隨著我國的低碳能源轉型和電力市場改革，大規模分布式可再生能源逐步接入電力系統，可再生能源出力的不確定性給電力系統運行和控制帶來了新的挑戰和要求。傳統電力系統運行控制基于機器學習實現對電力系統不確定性因素的預測，然后基于預測信息通過求解優化模型得到電力系統最優決策，預測和優化兩階段是相互獨立的。

近日，清華大學深圳國際研究生院許銀亮團隊聯合機器學習和優化理論提出半端對端的電力系統運行控制理論和模型，有效提升電力系統運行的經濟性和安全性。在電力系統儲能運行場景下，團隊通過考慮下游優化模型的反向影響，提出了一種以面向儲能套利的電價預測方法，該方法基于模型決策誤差和預測構建混合損失函數，用于衡量組合的決策和預測錯誤。基于該損失函數提出混合隨機梯度下降學習方法用于訓練預測模型，包括兩次反向傳播和一次模型更新。數值實驗表明，該方法可以準確預測價格變化趨勢，并通過平衡預測誤差的日時間分布有效提高決策精度。與基于傳統的模型相比，以決策為中心的電力預測方法可以帶來更多的經濟效益并減少預測誤差。

在電力系統調壓場景下，團隊通過連接基于神經網絡驅動的預測模型和二階錐規劃的調壓模型，提出了一種用于電壓調節的安全感知半端到端協調決策模型以實現提高電力系統決策質量，其中提出綜合損失函數評估決策的經濟性和安全意識。團隊還提出混合隨機梯度下降學習算法以協同微分的方式訓練多個光伏/負荷預測模型。數值實驗證明，與傳統的預測和優化模型相比，所提出的決策模型在經濟場景中實現了具有較低損耗的調節經濟性，以及在安全感知場景中具有較低電壓越限率。

相關成果分別以“面向儲能的電價預測模型：一種面向決策的算法”(Electricity Price Prediction for Energy Storage System Arbitrage: A Decision-focused Approach)和“考慮安全的半端對端主動配電網協同決策模型”(Safety-aware Semi-end-to-end Coordinated Decision Model for Voltage Regulation in Active Distribution Network)為題，發表于電氣與電子工程師協會（Institute of Electrical and Electronics Engineers，IEEE）旗下的電氣電子領域期刊《智能電網》（IEEE Transactions on Smart Grid）。

清華大學深圳國際研究生院許銀亮副教授為論文的通訊作者，清華大學深圳國際研究生院2021級博士研究生桑林衛為論文的第一作者。論文作者還包括清華大學電機工程與應用電子技術系孫宏斌教授、吳文傳教授，東南大學電氣工程學院胡秦然副教授、龍寰副教授。該研究得到了國家自然科學基金、廣東省基礎與應用基礎研究基金、深圳市科創委科技項目等的支持。

論文鏈接：

https://ieeexplore.ieee.org/document/9755891

https://ieeexplore.ieee.org/document/9895142