Applied Energy· 2026Q1
Yenilenebilir Enerji Ağırlıklı SCUC Hızlandırması İçin LLM Destekli Anlamsal Senaryo Düzenleme ve Kısıt-Farkındalıklı Kademeli Kararlı Sabitleme
LLM-assisted semantic scenario editing and constraint-aware capped stable fixing for renewable-rich SCUC acceleration
- 0atıf
- Q1SCImago
- 2026yıl
Kısa özet
Yeni bir çerçeve, nitel işletim tanımlarını yapılandırılmış güç sistemi senaryolarına dönüştürmek için LLM'leri kullanır ve Kısıt-Farkındalıklı Kademeli Kararlı Sabitleme (CCSF) yöntemini kullanarak SCUC'yi %5.16'ya kadar hızlandırır ve minimum hedef farkı (%0.42) sağlar.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- LLM'ler, nitel işletim tanımlarını SCUC için yapılandırılmış kaynak-yük düzenleme olaylarına dönüştürür.
- Bir taahhüt-olasılık modeli, termal birimler için tam ufuklu açık durum olasılıklarını tahmin eder.
- Kısıt-Farkındalıklı Kademeli Kararlı Sabitleme (CCSF), hızlandırma için bu olasılıkları sabitleme kısıtlamaları olarak uygular.
- CCSF, yenilenebilir enerjinin yoğun olduğu bir kıyaslama sisteminde maksimum %0.42 hedef farkıyla 5.16 kata kadar hızlanma sağlar.
- Yöntem, gevşek değişkenler olmadan uygun çözümler elde eder ve temel SCUC fiziksel kısıtlamalarını korur.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Security-constrained unit commitment (SCUC) in renewable-rich power systems faces stronger source-load variability, steeper net-load ramps, and a greater mixed-integer computational burden. Routine SCUC typically uses numerical load and renewable forecasts, while scenario-based analysis and stress testing may also involve qualitative operating descriptions. This paper develops a framework that combines large language model (LLM)-assisted semantic scenario editing with controlled commitment fixing for renewable-rich SCUC. In the proposed framework, an LLM acts as a constrained semantic parser that translates such supplementary descriptions into structured source-load editing events, which are applied to numerical baseline profiles through deterministic editing and consistency validation. A trained commitment-probability model predicts full-horizon on-state probabilities for thermal-unit commitment variables. To convert these probabilities into acceleration decisions, Constraint-aware Capped Stable Fixing (CCSF) selects high-confidence entries through temporal-stability screening, initialization-aware release, and a fixed-ratio cap before imposing commitment-fixing constraints. CCSF adds only commitment-fixing constraints, leaving the base SCUC physical constraints unchanged. On a modified IEEE 118-bus renewable-rich SCUC benchmark, CCSF obtains feasible solutions without activated slack variables under all tested thresholds. Under relaxed thresholds, CCSF achieves a mean per-scenario speedup of up to 5.16 × , with a maximum absolute objective difference of 0.42%. These results indicate that constrained semantic editing supports the traceable conversion of language-level descriptions into SCUC-ready source-load inputs, while capped and constraint-aware fixing enables threshold-robust acceleration without modifying the base SCUC physical constraints.
Yazarların özeti; kaynağından alınmıştır. Applied Energy, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Donanım ve Mimari
Hardware and ArchitectureComputer Science