Performance analysis of frequency regulation services provided by aggregates of domestic thermostatically controlled loads
本文提出了一种控制方法，允许聚合物恒温控制负载提供合成惯性和主要的频率调节服务的电网。所提出的控制框架是完全分布式的，并且基本上包括根据电网频率修改恒温器逻辑。考虑了三种战略：在第一种情况下，负载集合通过与频率变化率成比例地改变其有功功率需求来提供合成惯性;在第二种情况下，负载集合通过与频率成比例地改变其功率需求来提供主频率调节;在第三种情况下，这两种服务被组合。所提出的控制解决方案的性能进行了分析，在预测的情况下的电力电力系统的撒丁岛在2030年，其特点是一个巨大的安装风力和光伏发电和无线圈和燃油发电厂。所考虑的负荷集合由家用冰箱和热水器组成。结果证明了所提出的方法的有效性，并表明，在冰箱和热水器的特定情况下，在正频率变化的情况下，对频率调节的贡献更显着。最后，调节性能和渗透水平的负载聚合物相对于系统总负载之间的相关性进行评估。
2021-05-03 cs.SY eess.SY
An Invariant Set Construction Method, Applied to Safe Coordination of Thermostatic Loads
我们考虑的问题，协调一组切换子系统的局部和全局约束下的系统的安全运行。虽然可以利用不变集来构造这种问题的安全保证控制器，但计算不变集不能扩展到高维系统。在本文中，我们介绍了一种策略，以获得一个控制不变集的切换子系统的集合的隐式表示，并构造一个安全保证的控制器，以协调子系统使用的表示。具体来说，我们将不变集到模型预测控制器，以保证安全性和递归的可行性。由于计算量与子系统的数量无关，因此这种方法可以扩展到大量的切换子系统。我们使用我们的方法来安全地控制恒温控制负载的集合，以提供电网平衡服务。该问题包括对每个负载的温度和切换后必须保持在一种模式的持续时间的约束，以及对总功耗的约束，以确保网络安全。数值模拟表明，该方法优于基准策略的安全性和递归的可行性。
2022-02-11 cs.SY eess.SY
Aggregated demand flexibility prediction of residential thermostatically controlled loads and participation in electricity balance markets
本文提出基于蒙特卡洛模拟与二分法极值搜索的概率方法，预测住宅温控负荷聚合虚拟电池的需求灵活性，并在西班牙平衡市场中验证其参与竞标的有效性。
2024-04-05 cs.SY eess.SY
Learning a Distributed Control Scheme for Demand Flexibility in Thermostatically Controlled Loads
鉴于可再生能源发电的渗透率不断提高，需求灵活性对电网越来越重要。仔细协调恒温控制负载（TCL）可以潜在地调节能源需求，降低运营成本，并提高电网弹性。然而，它是具有挑战性的控制一个异质人口的TCL：控制问题有一个大的状态动作空间;每个TCL有独特的和复杂的动态;和多个系统级的目标需要同时优化。为了解决这些挑战，我们提出了一个分布式控制解决方案，它包括一个中央负载聚合器，优化系统级目标和建筑物级控制器，跟踪聚合器计划的负载配置文件。为了优化我们的代理的政策，我们从强化学习（RL）和模型预测控制的启发。具体来说，聚合器更新的进化策略，这是最近被证明是一个有竞争力的和可扩展的替代更复杂的RL算法，使政策更新独立于建筑物级控制器。我们使用新引入的CityLearn模拟环境，在四个九个建筑群的四个气候区评估我们提出的方法。我们的方法实现了平均减少16.8%的环境成本相比，基准基于规则的控制器。
2020-10-05 cs.SY eess.SY
Reinforcement Learning for Thermostatically Controlled Loads Control using Modelica and Python
Ukrainian Catholic University（乌克兰天主教大学）；Rensselaer Polytechnic Institute（伦斯勒理工学院）
该项目的目的是调查和评估应用强化学习（RL）的电力系统控制的机会。作为概念验证（proof of concept，ESTA），使用基于Modelica的流水线开发了用于功耗调节的恒温控制负载（thermostatically controlled loads，TCLs）的电压控制。Q-学习RL算法已被验证为确定性和随机初始化的TCL。后一种建模更接近于真实的电网行为，考虑到负载切换的随机性，这对控制开发提出了挑战。此外，本文还讨论了Q-学习参数，包括状态-动作空间的离散化，对控制器性能的影响。
2020-05-09 cs.LG cs.SY eess.SY
A Semi-Markov Model for the Control of Thermostatically Controlled Load
考虑到恒温控制负荷（TCL）的潜力，以提供灵活的需求响应或负荷控制，半马尔可夫模型（SMM）的ON/OFF控制TCL的发展。该模型充分利用了TCL在控制周期较长时的调整灵活性，保持了集群中开关状态的多样性。该模型既能满足用户的舒适性，又能保护用户的隐私。然后，本文采用信息物理系统（CPS）来实现离散控制过程与连续物理过程的耦合。最后，将该模型应用于基于等效热参数（ETP）模型的大型多台空调系统协调问题。仿真结果表明，在该方法下，TCL集群的功率能够准确地跟踪控制信号，同时保证了TCL集群运行状态的多样性和用户的舒适性。
2019-11-23 cs.SY eess.SY math.OC
COHORT: Coordination of Heterogeneous Thermostatically Controlled Loads for Demand Flexibility
需求灵活性对电网越来越重要。仔细协调恒温控制负载（TCL）可以调节能源需求，降低运营成本，并提高电网弹性。本文提出了一种新的用于异构住宅恒温控制负荷协调的分布式控制框架。COHORT是一种实用、可扩展且多功能的解决方案，可协调TCL群体以共同优化电网级目标，同时满足每个TCL的最终使用要求和运营限制。为了实现这一目标，我们将网格规模的问题分解成子问题，并协调它们的解决方案，以找到全局最优使用交替方向乘法（ADMM）。TCL的本地问题被分发到每个TCL并在每个TCL并行计算，这使得COHORT具有高度的可扩展性和隐私保护。虽然每个TCL构成组合和非凸约束，我们的特点是这些约束作为一个凸集通过放松，从而使COHORT计算可行的长期规划的视野。在协调之后，每个TCL负责自己的控制，并使用其首选策略跟踪商定的功率轨迹。在这项工作中，我们将连续电源转换回离散开/关驱动，使用脉冲宽度调制。COHORT可推广到广泛的网格目标，我们通过三个不同的用例来演示：生成以下，最小化斜坡和峰值负载削减。在一个值得注意的实验中，我们通过硬件在环仿真验证了我们的方法，包括通过智能恒温器控制的真实世界空调（AC），以及根据真实世界数据跟踪建模的AC模拟实例。在15天的实验期间，COHORT将每日峰值负荷平均降低了12.5%，并保持了舒适的温度。
2020-10-07 cs.SY eess.SY
Model-Free Control of Thermostatically Controlled Loads Connected to a District Heating Network
Energy departement of the Research Institute VITO（VITO研究机构能源部门）；Department of Electrical Engineering of KU Leuven（KU Leuven电气工程系）
本文提出了一种基于强化学习和市场多智能体系统的无模型控制方法，用于优化连接到区域供热网络的自适应负载，显著提高了实际学习时间内的性能。
2017-02-24 cs.LG cs.SY eess.SY
Optimal control of a commercial building's thermostatic load for off-peak demand response
School of Mathematical Sciences, Queen Mary University of London（伦敦大学玛丽女王学院数学科学学院）
本文研究了商业建筑在低谷时段的 thermostatic 负荷最优控制，以辅助电力传输系统运营商。提出了一种算法框架，使商业建筑在非占用时段有效增加夜间用电需求，从而获得额外收入。
2018-06-05 cs.SY eess.SY math.OC
Thermostatic control for demand response using distributed averaging and deep neural networks
Veermata Jijabai Technological Institute（维尔马塔·吉贾拜技术学院）
智能建筑是当今的需求，需求-供应比率不断增加，并且存在很大的不足。在任何现代非工业基础设施中，这些需求主要包括可操纵的恒温控制负载（TCL）。TCL负载，如空调，加热器，冰箱，是无处不在的，它们的操作时间可以控制，以实现所需的总功率。这种功率聚合反过来有助于实现负载管理目标，从而充当电网的辅助服务（AS）。在这项工作中，一个分布式的平均协议是用来实现所需的功率聚合设置的实用程序使用稳态deskrization。使用计算机程序对TCLs的同质和异质群体进行了验证。此外，负载跟踪方案已被实施使用的实用程序作为参考。除了向电网提供显著的AS之外，所提出的想法还有助于减小由TCL施加的电力系统振荡的幅度。最后给出了硬件实现结果，验证了其实时实现的可行性。此外，我们将这一想法扩展到数据驱动的范式，并在其中提供比较。
2019-12-25 cs.LG cs.SY eess.SY
Decentralised L1 Adaptive Primary Controllers and Distributed Consensus-Based Secondary Control for DC Microgrids with Constant-Power Loads
University College Cork（科克大学）；United Technologies Research Centre Ireland Ltd（联合技术研究中心爱尔兰有限公司）；MaREI-SFI Research Centre, University College Cork（马雷i-sfi研究中心，科克大学）
本文提出分布式L1自适应控制器用于直流微电网主控制层级，以应对恒功率负载带来的稳定性问题，具有可扩展性、即插即用功能及明确的性能和鲁棒性保证。
2018-04-11 cs.SY eess.SY
Aggregation and Control of Populations of Thermostatically Controlled Loads by Formal Abstractions
Delft Center for Systems and Control, TU Delft – Delft University of Technology（代尔夫特理工大学系统与控制中心）；Department of Computer Science, University of Oxford（牛津大学计算机科学系）
本文提出基于形式抽象的两步方法，生成有限空间随机动力学模型以聚合同质恒温负载群体的连续温度动态，通过随机差分方程描述单个负载温度，并通过确定性切换机制描述负载状态，进一步扩展到异质负载群体并讨论全局调节与负载平衡问题。
2013-07-30 cs.SY eess.SY math.OC
Improving the Load Flexibility of Stratified Electric Water Heaters: Design and Experimental Validation of MPC Strategies
针对分时电价下的分层电热水器，本文提出基于三节点热模型的MPC策略，并通过仿真与实时实验证明其较单节点MPC和恒温控制可更有效降低成本、转移负荷。
2023-12-07 cs.SY eess.SY
Voltage Control of DC Islanded Microgrids: Scalable Decentralised L1 Adaptive Controllers
University College Cork（科克大学）；United Technologies Research Centre Ireland Ltd（联合技术研究中心爱尔兰有限公司）
本文提出了一种可扩展的去中心化控制方案，用于直流孤岛微电网的主级控制架构，通过在现有DC-DC升压转换器基线电压控制器中安装局部状态反馈L1自适应控制器，实现动态不确定性和即插即用操作下的快速稳健电压稳定性。
2018-03-20 cs.SY eess.SY
A Two Level Feedback System Design to Regulation Service Provision
Boston University（波士顿大学）
针对可再生能源渗透率增长下的需求侧管理问题，提出一种基于马尔可夫跳变过程建模的两级反馈系统，实现独立系统运营商对调节信号的最优实时分配与调节服务提供商对温控负荷的响应控制。
2013-01-27 cs.SY eess.SY
A Decentralised Control Strategy for Secondary Voltage Regulation
本文提出了一种分散的二次电压控制策略，有几个好处，现有的集中式策略。为此，提出了一种新的控制结构，每个发电机的内环和外环。特定区域的各个发电机通过将其无功功率相对于引导点电压参考进行调整来参与二次电压控制。所提出的控制策略的分散性质使得即插即用操作成为可能：在不需要任何调节器重新配置的情况下与不同数量的发电机一起运行，在发电机故障的情况下具有弹性。这允许人们使用这种控制将可再生发电机与传统发电机一起集成到现有的二级法规中。所提出的控制策略是使用无模型控制方案，不需要更高阶的复杂模型的电网。离散时间智能比例控制器的部署简化了控制器增益的调整。在MATLAB/ Simulink/Simelectrical环境下，以一个四机电力系统模型为例，对所提出的控制策略进行了验证。仿真结果表明，所提出的策略的有效性，以及不同的情况下，如负荷扰动，输电线路扰动，发电机断开和延迟在引导点电压测量，以突出其鲁棒性。
2022-05-30 cs.SY eess.SY
Impact of climate change on the cost-optimal mix of decentralised heat pump and gas boiler technologies in Europe
住宅供暖和热水需求占欧洲能源总需求的31%。空间供暖在很大程度上取决于环境条件，易受气候变化的影响。我们采用技术经济的观点，评估气候变化对分散式供暖需求的影响，以及热泵和燃气锅炉技术的成本优化组合。采用IPCC三种代表性浓度路径的九个气候模式的高空间分辨率温度数据，估计了欧洲供暖需求侧的气候变化。需求侧由加热度日的代理建模。供应侧是通过使用筛选曲线的方法来模拟热生成的经济性。我们发现，在低，中等和极端的全球变暖情景下，空间供暖需求分别减少约16%，24%和42%。当考虑历史天气数据时，我们发现技术的异构组合是成本最优的，这取决于热负荷系数（每年满负荷小时数）。本世纪末环境温度的升高提高了热泵在所有集中路径中的经济性能。成本优化技术大致符合欧洲的供热市场和政策，但也有一些例外
2019-12-17 cs.SY eess.SY physics.soc-ph
Data-Driven Learning and Load Ensemble Control
需求响应（DR）计划的目的是吸引分布式小规模灵活负载，如恒温可控负载（TCL），以提供各种电网支持服务。线性可解马尔可夫决策过程（LS-MDP）是传统MDP的一种变体，用于聚合TCL建模。然后，一个无模型的强化学习技术，称为Z-学习应用学习的价值函数，并推导出最佳的DR聚合器控制TCL的政策。的学习过程是强大的不确定性，从估计的聚合TCL的被动动态。这种数据驱动学习的效率通过对住宅测试台附近的供暖、制冷和通风（HVAC）单元的模拟来证明。
2020-04-20 cs.LG cs.SY eess.SY
Stochastic and Distributionally Robust Load Ensemble Control
需求响应（DR）计划旨在使分布式需求侧资源参与为电力电力系统提供辅助服务。以前，聚合恒温控制负荷（TCL）已被证明是一个技术上可行的和经济上有价值的提供商，这种服务，可以有效地与传统的发电资源在减少负荷高峰和平滑的需求波动。然而，为了大规模地提供这些服务，大量的TCL必须准确地聚合并同步运行。本文描述了一个马尔可夫决策过程（MDP），聚集和模型的TCL的合奏。使用MDP框架，我们建议通过随机和分布鲁棒优化的手段内化的外生不确定动态的TCL。首先，在温和的假设基础上的不确定性，我们推导出分析随机和分布式鲁棒控制政策分派一个给定的TCL合奏。其次，我们进一步放宽这些温和的假设，允许一个更微妙的不确定性的治疗，这导致分布鲁棒MDP配方与时刻和Wasserstein为基础的模糊集，可以有效地解决数值。该案例研究使用1,000台空调的模拟集成来比较分析和数值控制策略。
2020-03-27 cs.SY eess.SY
Optimal Load Ensemble Control in Chance-Constrained Optimal Power Flow
本文提出了一种利用可控负荷的调度灵活性来优化高光伏渗透率分布系统的集成优化方法，通过马尔可夫决策过程建模负荷集合，并结合机会约束最优功率流模型，采用迭代时空对偶分解算法进行求解。
2018-10-30 cs.SY eess.SY
Scalable and Anonymous Modeling of Large Populations of Flexible Appliances
本文提出一种中粒度随机混合模型，用于表示两类家电：可延迟负载和热控负载，实现可扩展的负载建模与控制，同时保护用户隐私。
2014-04-07 cs.SY eess.SY
Residential Peak Load Reduction via Direct Load Control under Limited Information
ETH Zurich（苏黎世联邦理工学院）
本文提出了一种基于优化的控制方案，利用有限信息通过直接负荷控制降低住宅峰值负荷，实验显示其在夏季可实现接近理想控制器一半的峰值削减效果。
2026-10-19 cs.SY eess.SY
Strategies for Network-Safe Load Control with a Third-Party Aggregator and a Distribution Operator
在提供批量电力系统服务时，第三方聚合器可能会无意中导致配电层的操作问题。我们提出了一个协调架构，其中聚合器和分销运营商协调，以避免违反分销网络约束，同时保留私人信息。聚合器控制电力负荷以提供频率调节，而配电运营商在必要时覆盖聚合器的控制动作以确保网络安全运行。使用这种架构，我们提出了两种控制策略，这两种控制策略在测量和通信要求，以及模型的复杂性和可扩展性方面有所不同。第一个使用聚合模型和阻塞控制器，而第二个使用单独的负载模型和模式计数控制器。两者在跟踪准确性方面都优于基准策略。此外，第二种策略的性能优于第一种策略，平均RMS误差仅为0.10%（与0.70%相比）。第二种策略也能够保持配电网络的安全运行，同时覆盖不到1%的聚合器控制动作（相比之下，第一种策略的控制动作约为15%）。然而，第二种策略具有明显更多的测量、通信和计算要求，因此实施起来将比第一种策略更复杂和昂贵。
2020-12-03 cs.SY eess.SY
Probabilistic Constraint Construction for Network-safe Load Coordination
分布式能源（DER）可以为电网提供平衡服务，但其功率变化可能会导致配电网中的电压和电流约束违反，危及网络安全。这可以通过在DER控制公式中包括网络约束来避免，但是协调DER的实体（例如，聚合器）可能不能访问网络信息，该网络信息通常仅为公用事业所知。因此，当聚合器不是公用事业时，开发网络安全的DER控制算法是具有挑战性的;它需要这些实体相互协调。在本文中，我们开发了一个聚合器，公用事业协调框架，使网络安全控制的恒温控制的负载，以提供频率调节。在我们的框架中，该实用程序发送一个网络安全的约束集的聚合器的命令，而不直接共享任何网络信息。我们提出了一个约束集构造算法，保证满足网络安全的机会约束。假设单调的网络安全的概率相对于聚合器的命令，我们利用二分法找到最大可能的约束集，提供最大的灵活性的聚合器。仿真结果表明，与两个基准算法相比，该方法提供了一个很好的服务质量和网络安全之间的平衡。
2023-01-12 cs.SY eess.SY
Environment-Dependent Components Identification of Behind-the-Meter Resources via Inverse Optimization
Key Laboratory of Control of Power Transmission and Conversion, Ministry of Education（电力传输与转换控制教育部重点实验室）；Shanghai Non-carbon Energy Conversion and Utilization Institute, Shanghai Jiao Tong University（上海交通大学上海非碳能源转化利用研究院）；State Grid Shanghai Electric Power Economic and Technology Research Institute, State Grid Shanghai Municipal Electric Power Company（国网上海市电力公司经济技术研究院）；Galvin Center for Electricity Innovation, Illinois Institute of Technology（伊利诺伊理工学院加尔文电力创新中心）
针对表后资源组件监测难的问题，提出物理启发与数据驱动混合框架，通过逆优化分解负荷组件，提升识别精度并降低市场运行成本。
2025-10-24 cs.SY eess.SY
Convolutional Neural Networks For Automatic State-Time Feature Extraction in Reinforcement Learning Applied to Residential Load Control
VITO/EnergyVille（VITO/能源城）；Vrije Universiteit Brussel（布鲁塞尔自由大学）
本文提出使用卷积神经网络提取隐藏状态-时间特征，以缓解部分可观测性带来的 curse，通过拟合 Q-迭代的监督学习步骤估计状态-动作值函数，验证了该方法在住宅负荷控制中的有效性。
2016-10-11 cs.LG cs.SY eess.SY
A Unified Stochastic Hybrid System Approach to Aggregate Modeling of Responsive Loads
The Ohio State University（俄亥俄州立大学）
本文提出统一的聚合建模方法，用于描述响应负载的群体动态，结合确定性混合系统和随机混合系统模型，推导出描述概率密度演化的偏微分方程，扩展了现有研究的应用范围。
2017-08-18 cs.SY eess.SY math.DS
Smart Finite State Devices: A Modeling Framework for Demand Response Technologies
MIT（麻省理工学院）；Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；New Economic School（新经济学校）；New Mexico Consortium（新墨西哥联盟）
本文提出并分析马尔可夫决策过程机器模型，将设备分为四类，研究其在配电网需求响应市场中的最优价格接受控制策略。
2011-03-14 cs.SY eess.SY math.OC
Load Synchronization and Sustained Oscillations Induced by Transactive Control
University of Michigan（密歇根大学）
本文研究了基于市场的协调策略在控制大量电力负载时导致负载同步和功率振荡的问题，探讨了市场价格变化、用户报价曲线多样性等因素的影响，并通过案例研究提出改进方案。
2017-02-16 cs.ET cs.SY eess.SY
Enhance Low-Carbon Power System Operation via Carbon-Aware Demand Response
本文提出集成碳感知需求响应（C-DR）机制的电力调度优化模型，基于碳感知最优潮流方法结合KKT重构与迭代算法求解双层调度问题，有效促进了电力系统脱碳。
2024-07-28 cs.SY eess.SY
Aggregate Modeling of Air-Conditioner Loads Under Packet-based Control with Both On and Off Grid Access Requests
University of Vermont（佛蒙特大学）
本文提出了一种结合开启和关闭请求的基于分箱PEM负荷聚合宏观模型，能准确表征DER集群跟踪功率参考信号等能力，并通过仿真验证了其鲁棒性与准确性。
2025-10-12 cs.SY eess.SY
Super-relaxation of space-time-quantized ensemble of energy loads to curtail their synchronization after demand response perturbation
恒温控制负荷（TCL）的合奏提供了一个显着的需求响应储备系统运营商平衡电网。然而，这也会导致集成内的各个设备的寄生同步，从而导致集成的综合能耗中的长的需求响应后振荡。同步最终被波动破坏，从而导致（前需求响应）稳定状态;然而，这种自然的去同步化，或放松到统计稳定状态，太长了。这个问题的解决方案在于测量系综的瞬时消耗，并将其用作对系综的设备在开和关状态之间的随机切换的反馈。一个简化的连续时间模型表明，仔细调谐的非线性反馈的结果在一个快速（超）放松的合奏能量消耗。由于状态信息和控制信号都是离散的，实际的TCL设备操作是时空量化的，这必须考虑现实TCL合奏建模。在这里，假设状态的特点是室内温度（量化舒适度）和空调制度（开，关），我们构建了一个离散模型的基础上的状态转换的概率描述。我们表明，超松弛持有这样一个更现实的设置，虽然它是稳定的随机性的量化模型的随机矩阵，它仍然敏感的时间离散化方案。为了实现超松弛和客户的舒适度之间的平衡，我们分析了超松弛的时空量化的细节的依赖性，并提供了一个简单的分析标准，以避免不必要的振荡消费。
2021-01-04 cs.SY eess.SY
A Packetized Direct Load Control Mechanism for Demand Side Management
Boston University（波士顿大学）
提出一种分组直接负荷控制（PDLC）机制，通过固定时间能量使用授权和准分散控制协议，在空调温控应用中证明其能稳定室温、保证舒适度并减少能耗振荡。
2013-01-23 cs.SY eess.SY
Learning Distributed and Fair Policies for Network Load Balancing as Markov Potential Game
École Polytechnique（巴黎综合理工学院）；Cisco Systems（思科系统公司）；Princeton University（普林斯顿大学）
本文研究了数据中心网络负载均衡问题，其中部署了多个负载均衡器（LB），使用多智能体强化学习（MARL）框架。这个问题的挑战包括异构的处理体系结构和动态环境，以及有限的和部分的可观察性的每个LB代理在分布式网络系统中，这可以大大降低性能的生产负载均衡算法在现实世界的设置。集中训练分散执行（CTDE）RL计划已被提出来提高MARL的性能，但它招致-特别是在分布式网络系统中，更喜欢分布式和即插即用的设计方案-代理之间的额外的通信和管理开销。我们制定的多代理负载均衡问题作为一个马尔可夫潜在的游戏，与一个精心设计的工作量分配公平性的潜在功能。提出了一种完全分布式的MARL算法来逼近博弈的纳什均衡。实验评估涉及事件驱动的模拟器和真实世界的系统，其中所提出的MARL负载均衡算法在模拟中显示出接近最佳的性能，并在现实世界的系统中的生产LB的优越的结果。
2022-10-14 cs.AI cs.DC cs.SY
Market-Based Coordination of Price-Responsive Demand Using Dantzig-Wolfe Decomposition Method
随着分布式发电（DG）和需求响应型（DR）负荷在电力系统中所占比例的增加，基于博弈论框架的价格响应型设备（PRD）协调问题得到了新的解决。PRD被建模为自利玩家，他们试图根据价格优化他们的消费。本文首次提出了一种基于Dantzig-Wolfe（DW）分解方法的新算法来解决分布式环境下自利PRD的协调问题。通过利用Dantzig-Wolfe的分布式特性，PRD的自利算法被建模为DW的子问题，并且收集PRD的能量消耗（其能量投标）的协调器（或电网运营商）解决DW的主问题并相应地计算价格信号。该算法是快速的，因为子问题的数据仓库（这可能是数百万的PRD）可以同时解决。此外，基于DW理论，如果PRDs子问题是凸的，在有限的迭代达到最优点（等于纳什均衡）是有保证的。一个有8户参与的模拟已经进行了评估模型。每个房子都配备了两种类型的负载：作为可中断负载样本的电动汽车（EV）和作为恒温控制负载样本的电热水器（EWH）。结果表明，当该算法达到最优点时，发电成本和用户支付（基于边际发电成本）减少。此外，聚合负载的峰均比（PAR）显著降低。
2023-02-01 cs.SY eess.SY math.OC
Optimal Ensemble Control of Loads in Distribution Grids with Network Constraints
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究所）；Tandon School of Engineering, New York University（纽约大学坦登工程学院）
本文提出了一种考虑网络约束的开放回路随机优化控制方法，用于协调 thermostat 控制负荷的集合操作，以提高需求响应效益并满足电力系统运行约束。
2018-03-13 cs.SY eess.SY math.OC
Ensemble Control of Cycling Energy Loads: Markov Decision Approach
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Skoltech（斯科尔科沃科学技术学院）；Wayne State University（韦恩州立大学）
本文采用马尔可夫决策过程框架研究群体控制具有周期性能耗模式的设备，提出线性可解MDP模型，探讨两种不同设置下的最优策略与福利惩罚最小化问题，并讨论修改后的MDP动态规划特性及应用。
2017-10-23 cs.SY eess.SY physics.data-an
Data-Driven Detection and Identification of IoT-Enabled Load-Altering Attacks in Power Grids
边缘计算的进步正在推动物联网（IoT）系统的开发和部署，以提供先进的服务和资源效率。然而，大规模基于物联网的负载改变攻击（LAA）可能会严重影响电网运营，例如破坏电网控制回路的稳定。及时检测和识别任何受损节点对于最大限度地减少这些攻击对电网运营的不利影响至关重要。在这项工作中，提出了两个数据驱动的算法来检测和识别受损的节点和攻击参数的LAA。第一种方法，基于稀疏识别非线性动力学（SINDy）的方法，采用稀疏回归框架，以确定攻击参数，最好地描述所观察到的动态。第二种方法，基于物理信息神经网络（PINN），采用神经网络从测量中推断攻击参数。这两种算法都利用边缘计算在分散式架构上进行部署。对IEEE 6节点、14节点和39节点系统进行了大量仿真，验证了所提方法的有效性。数值实验结果表明，该算法优于基于无迹卡尔曼滤波器、支持向量机（SVM）和神经网络（NN）的算法，能够及时有效地检测和识别攻击位置。
2022-03-22 cs.CR cs.IT cs.SY
Deep Reinforcement Learning Microgrid Optimization Strategy Considering Priority Flexible Demand Side
Changchun Institute of Technology（长春工程学院）；National and Local Joint Engineering Research Center for Smart Distribution Network Measurement, Control and Safe Operation Technology（智能配电网测控与安全运行技术国家地方联合工程研究中心）；Qilu University of Technology (Shandong Academy of Sciences)（齐鲁工业大学（山东省科学院））；Institute of Oceanographic Instrumentation（海洋仪器研究所）
微电网作为一种有效的分布式能源与用户端的集成方式，主要面临着分布式能源的小范围波动性、不确定性、不确定性和需求侧不确定性等问题。传统的微电网形式单一，无法满足复杂需求侧与微电网之间的能量灵活调度。针对这一问题，提出了风电、恒温控制负荷、储能系统、价格响应负荷和主电网的整体环境。其次，微网运行的集中控制便于分布式电源的无功和电压的控制以及电网频率的调整。然而，存在的问题在于，在电价谷期间，柔性负荷聚集并产生峰值。现有的研究考虑到微电网的功率约束，无法保证单个柔性负载的电能供应。在考虑微网整体运行环境的基础上，考虑TCL和ESS各单元组件的响应优先级，以保证微网柔性负荷的供电，最大程度地节约电力投入成本。最后，仿真环境的优化可以表示为一个马尔可夫决策过程。它在培训过程中结合了线下和线上两个阶段的操作。多线程的加入和缺乏历史数据学习导致学习效率低下。通过增加异步优势Actor-Criter和经验回放池内存库，解决了训练过程中数据的相关性和非静态分布问题。
2022-11-11 cs.AI cs.LG cs.SY
Real-Time Operation Strategy of Virtual Power Plants With Optimal Power Disaggregation Among Heterogeneous Resources
Tsinghua University（清华大学）
针对VPP功率分配难题，提出兼顾异构资源互补性与时间耦合特性的最优运行策略，结合快速分配算法降低计算开销，案例研究表明其可降本增效且在线计算耗时极短。
2026-08-28 cs.SY eess.SY
OptiQU: Coordinated Multi-Level Voltage and Reactive Power Control for Enhanced Voltage Quality and Secure Grid Operation
Fraunhofer Institute for Energy Economics and Energy System Technology IEE（弗劳恩霍夫能源经济学和能源系统技术研究所）；University of Kassel（卡塞尔大学）；Mitteldeutsche Netzgesellschaft Strom mbH（中德电网公司）；Thüga AG（蒂古股份公司）；Thüga Energienetze GmbH（蒂古能源网络有限公司）；TU Dortmund University（多特蒙德工业大学）；Maschinenfabrik Reinhausen GmbH（莱因豪森机械厂有限公司）；EnSolVision GmbH（恩索尔视觉有限公司）；Dipl.-Ing. H. Horstmann GmbH（H. 霍斯曼工程技术有限公司）
提出OptiQU协调控制概念，结合集中优化与分散局部控制，协调中低压配电网的电压和无功功率，以缓解电压越限、减少弃电并提高接纳能力。
2026-05-22 cs.SY eess.SY
