EridanusQ/UnitCommitment_Trajectory

本仓库用于从UnitCommitment.jl的Matpower机组组合（UC）实例生成标准.mps文件，供混合整数规划（MIP）、机组组合（UC）及安全约束机组组合（SCUC）模型求解器测试与基准研究使用。数据集包含26个Matpower case，共9487个输入实例，每个实例生成4个.mps文件，总计37948个文件。数据集包含小时级和子小时级的UC和SCUC变体，无线路约束和含线路约束的版本。

This repository is used to generate standard .mps files from Matpower unit commitment (UC) instances of UnitCommitment.jl for testing and benchmarking mixed-integer programming (MIP), unit commitment (UC), and security-constrained unit commitment (SCUC) model solvers. The dataset includes 26 Matpower cases, with a total of 9487 input instances, each generating 4 .mps files, totaling 37948 files. The dataset includes hourly and sub-hourly UC and SCUC variants, with and without line constraints.

搜集汇总

数据集介绍

构建方式

该数据集基于UnitCommitment.jl框架与Matpower电力系统标准算例，通过精心设计的Julia脚本将原始.json.gz格式的机组组合输入实例批量转化为业界通用的.mps文件格式。数据集涵盖26种不同规模与拓扑结构的经典电力网络算例，每个算例包含365个（少数略有差异）代表不同运行日的实例，进而针对每个实例生成小时级与子小时级两种时间分辨率、考虑与忽略线路安全约束两种网络建模方案共计四种变体的MPS文件，从而构建出一个结构清晰、维度丰富的混合整数规划测试集合。

特点

数据集的核心特点在于其系统性与多样性。它不仅覆盖了从14节点到13659节点的广泛系统规模，还通过时间分辨率（小时级与子小时级）和网络约束（有无线路约束）的交叉组合，提供了四种建模难度递增的问题变体。特别地，数据集中引入了机组启停轨迹约束等实际运行中关键的时序耦合限制，并提供了相应的预处理逻辑，使得生成的MPS文件能够更真实地反映电力系统机组组合与安全约束机组组合问题的复杂性和挑战性。

使用方法

使用者可通过HuggingFace仓库直接下载预生成的MPS文件，或遵循完整复现流程自行生成。复现流程首先在Julia环境中初始化项目依赖，随后运行Python脚本从指定源下载Matpower输入实例，最后执行主生成脚本即可批量产出MPS文件。对于有特定需求的用户，可以通过设置环境变量筛选特定算例进行生成，或利用单算例调试脚本快速验证环境。生成的MPS文件按算例名称、时间分辨率与网络约束模式组织于清晰的目录结构中，便于直接用于混合整数规划求解器的性能基准测试与对比研究。

背景与挑战

背景概述

UnitCommitment_Trajectory数据集由EridanusQ团队于2023年基于UnitCommitment.jl框架创建，专注于电力系统领域中的机组组合（UC）与安全约束机组组合（SCUC）问题。该数据集通过将Matpower标准测试案例与轨迹约束相结合，生成了涵盖26个不同规模电网系统、共计逾37000个MPS格式的混合整数规划（MIP）实例，为电力系统优化与运筹学领域提供了一个大规模、标准化的基准平台。其核心研究问题在于推动UC/SCUC模型的高效求解与轨迹约束下的系统可靠性评估，对智能电网调度、可再生能源并网等前沿研究方向具有重要支撑作用，显著促进了相关算法与求解器的性能比较与验证。

当前挑战

该数据集所解决的领域挑战主要源于电力系统UC/SCUC问题的计算复杂性：大规模整数变量与非线性约束导致求解难度极高，传统方法难以兼顾精度与效率，而轨迹约束的引入进一步加剧了模型的结构化复杂性。在构建过程中，面临的关键挑战包括：1）从Matpower案例生成海量高保真输入实例时，需确保数据在时间序列上的连续性与物理合理性；2）MPS格式转换涉及复杂的元数据映射与标准化处理，对数据一致性与可复现性要求严苛；3）全量生成耗时极长且占用大量磁盘空间，大规模案例（如case13659pegase）的高效并发生成技术尚待优化，这对数据集的可扩展性构成了显著限制。

常用场景

经典使用场景

在电力系统优化与运筹学交叉领域，UnitCommitment_Trajectory数据集为混合整数规划（MIP）求解器的基准测试提供了标准化的测试床。其经典使用场景聚焦于机组组合（UC）与安全约束机组组合（SCUC）模型的求解效率与鲁棒性评估，研究人员通过调用该数据集生成的MPS文件，能够系统性地比较不同算法在处理含启停轨迹约束、线路约束及多时间尺度（小时级与子小时级）决策问题时的性能差异。

实际应用

在实际电力系统运行中，该数据集支撑了电网调度中心对日前与实时机组启停方案的模拟验证。调度工程师可利用其生成的MPS文件，在离线环境下测试不同安全约束场景下（如N-1故障）的机组组合方案，从而提升发电计划的稳健性。此外，它也被用于评估新能源高占比系统中灵活性资源的协调优化效果，帮助实现经济性、安全性（网络安全约束）与运行效率的平衡，具有直接的技术转化价值。

衍生相关工作

基于UnitCommitment_Trajectory数据集，衍生出了多个具有影响力的研究方向：其一是将深度学习中的图神经网络（GNN）与经典MIP求解器结合，利用数据集的轨迹约束特征预测机组启停状态，加速求解过程；其二是催生了面向电力系统场景的对抗性攻击与防御研究，通过构造扰动实例测试MIP求解器的鲁棒性；其三，该数据集还被应用于元学习与迁移学习框架，验证不同电力网络拓扑（如IEEE 118节点与pegase 13659节点系统）间策略的通用性。