Stochastic Distribution Network Reconfiguration under Load Uncertainty
Institute of Computing, University of Campinas(坎皮纳斯大学计算研究所)
本文针对负荷不确定性,采用两阶段随机规划构建MISOCP模型,在12个不同规模网络上验证了配电网重构可降低网损与电压越限,且空间异质场景对不确定性表征及重构决策有重要影响。
2026-10-09 cs.SY eess.SY
A data-driven approach for topology correction in low voltage distribution networks with PVs
Delft University of Technology(代尔夫特理工大学);Alliander N.V.(Alliander公司);Eindhoven University of Technology(埃因霍温理工大学)
本文提出基于数据驱动的拓扑校正方法,针对含光伏等分布式能源的低电压配电网拓扑不确定性问题,利用智能电表数据进行实时拓扑更新与修正。
2026-03-27 cs.SY eess.SY
Disconnection-aware Attack Detection and Isolation with Separation-based Detector Reconfiguration
本研究针对动态网络化控制系统的不良事件处理。事件处理可分为五个步骤:检测、分析、遏制、消除和恢复。对于网络化的控制系统,可以通过物理断开受攻击的子系统来执行遏制步骤。根据断开情况,应重新配置所配备的攻击探测单元,以保持其探测能力。特别是,分离与断开的子系统相关联的检测子单元被认为是在这项研究中的一个特定的重新配置方案。本文提出了基于分离的检测器重新配置的断开感知攻击检测和隔离问题。我们的目标是找到一个攻击检测单元,保持其检测和隔离能力,即使在任何可能的断开和分离。困难来自于由断开引起的网络拓扑变化,这可能导致攻击检测单元内的分布式观测器的稳定性损失。提出了一种解决方案的基础上,现有的控制器设计技术称为改造控制。此外,低压配电网络与分布式发电的应用。通过一个基准配电网的数值例子证明了所提出的方法的实际使用。
2021-10-04 cs.SY eess.SY
Machine Learning-Assisted Distribution System Network Reconfiguration Problem
针对配电网络重构中因二元变量导致计算成本高、难以实时运行的问题,提出利用机器学习预测变电站供电区域以简化最优潮流问题,在IEEE 37节点馈线上实现约十倍加速。
2024-11-18 cs.SY eess.SY
A Spanning Tree-based Genetic Algorithm for Distribution Network Reconfiguration
本文提出了一种基于生成树的遗传算法(GA)的配电网重构的目标是最小化有功功率损耗。由于配电系统的低电压水平,功率损耗很高,并且对系统配置很敏感。因此,优化重构是配电系统运行中的一个重要因素,以最大限度地减少有功功率损耗。智能和自动化配电系统能够重新配置,以响应负载水平的变化,以最大限度地减少有功功率损耗。所提出的方法搜索生成树的潜在配置,并找到最佳的生成树,使用遗传算法分两步。在第一步中,所有无效的分支和联络线组合(即,利用生成树搜索算法过滤掉遗传算法初始种群产生的不向某些负荷供电或违反辐射性和连通性条件的开关组合。在第二步中,仅对形成生成树的组合进行潮流分析。然后基于有功功率损耗的量确定最优配置(最优配置是导致最小功率损耗的配置)。所提出的方法是实现在几个系统,包括著名的33节点和69节点系统。结果表明,与现有方法相比,该方法具有较高的精度和效率.
2020-08-18 cs.SY eess.SY
Joint Grid Topology Reconfiguration and Design of Watt-VAR Curves for DERs
运营商现在可以远程控制开关,并更新电压调节器和分布式能源(DER)的控制设置,从而释放网络重新配置的机会,以提高效率。按照这个方向,这项工作提出了一个全面的优化模型工具箱,利用智能电网资产的控制能力。我们提出了详细而实用的模型来捕捉本地和远程控制的调节器的操作,并定制符合IEEE 1547.8要求的无功DER控制曲线。保持辐射度是与各种馈线优化任务密切相关的关键要求。这个要求在这里通过一个直观的和可证明正确的公式来实现。所开发的工具箱投入行动,重新配置电网,使用基准馈线上的真实数据,以最大限度地减少损失。结果证实,最佳的拓扑结构在一天中变化,协调DER和监管机构是至关重要的,在陡峭的净负荷变化期间。
2020-02-22 cs.SY eess.SY math.OC
Distribution Network Reconfiguration: A Reproducible Benchmark of Heuristic, Metaheuristic and Mathematical Methods
Universitat Politècnica de Catalunya(加泰罗尼亚理工大学)
本文通过开源实现,分析并比较了配电网重构方法的多种算法,包括启发式、元启发式和数学方法,为研究者提供可复现的资源和优化解决方案。
2026-09-17 cs.SY eess.SY
Neural Two-Stage Stochastic Volt-VAR Optimization for Three-Phase Unbalanced Distribution Systems with Network Reconfiguration
本文提出一种神经双阶段随机Volt-VAR优化方法,用于三相不平衡配电系统中的网络重构问题,通过神经网络加速计算,实现高效优化。
2026-04-14 cs.SY eess.SY
Universal Graph Learning for Power System Reconfigurations: Transfer Across Topology Variations
针对电力系统重构中深度学习模型难以跨拓扑迁移的问题,提出通用图卷积网络(UGCN),无需新拓扑先验或重训练即可实现零样本迁移,在虚假数据注入检测和状态预测任务上显著优于现有方法。
2025-09-10 cs.SY eess.SP eess.SY
Supplementary Feedforward Voltage Control in a Reconfigurable Distribution Network
网络重构(NR)由于其能够将传统配电网(DN)转换为自愈电网而受到广泛关注。本文提出了一种新的策略,实时电压调节(VR)在可重构DN,从而实现最佳的前馈控制的同步和逆变器为基础的分布式发电机(DG)与馈线开关(SW)的操作协调。这使得能够抢先补偿由NR辅助负载恢复引起的DN电压的即将到来的偏差。一个强大的优化问题,制定使用NR的动态分析模型,设计前馈电压控制器(FVC),最小化电压偏差相对于H ∞范数。DG参数和负荷需求的估计误差反映在最佳FVC的设计,通过多面体不确定性建模,进一步提高了鲁棒性的建议VR策略。小信号分析和案例研究进行,证明了最佳的鲁棒FVC在提高实时VR时,NR被激活的负荷恢复的有效性。所提出的FVC的性能也验证了各种操作条件下的可重构DN,其特征主要是SW操作,网络参数错误,和通信时间延迟。
2021-12-08 cs.SY eess.SY
Multi-Objective Optimization of Distribution Networks via Daily Reconfiguration
本文提出了一种综合的方法来提高日常的主动配电网(ADN),其中包括可再生资源和响应负载(RL),使用分布式网络重构(DNR)的性能。在这项工作中的优化目标可以被描述为(i)减少有功损耗,(ii)改善电压分布,(iii)提高网络的可靠性,和(iv)最大限度地减少配电网的运行成本。建议的方法考虑到可再生资源故障的概率,给定的信息收集从他们的初始状态在每天开始,在解决优化问题。此外,根据过去的历史数据估计太阳辐射变化,并根据马尔可夫模型每小时确定光伏(PV)等可再生能源性能的影响。由于重构场景的数量非常多,随机DNR(SDNR)的基础上的概率距离的方法来收缩的场景集。在最后阶段,一个改进的乌鸦搜索算法(ICSA)被引入到寻找最佳的情况。以IEEE 33节点辐射状配电系统为例,验证了所提方法的有效性。
2020-09-20 cs.SY eess.SY math.DS
LLM-Guided Safe Reinforcement Learning for Energy System Topology Reconfiguration
Collage of Control Science and Engineering, Zhejiang University(浙江大学控制科学与工程学院)
本文提出结合大型语言模型与安全软演员-评论家算法的拓扑控制框架,通过重构电压和热限为平滑安全成本信号,提升电网拓扑重构的可靠性和安全性。
2026-03-14 cs.SY eess.SY
Dynamic Clock Reconfiguration for the Constrained IoT and its Application to Energy-efficient Networking
时钟配置在调整受限通用微控制器的性能、时序精度和能效方面发挥着关键作用。然而,配置底层时钟树涉及具有复杂依赖性和动态约束的大参数空间。我们认为时钟配置作为一个通用的操作系统模块,高度可配置,但复杂的嵌入式硬件和易于应用程序开发之间的桥梁的差距。在本文中,我们提出了一种方法和一个运行时子系统的动态时钟重新配置的受约束的物联网(IoT)设备名为ScaleClock。ScaleClock通过抽象特定于硬件的时钟树来获得动态优化时钟配置的措施。ScaleClock系统服务为应用程序授予对动态时钟缩放的优化潜力的可移植访问。我们在流行的物联网操作系统RIOT上实现了该方法,并针对不同制造商的两个目标平台,在实际设备上的静态和动态场景中评估了其性能。我们通过设计一个平台无关的动态电压和频率缩放(DVFS)机制,使RIOT能够自主地适应硬件性能的要求,目前执行的软件,展示了ScaleClock的潜力。在一个用例研究中,我们设法通过将MCU消耗减少40%来提高受限网络通信的能源效率,而性能影响可以忽略不计。
2022-08-03 cs.PF cs.SY eess.SY
Effects of Distributed Generation on the Bidirectional Operation of Cascaded Step Voltage Regulators: Case Study of a Real 34.5 kV Distribution Feeder
本研究分析分布式发电导致馈线双向有功功率流动时级联步进电压调节器失控问题,并提出DG预调度控制策略以避免不利影响、保障配电网可靠运行。
2023-10-13 cs.SY eess.SY
Voltage Regulation Algorithms for Multiphase Power Distribution Grids
Virginia Tech(弗吉尼亚理工大学);University of Minnesota(明尼苏达大学);University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出了一种适用于多相电网的电压调节算法,通过分析线性化电网模型,改进了传统电压调节设备,并验证了其在不同电网拓扑下的收敛性和鲁棒性。
2015-08-26 cs.SY eess.SY math.OC
Robust Online Voltage Control with an Unknown Grid Topology
电压控制通常需要关于电网拓扑的准确信息,以便保证网络稳定性。然而,准确的拓扑识别是一个具有挑战性的问题,现有的方法,特别是由于采用可再生能源的电网受到越来越频繁的重新配置。此外,用不正确的网络信息运行现有的控制机制可能导致不稳定的控制。在这项工作中,我们结合了嵌套凸体追逐算法与鲁棒预测控制器,以实现可证明的有限时间收敛到安全的电压限制在线设置的网络拓扑最初是未知的。具体地,在线控制器不知道真实的网络拓扑和线路参数,而是必须通过缩小与其观察一致的网络拓扑和线路参数的集合并相应地调整无功功率生成以将电压保持在期望的安全限制内来随着时间学习它们。我们证明了该方法的有效性,使用的案例研究,这表明,在实际设置中的控制器确实能够缩小一致的拓扑结构集足够快,以确保稳定的控制决策。
2022-06-29 cs.SY eess.SY math.OC
Topology-Aware Graph Reinforcement Learning for Energy Storage Systems Optimal Dispatch in Distribution Networks
Department of Electrical Sustainable Energy, Delft University of Technology(代尔夫特理工大学电气可持续能源系);Beijing Energy Quant Ltd.(北京能源量子科技有限公司)
本文提出一种拓扑感知的强化学习架构,利用图神经网络优化配电网储能系统调度,通过对比不同GNN变体评估其在不同拓扑结构下的鲁棒性和迁移性能。
2026-03-27 cs.LG cs.SY eess.SY
Online learning for robust voltage control under uncertain grid topology
本文提出将嵌套凸体追踪算法与鲁棒预测控制器相结合,在电网拓扑和负荷发电均不确定的在线场景下实现有限时间收敛的安全电压控制,并在56节点配电系统上验证了有效性。
2024-09-05 cs.SY eess.SY math.OC
Approximability of Electrical Distribution Network Reconfiguration for General Graphs
Forschungszentrum Jülich(于利希研究中心);Hasso Plattner Institute, University of Potsdam(波茨坦大学哈索·普拉特纳研究所);RWTH Aachen University(亚琛工业大学);TU Clausthal(克劳塔尔工业大学)
研究一般图配电网络重构(DNR)的近似算法,给出\(n\)近似算法,证明平面图上的NP难,针对\(2 - DNR\)给出近似下界,针对\(1 - DNR\)证明APX难并给出近似算法,回答开放问题。
2026-07-09 cs.DS cs.SY eess.SY
Unlocking AI Data Center Interconnection Capacity Through Coordinated Grid and Data Center Flexibility
University of Houston(休斯顿大学)
本文提出协调电网侧与数据中心侧灵活性的日前优化框架,在IEEE 123节点衍生模型上实现AI数据中心互联容量提升约45.9-50.8%,并验证了位置依赖性与鲁棒性。
2026-10-06 cs.SY eess.SY
Mitigation of Structural Harmonic Instability in Virtual Admittance-Based Grid-Forming Inverters via Mimicking Skin Effect
本文提出通过模仿皮肤效应改进虚拟电导-电流控制器,以缓解电网形成逆变器的结构谐振不稳定性问题。
2026-02-04 cs.SY eess.SY
Topology-Aware Reinforcement Learning over Graphs for Resilient Power Distribution Networks
The University of Texas at Dallas(德克萨斯大学达拉斯分校);University at Buffalo(布法罗大学);Virginia Tech(弗吉尼亚理工大学)
本文提出一种拓扑感知的图强化学习框架,通过整合拓扑数据分析提升电力分配网络的韧性,实验表明其在奖励、电力输送和电压违规方面均优于基线模型。
2026-03-07 cs.LG cs.SY eess.SY
Real-time Measurement-based Optimization for Distribution System Operation Considering Battery Voltage and Thermal Constraints
Eindhoven University of Technology(埃因霍温理工大学)
针对高比例分布式能源下配电系统安全运行难题,提出基于实时量测构建线性与凸二次约束、并用Lyapunov优化解耦多时段决策的数据驱动电池储能控制方案。
2025-10-18 cs.SY eess.SY
Developing Optimization-Based Inverter Models for Short Circuit Studies
本文针对配电网络中逆变器饱和非线性行为建模问题,提出跟网型与构网型逆变器优化模型并用于故障研究,实验验证了跟网型模型有效性,同时指出构网型模型在部分故障下不可行,为后续松弛模型开发奠定基础。
2023-08-06 cs.SY eess.SY
Reinforcement Learning for Supply Chain Attacks Against Frequency and Voltage Control
本文探讨了电力系统现代化带来的供应链攻击威胁,提出利用强化学习开发针对发电控制设备的智能攻击,模拟影响频率和电压调节的扰动,为防御此类攻击提供指导。
2023-09-11 cs.SY eess.SP eess.SY
Impact of current limiters and fast voltage boosters in grid-forming VSC-based generators on transient stability
针对全构网型 VSC 发电系统,本文通过短路仿真与临界切除时间分析,评估混合限流器和快速电压提升器对暂态稳定性及避免失步的作用。
2024-05-09 cs.SY eess.SY
Learning Local Volt/Var Controllers Towards Efficient Network Operation with Stability Guarantees
本文研究了配电网的电压调节问题。其主要动机是通过控制部署在电网中的分布式能源(DER)的无功功率输出,将电压保持在预先指定的运行限制内。我们开发了一个框架,用于开发本地电压/无功控制,包括两个主要步骤。首先,通过利用历史数据和每个DER,我们学习一个函数,代表电力网络的理想平衡点。这些点近似于最优潮流(OPF)问题的解。在第二,我们提出了一个控制方案,引导网络走向这些有利的配置。理论条件推导出正式保证所开发的控制方案的稳定性,数值仿真表明所提出的方法的有效性。
2022-08-19 cs.SY eess.SY
Dynamic Modeling and Stability Analysis for Repeated LVRT Process of Wind Turbine Based on Switched System Theory
针对风电机组重复LVRT引发的电压振荡问题,本文基于切换系统理论建立WT-GSC模型,提出公共Lyapunov稳定性判据,并结合Sobol′灵敏度分析与PSO优化参数,经IEEE 39节点系统仿真验证有效。
2024-05-08 cs.SY eess.SY
Evaluation of Battery Energy Storage System to Provide Virtual Transmission Service
本研究评估电池储能系统作为虚拟输电的短期运行性能与经济效益,通过IEEE 24节点系统仿真验证其可有效降本减堵,性能媲美物理输电线路且无明显额外代价。
2025-02-23 cs.SY eess.SY