Buchumschlag

A Data-Driven Real-Time Optimal Power Flow Algorithm Using Local Feedback

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liang, Heng, Huang, Yujin, Zhao, Changhong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Optimization and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Dual Conic Proxies for AC Optimal Power Flow
von: Qiu, Guancheng, et al.
Veröffentlicht: (2023)

Modified K-means Algorithm with Local Optimality Guarantees
von: Li, Mingyi, et al.
Veröffentlicht: (2025)

Achieve Performatively Optimal Policy for Performative Reinforcement Learning
von: Chen, Ziyi, et al.
Veröffentlicht: (2025)

gridfm-datakit-v1: A Python Library for Scalable and Realistic Power Flow and Optimal Power Flow Data Generation
von: Puech, Alban, et al.
Veröffentlicht: (2025)

Provably Faster Algorithms for Bilevel Optimization via Without-Replacement Sampling
von: Li, Junyi, et al.
Veröffentlicht: (2024)

A Provably Convergent and Practical Algorithm for Gromov--Wasserstein Optimal Transport
von: Liang, Ling, et al.
Veröffentlicht: (2026)

Dual Conic Proxy for Semidefinite Relaxation of AC Optimal Power Flow
von: Qiu, Guancheng, et al.
Veröffentlicht: (2025)

Near-Optimal Real-Time Personalization with Simple Transformers
von: An, Lin, et al.
Veröffentlicht: (2025)

Beyond the Neural Fog: Interpretable Learning for AC Optimal Power Flow
von: Pineda, Salvador, et al.
Veröffentlicht: (2024)

Online Learning on Hidden-Convex Losses via Algorithmic Equivalence: Optimal Regret, Geometric Barrier, and Bandit Feedback
von: Barakat, Anas, et al.
Veröffentlicht: (2026)

Learning to Optimally Dispatch Power: Performance on a Nation-Wide Real-World Dataset
von: Boero, Ignacio, et al.
Veröffentlicht: (2025)

Online Planning of Power Flows for Power Systems Against Bushfires Using Spatial Context
von: Xu, Jianyu, et al.
Veröffentlicht: (2024)

Optimal Guarantees for Algorithmic Reproducibility and Gradient Complexity in Convex Optimization
von: Zhang, Liang, et al.
Veröffentlicht: (2023)

A Simple, Optimal and Efficient Algorithm for Online Exp-Concave Optimization
von: Wang, Yi-Han, et al.
Veröffentlicht: (2025)

Self-Supervised Learning for Large-Scale Preventive Security Constrained DC Optimal Power Flow
von: Park, Seonho, et al.
Veröffentlicht: (2023)

A Tight Theory of Error Feedback Algorithms in Distributed Optimization
von: Thomsen, Daniel Berg, et al.
Veröffentlicht: (2026)

QCQP-Net: Reliably Learning Feasible Alternating Current Optimal Power Flow Solutions Under Constraints
von: Zeng, Sihan, et al.
Veröffentlicht: (2024)

A Nearly Optimal and Low-Switching Algorithm for Reinforcement Learning with General Function Approximation
von: Zhao, Heyang, et al.
Veröffentlicht: (2023)

Data-Driven Stochastic Optimal Control in Reproducing Kernel Hilbert Spaces
von: Hoischen, Nicolas, et al.
Veröffentlicht: (2024)

Closing the Gaps: Optimality of Sample Average Approximation for Data-Driven Newsvendor Problems
von: Lyu, Jiameng, et al.
Veröffentlicht: (2024)

PGLearn -- An Open-Source Learning Toolkit for Optimal Power Flow
von: Klamkin, Michael, et al.
Veröffentlicht: (2025)

Data-Driven Density Steering via the Gromov-Wasserstein Optimal Transport Distance
von: Nakashima, Haruto, et al.
Veröffentlicht: (2025)

Faster Adaptive Decentralized Learning Algorithms
von: Huang, Feihu, et al.
Veröffentlicht: (2024)

On the Optimal Construction of Unbiased Gradient Estimators for Zeroth-Order Optimization
von: Ma, Shaocong, et al.
Veröffentlicht: (2025)

A Sinkhorn-type Algorithm for Constrained Optimal Transport
von: Tang, Xun, et al.
Veröffentlicht: (2024)

Lower Bounds and Optimal Algorithms for Non-Smooth Convex Decentralized Optimization over Time-Varying Networks
von: Kovalev, Dmitry, et al.
Veröffentlicht: (2024)

Obtaining Lower Query Complexities through Lightweight Zeroth-Order Proximal Gradient Algorithms
von: Gu, Bin, et al.
Veröffentlicht: (2024)

From Contextual Data to Newsvendor Decisions: On the Actual Performance of Data-Driven Algorithms
von: Besbes, Omar, et al.
Veröffentlicht: (2023)

Two-Timescale Optimization Framework for Sparse-Feedback Linear-Quadratic Optimal Control
von: Feng, Lechen, et al.
Veröffentlicht: (2024)

Optimal Algorithms for Stochastic Complementary Composite Minimization
von: d'Aspremont, Alexandre, et al.
Veröffentlicht: (2022)

EF21 with Bells & Whistles: Six Algorithmic Extensions of Modern Error Feedback
von: Fatkhullin, Ilyas, et al.
Veröffentlicht: (2021)

Multiscale Supervised Unbalanced Optimal Transport Flow Matching
von: Peng, Qiangwei, et al.
Veröffentlicht: (2026)

Scalable Approximate Algorithms for Optimal Transport Linear Models
von: Kacprzak, Tomasz, et al.
Veröffentlicht: (2025)

Optimal Algorithms for Online Convex Optimization with Adversarial Constraints
von: Sinha, Abhishek, et al.
Veröffentlicht: (2023)

Differentiable Optimization for Deep Learning-Enhanced DC Approximation of AC Optimal Power Flow
von: Rosemberg, Andrew, et al.
Veröffentlicht: (2025)

Direct Data Driven Control Using Noisy Measurements
von: Esmzad, Ramin, et al.
Veröffentlicht: (2025)

Diffusion Model for Data-Driven Black-Box Optimization
von: Li, Zihao, et al.
Veröffentlicht: (2024)

Nonconvex Optimization Framework for Group-Sparse Feedback Linear-Quadratic Optimal Control: Penalty Approach
von: Feng, Lechen, et al.
Veröffentlicht: (2025)

Near-Optimal Algorithms for Group Distributionally Robust Optimization and Beyond
von: Soma, Tasuku, et al.
Veröffentlicht: (2022)

Riemannian Zeroth-Order Gradient Estimation with Structure-Preserving Metrics for Geodesically Incomplete Manifolds
von: Ma, Shaocong, et al.
Veröffentlicht: (2026)