arXiv eess.SY 系统与控制· Marios Saleptsis, Antoine Lesage-Landry, Marco Mussetta, Sonia Leva·· 5 小时前精选AI 评分47
决策聚焦学习用于微电网不确定性下的电池优化调度
Decision-Focused Learning for Optimal Battery Scheduling Under Load and Photovoltaic Power Uncertainty in Microgrids
AI 导读
论文提出面向决策的学习（DFL）框架，直接以两阶段能量管理系统的实时运行成本训练 GRU 负荷与光伏预测器，通过隐式微分将梯度回传至预测器权重。在 Politecnico di Milano 的 MG2Lab 实验微电网平台上验证，相比以精度优化的基线，DFL 训练的流程在正常电网条件下降低运行成本 3.78%，在电网受限条件下降低 30.60%，并几乎消除了甩负荷事件。
推荐理由
论文用实验微电网数据展示了预测精度与决策质量不单调的关系，为预测-优化范式提供了可迁移的对照视角。
来源：arXiv eess.SY 系统与控制 · arxiv.org