Decision-Gated Surrogate-Assisted Stochastic Optimization with Independent High-Fidelity Certification for Photovoltaic Hosting-Capacity Planning
作者: Ali Abubakar, Samuel Essamuah Assabil, Akhtar Hussain, Van-Hai Bui
分类: eess.SY
发布日期: 2026-09-25
备注: 17 pages
💡 一句话要点
提出决策门控替代辅助随机优化以解决光伏承载能力规划问题
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 光伏规划 随机优化 替代模型 多目标优化 决策支持
📋 核心要点
- 高光伏渗透规划面临在不确定条件下进行多次复杂评估的挑战，现有方法难以同时优化渗透率和电损失。
- 本文提出了一种决策门控的替代辅助随机多目标优化框架，结合高保真PV模型与配电网络模拟器，提升决策可靠性。
- 实验结果显示，替代推断显著加速设计评估，并通过独立认证验证了80个候选设计的有效性，最终选择的设计在渗透率和电损失上取得了良好平衡。
📝 摘要（中文）
高光伏（PV）渗透规划需要在不确定的辐射和需求下，反复进行非线性PV和电力流评估，特别是在优化渗透率和总电损失这两个相互竞争的目标时。本文开发了一种以决策为中心的替代辅助随机多目标框架，结合了经过校准的PV模型和配电网络模拟器，提供高保真参考，同时使用数据驱动和物理启发的替代模型加速优化，并在损失-渗透权衡中对决策可靠性进行实证评估。尽管两种替代模型的持出误差几乎相同，但优化器现实筛选显示出44.4%和93.4%的不同操作有效性率，促使选择物理启发模型以提高决策性能。替代推断将60场景设计评估的成本从286.0毫秒降至0.46毫秒，约620倍的加速。
🔬 方法详解
问题定义：本文旨在解决高光伏渗透规划中，在不确定性条件下进行多次非线性评估的挑战，现有方法在同时优化渗透率和电损失时效率低下。
核心思路：提出了一种决策门控的替代辅助随机多目标优化框架，利用经过校准的PV模型和配电网络模拟器提供高保真参考，同时使用数据驱动和物理启发的替代模型加速优化过程。
技术框架：整体架构包括高保真PV模型、配电网络模拟器、数据驱动替代模型和物理启发替代模型，优化过程通过决策门控策略聚焦于Pareto关键区域和约束边界。
关键创新：最重要的创新在于通过决策门控策略选择物理启发模型，以提高决策性能而非单纯依赖测试准确性，显著提升了操作有效性率。
关键设计：在参数设置上，采用了高保真模型与替代模型的结合，损失函数设计关注于渗透率与电损失的权衡，网络结构上则强调了物理启发的特征提取。
🖼️ 关键图片
📊 实验亮点
实验结果表明，替代推断将设计评估时间从286.0毫秒降低至0.46毫秒，实现约620倍的加速。经过独立认证的80个候选设计中，最终选择的设计在渗透率上达到70.74%，总电损失为297.9 kW，展示了该方法的有效性。
🎯 应用场景
该研究的潜在应用领域包括电力系统规划、可再生能源集成及智能电网优化。通过提高光伏系统的承载能力规划效率，能够为电力公司和政策制定者提供更可靠的决策支持，促进可再生能源的广泛应用。
📄 摘要（原文）
High photovoltaic (PV) penetration planning requires repeated nonlinear PV and power-flow evaluations under uncertain irradiance and demand, particularly when two competing objectives, penetration and total electrical loss, are optimized simultaneously subject to reliability constraints. This paper develops a decision-focused, surrogate-assisted stochastic multiobjective framework in which a calibrated PV model coupled with a distribution-network simulator provides the high-fidelity reference, while matched data-only and physics-informed surrogates accelerate optimization and are evaluated empirically for decision reliability across the loss-penetration tradeoff. Although the two surrogates exhibit nearly identical held-out errors, optimizer-realistic screening yields markedly different operational validity rates of 44.4% and 93.4%, respectively, motivating selection of the physics-informed model on decision performance rather than test accuracy. Surrogate inference cuts the cost of a 60-scenario design evaluation from 286.0 to 0.46 ms, an approximately 620 time speedup. A decision-gated enrichment strategy further targets Pareto-critical, constraint boundary, and surrogate-disagreement regions, reducing prediction error by 39.1%. Independent 500 scenario certification verifies all 80 screened candidates and identifies 46 non-dominated designs; the selected compromise attains 70.74% expected penetration with 297.9 kW expected total electrical loss. Cross-feeder transfer eliminates baseline voltage violations on the 85- and 69-bus systems, but produces overvoltage and a 62.7% increase in feeder-network loss on the 33-bus system, demonstrating that certified penetration is topology-specific and demands decision-level auditing, independent certification, and feeder-specific validation.