剑桥团队用 ML 加速电网 AC 最优潮流求解,兼顾效率与可靠性
lawrennd · x · 2026-09-02
背景
- 电气化与可再生能源增长让电网调度压力激增，AC 最优潮流（AC-OPF）是电力系统运行与规划的核心问题：在满足物理约束下以最低成本分配发电。
- 传统求解方法在大规模系统上计算昂贵缓慢，难以支撑高比例可再生能源下的实时调度、需求侧管理和大规划任务。
方法
- 剑桥 Accelerate Programme 博士生 Tomisin Dada 与 Neil Lawrence 合作开发了结合 ML 效率与传统方法可靠性的求解器。
- 纯数据驱动模型常违反功率平衡方程与运行约束，该工作针对性地解决物理一致性问题，让 ML 求解器在保持约束可行的同时提升速度。
「研究」频道最新
- NASA 与 IBM 的 AI 模型以 30 米分辨率绘制亚洲水稻地图 — anselm · 2026-09-02
- 按 LeCun 的外推定义,神经网络的一切都是外推 — burny_tech · 2026-09-02
- GPT-5.6 与耶鲁学者破解悬置 40 余年信息论猜想 — burny_tech · 2026-09-02
- 谷歌开源时间序列基础模型 TimesFM 持续走红 — google-research · 2026-09-02
- 实测 6 款开源 AI 文本检测器:4 款做不到 0.5% 误报率,改写后集体失效 — grumpyp2 · 2026-09-02
- 偏好模型筛选 AI 科研创意，世界模型获 DeepMind 研究员看好 — j_foerst · 2026-09-02