碳运行方法[J]. 中国电机工程学报, 2025,45(8):2855-2865.

桑林卫, 许银亮, 孙宏斌, et al. 融合机器学习-优化的配电网低碳运行方法[J]. 2025, 45(8): 2855-2865.
桑林卫, 许银亮, 孙宏斌, 等. 融合机器学习-优化的配电网低碳运行方法[J]. 中国电机工程学报, 2025,45(8):2855-2865. DOI： 10.13334/j.0258-8013.pcsee.232246.

桑林卫, 许银亮, 孙宏斌, et al. 融合机器学习-优化的配电网低碳运行方法[J]. 2025, 45(8): 2855-2865. DOI： 10.13334/j.0258-8013.pcsee.232246.

摘要

随着大量分布式资源接入配电网，配电网运行管理是保证配电网可靠、安全、有效运行的关键。配电网和分布式资源之间的交互存在复杂，体现在分布式资源对配电网激励响应复杂，因此难以参与统一管理。针对该问题，基于机器学习和优化理论，研究首先提出面向分布式资源集群的约束学习方法，构建基于神经网络的数据驱动响应约束模型，然后，基于约束学习构建融合机器学习-优化的基本框架；考虑约束模型，碳排放约束，配电网运行模型，和双线性松弛策略，构建融合机器学习-优化的配电网运行模型实现配电网安全经济运行和碳排放管理。算例验证了验证分布式资源集群学习的准确性，以及融合机器学习-优化的配电网运行模型的有效性。

Abstract

关键词

Keywords

references

浏览量

1503

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一个面向电力计量系统的联邦学习框架

基于随机变量二次型的配电网交流概率潮流建模和解析计算方法(一)：从电量到功率量的推导

知识-数据融合驱动的配电网光伏逆变器电压/无功优化自适应控制

基于公平-安全多智能体深度强化学习的三相不平衡配电网电压优化方法

基于数据隐私保护自适应联邦学习的分布式光伏有功可调节能力评估方法