ユニットコミットメントにおける多段階ウォームスタート深層学習フレームワーク

arXiv:2604.21891v1 Announce Type: cross 摘記：電気の需要と供給を瞬時にバランスさせられることは、信頼性とグリッド的不安定性を維持するために不可欠である。システム運営者は、厳格に、そして強力にグリッドの物理制約によって支配されている、非常に高い次元かつ大規模な混合整数線形計画（MILP）問題を解決することでこれを達成している。グリッドが変動可能な再生可能エネルギーソースを統合し、グリッド内の長期貯蔵などの新しい技術が加わっているため、UC は多日間の時間軸に対して最適化され、かつ潜在的により頻繁に解決される必要がある。その結果、従来の MILP ソルバーは、これらの制約された運用時間内での解答計算にますます苦労している。これらの計算上のボトルネックを避けるために、本論文は、72 時間の時間軸に対して発電機コミットスケジュールを予測するためにトランスフォーマーベースのアーキテクチャを利用する新しいフレームワークを提案する。また、高次元の空間での生の予測は物理的に不可分の結果をもたらすことがしばしばあるため、パイプラインは自己注意ネットワークと、最小上時間、最小下時間、および余分な容量を最小化するシステム的に強制する決定論的な後処理ヒューリスティクスを統合する。最終的に、これらの精緻化された予測は、後続の MILP ソルバーのためのウォームスタートとして使用され、確信に基づく変数固定戦略を採用することで、組み合わせ探索空間を劇的に減少させる。単一バステストシステム上で検証された結果、完全なマルチステージパイプラインは 100% の実用可能性、そして計算時間を大幅に加速した。特に、約 20% のテストインスタンスにおいて、提案されたモデルは、ソルバーのみを依存させた場合よりも全体システムのコストが低い、実行可能な運用スケジュールを達成した。

arXiv:2604.21891v1 Announce Type: cross Abstract: Maintaining instantaneous balance between electricity supply and demand is critical for reliability and grid instability. System operators achieve this through solving the task of Unit Commitment (UC),ca high dimensional large-scale Mixed-integer Linear Programming (MILP) problem that is strictly and heavily governed by the grid physical constraints. As grid integrate variable renewable sources, and new technologies such as long duration storage in the grid, UC must be optimally solved for multi-day horizons and potentially with greater frequency. Therefore, traditional MILP solvers increasingly struggle to compute solutions within these tightening operational time limits. To bypass these computational bottlenecks, this paper proposes a novel framework utilizing a transformer-based architecture to predict generator commitment schedules over a 72-hour horizon. Also, because raw predictions in highly dimensional spaces often yield physically infeasible results, the pipeline integrates the self-attention network with deterministic post-processing heuristics that systematically enforce minimum up/down times and minimize excess capacity. Finally, these refined predictions are utilized as a warm start for a downstream MILP solver, while employing a confidence-based variable fixation strategy to drastically reduce the combinatorial search space. Validated on a single-bus test system, the complete multi-stage pipeline achieves 100\% feasibility and significantly accelerates computation times. Notably, in approximately 20\% of test instances, the proposed model reached a feasible operational schedule with a lower overall system cost than relying solely on the solver.