Reliability-based lifetime fatigue damage assessment of offshore composite wind turbine blades
East China Jiaotong University（华东交通大学）；University of Hull（赫尔大学）；University of Cambridge（剑桥大学）；University of Greenwich（格林威治大学）
针对海洋环境下不确定风载荷导致的风力机复合材料叶片疲劳损伤问题，提出基于监测随机退化建模的疲劳失效概率分析方法，经数值算例验证可实现可靠的时变可靠性分析。
2026-11-04 cs.SY eess.SY
Distributed Robust Adaptive Frequency Control of Power Systems with Dynamic Loads
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Pennsylvania State University（宾夕法尼亚州立大学）；Pacific Northwest National Laboratory（太平洋西北国家实验室）
本文研究了受不确定和动态净负载影响的多机电力系统频率控制问题，提出分布式内部模型控制器协调同步发电机和需求响应以应对净负载的不可预测性，并通过李雅普诺夫分析保证频率稳定性，通过IEEE 68节点测试系统仿真验证了控制器的有效性。
2020-01-09 cs.SY eess.SY
LIDAR-Assisted Exact Output Regulation for Load Mitigation in Wind Turbines
优化风力涡轮机性能涉及最大化能量收集，同时寻求最小化塔架结构、叶片和转子上的负载疲劳。为了提高涡轮机的控制性能，风预见测量技术，如光探测和测距（LIDAR），近年来一直是研究人员的兴趣点。在本文中，我们探讨了一个经典的控制方法，称为精确输出调节（EOR）的应用，以提高激光雷达增强风力涡轮机的控制性能。EOR控制器被设计为实现已知输入干扰的抑制，同时还确保系统输出跟踪期望的参考信号。该控制器由状态反馈控制器和前馈增益组成。激光雷达风预览信息被用来获得一个低阶外系统风动力学建模。该风力外系统用于获得前馈增益矩阵，使得EOR控制器能够有效地抑制输入干扰并实现期望的参考跟踪。在国家可再生能源实验室（NREL）5 MW参考风力涡轮机的全非线性气动弹性模型上，在部分负载和满载运行区域中，对EOR控制器进行了广泛的模拟。为了进行性能比较，我们还实现了一个基线转矩控制器和一个常用的前馈控制方法，称为扰动调节控制（DAC）。结果表明，与基线和DAC控制器相比，EOR控制器可以提供显著改善的疲劳负载减少和更平滑的功率输出，而不损害能量产生水平。
2019-10-17 cs.SY eess.SY
AutoFlow: Hotspot-Aware, Dynamic Load Balancing for Distributed Stream Processing
流应用程序被广泛部署在云上。虽然Flink和Spark Streaming等现代分布式流媒体系统可以高效地调度和执行它们，但流媒体数据流通常动态变化，这可能会导致计算不平衡和反压。我们介绍AutoFlow，一个自动的，热点感知的动态负载平衡系统的流媒体流。它采用了一个集中式调度器，动态地监视整个子网中的负载平衡，并相应地实现状态迁移。调度器使用简单的异步分布式控制消息机制和热点减少算法来实现这两个任务。定时机制支持隐式屏障和高效的状态迁移，而无需全局屏障或暂停操作符。它还支持基于时间窗口的负载平衡测量，并将它们馈送到热点减少算法，而无需用户干扰。我们在Ray之上实现了AutoFlow，Ray是一个基于参与者的分布式执行框架。我们基于各种流基准数据集的评估表明，AutoFlow实现了良好的负载平衡，并在高度数据偏斜的工作负载下产生低延迟开销。
2021-03-16 cs.SY eess.SY
Distributed Optimal Load Frequency Control Considering Nonsmooth Cost Functions
本文针对含非光滑成本（如阶梯电价）的可控负荷，提出分布式最优频率控制方法，利用Clark广义梯度设计控制器，并证明闭环系统最优性与稳定性，IEEE 68节点仿真验证有效。
2019-06-06 cs.SY eess.SY
LSTM-Based Net Load Forecasting for Wind and Solar Power-Equipped Microgrids
本文提出基于LSTM的深度学习模型预测含风光发电的微电网净负荷，通过TMY住宅微电网案例验证其有效性，为可再生能源微电网能源管理提供支持。
2024-07-31 cs.SY eess.SY
Data-Driven Surrogate-Model for Real-Time Loads Prediction in Floating Wind Farms
Politecnico di Milano（米兰理工大学）；TU Delft（代尔夫特理工大学）
本研究提出一种数据驱动的浮式风电场实时载荷预测替代建模框架，采用两阶段方法结合FFNN与GPR或FFNN修正残差，DEL估计误差低于15%且计算耗时满足实时要求，展现了其在浮式风电场控制中的应用潜力。
2026-10-14 cs.SY eess.SY
Quantitative Indices for Improving Metro Load Curve, Using Distributed Generation
针对地铁负荷曲线负荷系数低且高峰与电网重合的问题，本文分析地铁主要负荷并提取典型曲线，提出用DG改善曲线的定量指标，并支持初始成本与ROI等经济评估。
2025-06-10 cs.SY eess.SY
Differentially Private Load Restoration for Microgrids with Distributed Energy Storage
分布式储能系统（ESS）可以有效地用于孤岛模式下微电网（MG）的负荷恢复（LR）。当ESS由第三方而不是MG运营商（MGO）拥有时，ESS操作设定点可以被认为是它们各自所有者的私有信息。因此，必须努力避免通过对负荷设定点进行对抗性分析来披露。在他的论文中，我们考虑的情况下，LR发生在MG通过确定负载和ESS功率注入通过AC最优潮流（AC-OPF）问题的解决方案。由于充电/放电模式在任何给定的时间被假定为私人的，我们开发了一个不同的私人机制，恢复负载，同时保持隐私的ESS模式数据。所提出的机制的性能表现为33总线MG。
2022-04-29 cs.SY eess.SY
Periodic Load Rejection for Floating Offshore Wind Turbines via Constrained Subspace Predictive Repetitive Control
独立变桨距控制（IPC）是减轻大型风力机叶片载荷的有效控制策略。由于IPC通常要求高变桨距致动，因此在设计控制器时应考虑变桨距致动器的安全约束。本文提出了一种约束子空间预测重复控制（SPRC）方法，该方法考虑了桨距角和桨距角变化率的限制。为了实现这一目标，一个模型预测控制计划实施的完全数据驱动的SPRC方法，将变桨致动器的物理限制的控制问题制定。然后，制定了一个最优控制律的约束，以便未来的约束违反的预期和预防。案例研究表明，开发的约束SPRC减少变桨活动，以减轻叶片载荷时，遇到风湍流和突然阵风。更重要的是，该方法允许风力发电场运营商设计保守的范围为桨距致动器的约束，满足安全限制，设计规范和物理限制。这将有助于减轻致动器上的循环疲劳载荷，增加结构可靠性并延长桨距控制系统的寿命。
2021-04-09 cs.SY eess.SY
Optimal Estimation of Capacity and Location of Wind, Solar and Fuel Cell Sources in Distribution Systems Considering Load Changes by Lightning Search Algorithm
在本文中，估计的最佳容量和位置的安装的风，太阳能和燃料电池电源在配电系统中，以减少损失和改善电压剖面，考虑负载的变化，进行闪电搜索算法（LSA）。研究了标准IEEE 33节点电力系统在两种情况下的运行特性。在第一种情况下，研究是在假设整个项目期间负荷保持不变的情况下进行的，而在第二种情况下，研究是在负荷增长的情况下进行的。仿真结果表明，负载变化对分布式电源（DG）布局研究的影响。此外，结果证实了所提出的算法在减少目标函数的性能。
2020-03-09 cs.SY eess.SY
Deep Learning based Model-free Robust Load Restoration to Enhance Bulk System Resilience with Wind Power Penetration
提出了一种新的基于深度学习的无模型鲁棒风电大容量系统负荷在线恢复方法。受两阶段鲁棒负荷恢复模型迭代计算的启发，分别设计了深度神经网络（DNN）和深度卷积神经网络（CNN），用于寻找负荷拾取决策的最坏情况系统条件，并评估相应的安全性。为了在有限的检查次数内找到最佳结果，开发了负载拾取检查表生成（LPCG）算法以确保最优性。然后，基于设计的单线策略生成（OSG）算法，实现了快速鲁棒负荷恢复策略获取。该方法以无模型的方式找到最优结果，保持了对不确定性的鲁棒性，并提供实时计算。该方法完全可以取代传统的鲁棒优化方法，支持在线鲁棒负荷恢复，更好地满足了负荷恢复过程的多变性。IEEE 30节点系统和IEEE 118节点系统的算例验证了所提方法的有效性，计算效率高，精度高。
2021-09-16 cs.SY eess.SY
Deep Multi-Agent Reinforcement Learning for Cost Efficient Distributed Load Frequency Control
基于微电网的架构的兴起极大地改变了配电系统中的能量控制景观，使得分布式控制机制对于确保可靠的电力系统操作是必要的。在本文中，我们提出使用强化学习技术来实现负载频率控制，而无需中央机构。为此，我们近似的最佳解决方案的主要，次要的，和三级控制与使用的多智能体深度确定性策略梯度（MADDPG）算法。发电机组的特点是作为代理人，学习如何最大限度地提高其长期性能的行为和与环境的相互作用，以平衡发电和负载在一个具有成本效益的方式。在我们的框架中，网络效应也被建模，用于将频率恢复到标称值。我们通过数值结果验证了我们的强化学习方法，并表明它可以用于以分布式和成本有效的方式实现负载频率控制。
2020-10-13 cs.SY eess.SY
Fleetwide data-enabled reliability improvement of wind turbines
Vrije Universiteit Brussel（布鲁塞尔自由大学）；National Renewable Energy Laboratory（美国国家可再生能源实验室）
本文提出一种多级方法，通过可控测试设备和实际高频监督控制数据采集数据，研究风力发电场中的负载谱，以提高风力涡轮机的可靠性，减少维护成本，并通过案例分析展示方法的有效性。
2019-04-03 cs.SY eess.SY
Constrained Power Reference Control for Wind Turbines
通过控制涡轮机的功率参考以增加能量捕获，同时保持负载和发电机速度约束，可以降低风能的成本。我们将标准扭矩和桨距控制器应用于涡轮机的直接输入，并使用其设定点来改变功率输出，降低发电机速度和叶片负载瞬变。功率参考控制器在条件安全时增加功率输出，并在预期有问题的瞬态事件时降低功率输出。瞬态发电机速度和叶片负载估计使用阵风的措施，从风速估计。混合控制器从最大允许功率降低额定功率。与基准控制器相比，在恒定功率参考下，所提出的控制器导致发电机速度和叶片负载不超过原始限制，使塔架前后损伤等效负载增加1%，并使年发电量增加5%。
2021-07-21 cs.SY eess.SY
A Switching Thrust Tracking Controller for Load Constrained Wind Turbines
风力涡轮机容易发生结构退化，特别是在海上位置。基于塔架的结构健康状况，功率降额策略可以被用来减少结构载荷，以功率损失为代价。本文介绍了一种新的闭环开关控制结构，以限制单个涡轮机的推力。从参考调速器领域的发展中获得灵感，通过推力跟踪控制器扩展现有的需求功率跟踪控制器。后者仅在超过用户定义的前后推力约束时激活，该约束可基于涡轮机的实际损坏状态进行设置。在具有单调气动载荷响应的下调节器的基础上，提出了一种简单的线性推力跟踪控制器。这样的方案可以减少空气动力学负载，同时在电力生产上产生可接受的损失，在风力发电场设置中，可以通过其他涡轮机来补偿。大涡模拟验证了该方案在满足推力约束条件下的性能。
2022-04-11 cs.SY eess.SY
Load Frequency Control For Distributed Grid Power System Single Area & Multi-area System
Amity University, Noida, India（印度诺伊达阿米提大学）
本文提出了一种分布式控制方案用于电力系统的负荷频率控制，通过仿真验证了在包含两个发电单元和多个可变负荷单元的系统中，控制方案的鲁棒性和可靠性。
2014-05-12 cs.SY eess.SY
Model Reference Control for Wind Turbine Systems in Full Load Region based on Takagi-Sugeno Fuzzy Systems
针对满载区域风力涡轮机，提出基于TS模糊模型与受约束LMI优化的MRC并行分布补偿控制器，以跟踪转子速度和发电机扭矩，并在多种风况及FRT场景下完成仿真验证。
2024-05-10 cs.SY eess.SY
On Statistical Modeling of Load in Systems with High Capacity Distributed Energy Resources
分布式能源的出现给电网的运行和规划带来了新的挑战。特别重要的是引入了一个新的复杂层，其表现为新的不确定性的形式，这可能严重限制现代电力系统的弹性和可靠性。例如，越来越多地采用非常规负载，如插电式电动汽车，可能导致不确定的消费者需求模式，其特征通常是随机的不期望的能源消耗峰值。二零二一年上半年，电动汽车销量增长近160%，约占全球汽车市场新增销量的26%。本文研究了广义混合模型的适用性，在系统中的聚合负载的统计表示增强与高容量的分布式能源，如插入式电动汽车。
2022-07-22 cs.SY eess.SY
Stochastic Economic Dispatch with Battery Energy Storage considering Wind and Load Uncertainty
本文提出含储能的随机动态经济调度框架，利用分层与重要性采样生成风电和负荷不确定性场景，在改进IEEE 39节点系统上验证了BESS部署可减少弃电和调度成本、提升系统灵活性。
2025-08-28 cs.SY eess.SY
Large-Signal Stability Criteria in DC Power Grids with Distributed-Controlled Converters and Constant Power Loads
随着电力电子装置的广泛应用，未来电力系统可能会出现大的扰动和不稳定。然而，稳定性准则仍然是一个未解决的难题，因为传统的小干扰稳定性分析不适用于电力电子使能的电力系统时，发生大的干扰，如故障，脉冲功率负载，或负载切换。为了解决这个问题，本文提出了第一次严格推导的大信号稳定性的DC微电网与分布式控制的DC-DC功率转换器的充分标准。设计并考虑了一种新型的闭环变换器控制器。此外，本文首次证明了著名的和经常被引用的布雷顿-莫泽混合势理论（发表于1964年）是不完整的。通过算例分析，说明了Brayton-Moser混合势理论的缺陷，并验证了所提出的新稳定性判据的有效性.
2020-05-25 cs.SY eess.SY
Load Forecasting Based Distribution System Network Reconfiguration-A Distributed Data-Driven Approach
University of Denver（丹佛大学）；National Renewable Energy Laboratory（国家可再生能源实验室）；Arizona State University（亚利桑那州立大学）
本文提出了一种基于支持向量回归的短时负载预测方法，用于改进网络重构。通过二次锥规划放松非凸优化问题，并利用交替方向乘子法实现分布式优化，验证了方法的可行性和有效性。
2017-11-29 cs.SY eess.SY
Critical Load Restoration using Distributed Energy Resources for Resilient Power Distribution System
极端天气事件对老化和过时的配电基础设施产生重大影响。这些高影响低概率（HILP）事件通常会导致长期停机和关键服务的损失，从而严重影响客户的安全。这就需要在灾难期间迅速恢复关键服务，以确保配电网络的复原力。本文提出了一种先进的馈线恢复方法，恢复关键负荷使用分布式能源（DER）。提出了一种弹性恢复方法，联合最大限度地提高恢复的关键负载的量，并通过优化分配网格的可用DER资源，优化恢复时间。恢复问题被建模为一个混合整数线性规划的目标是最大限度地提高恢复后故障的恢复能力，同时满足电网的关键连接和操作约束，并确保一个给定的开环馈线配置的径向操作。仿真结果表明，所提出的方法使用IEEE 123节点馈线与5 DER供应11个关键负荷和IEEE 906总线馈线与3 DER供应17个关键负荷的有效性。DER的可用性和燃料储备恢复网络的影响进行了评估，它表明，所提出的方法是成功地能够恢复最大数量的临界负载使用可用的DER。
2019-12-10 cs.SY eess.SY
Privacy-preserving Distributed Probabilistic Load Flow
概率潮流（PLF）允许评估可再生能源对系统运行的不确定性。理想情况下，PLF计算是针对整个电网实施的，要求输电线路和节点负载/发电的所有参数都可用。然而，在多区域互联电网中，跨区域的独立系统运营商（ISO）可能不与其他ISO共享其各自区域的参数。因此，面临的挑战是如何识别区域电网中的流量与跨区域可再生发电源的不确定功率注入之间的函数关系，而无需有关整个电网的完整信息。为了克服这一挑战，我们首先提出了一个隐私保护的分布式加速投影为基础的共识算法为每个ISO计算所需的函数关系的相应的系数矩阵。然后，我们利用隐私保护的加速平均共识算法，让每个ISO获得相同关系的相应常数向量。使用这两个算法，我们最终得出一个隐私保护的分布式PLF方法，每个ISO解析地获得其区域联合PLF在一个完全分布式的方式，而不会透露其参数给其他ISO。通过对IEEE 118节点系统的算例分析，验证了该方法的正确性、有效性和高效性。
2020-04-20 cs.SY eess.SY
Distributed Load Shedding for Microgrid with Compensation Support via Wireless Network
Shanghai Jiao Tong University（上海交通大学）；Collaborative Innovation Center for Advanced Ship and Deep-Sea Exploration（先进船舶与深海探测协同创新中心）；Key Laboratory of System Control and Information Processing, Ministry of Education of China（教育部系统控制与信息处理重点实验室）
本文提出基于无线网络的分布式负荷切除方案，通过优化不同优先级负载的有功功率协调，结合子梯度方法算法和TDMA多播Metropolis调度，提高响应率和可靠性，验证了方案的有效性。
2018-07-23 cs.SY eess.SY
IoT-enabled Distributed Cyber-attacks on Transmission and Distribution Grids
本文提出一种分析物联网控制负载分布式网络攻击对电网影响的建模框架，通过双层优化分析配电与输电电网的 techno-economic 互动，并通过案例研究展示攻击对电网的潜在影响。
2017-06-22 cs.SY eess.SY
Distributed Optimal Generation and Load-Side Control for Frequency Regulation in Power Systems
针对可再生能源在电力系统中日益普及所带来的问题，提出了一种新的输电网分布式频率控制算法，以取代传统的自动发电控制（AGC）。该控制算法的目标是双重的。首先，在发电和需求之间的有功功率不匹配之后，恢复标称频率和预定的区域间净功率交换。二是以分布式方式最优协调所有可控单元的有功功率。所设计的控制器只依赖于本地信息，计算，和网络连接的总线之间的对等通信，它也是对不确定的系统参数的鲁棒性。采用包含一阶汽轮机调速器动态的非线性保结构模型，分析了闭环系统在所设计算法下的渐近稳定性。最后通过实例验证了该方法的有效性。
2020-02-18 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
The Proportional Integral Notch and Coleman Blade Effective Wind Speed Estimators and Their Similarities
转子有效风速的估计用于现代风力涡轮机中，以提供先进的功率和负载控制能力。然而，随着转子尺寸的不断增加，转子表面的风场显示出更高程度的空间变化。因此，单个有效风速估计限制了可达到的负载减轻水平，并且叶片有效风速（BEWS）的估计可能为改进负载控制提供机会。这封信介绍了两种新的BEWS估计方法：基于单个叶片负载测量的比例积分陷波（PIN）估计器，以及针对非旋转框架中的估计的Coleman估计器。鉴于这两种估计方法之间的差异，本文的目的是分析这两种方法之间的相似之处。结果表明，与Coleman估计的对角形式等价的PIN估计是一种简单而有效的BEWS估计方法。Coleman估计器考虑了单个叶片之间的耦合效应，显示出比PIN估计器表现更好的瞬态响应。
2021-10-01 cs.SY eess.SY
Stability Analysis of DC Microgrids with Constant Power Load under Distributed Control Method
Central South University（中南大学）；Aalborg University（奥尔堡大学）
本文研究含恒功率负载直流微电网在分布式控制下的稳定性问题，通过简化模型分析稳定性条件，并通过仿真验证方法的有效性。
2017-11-19 cs.SY eess.SY
An Economic Model Predictive Control Approach for Load Mitigation on Multiple Tower Locations of Wind Turbines
风力涡轮机发展的当前趋势是增加其转子尺寸以捕获更多功率。这导致塔架更高、更细且更柔性，从而由于涡轮机旋转和环境因素而经受更高的动态载荷。因此，迫切需要部署先进的控制方法，可以动态地抵消这种负载，特别是在更容易产生裂缝或腐蚀损坏的塔架位置。尽管如此，据作者所知，文献中很少或根本没有关注多个塔架位置的载荷缓解。此外，需要能够平衡负载减少与功率产生的优化的控制方案。在本文中，我们开发了一个经济模型预测控制（eMPC）框架，以满足这些需求。首先，我们开发了一个线性模态模型来解释塔的弯曲动力学。然后，我们将其纳入eMPC框架中，其中涡轮机旋转的动态以能量表示。这使我们能够获得一个凸的配方，这是计算上的吸引力。我们的控制律的设计，以避免'turn-pike'的行为，并保证递归的可行性。我们证明了所提出的控制器的性能上的5 MW参考WT模型：结果表明，所提出的控制器是能够减少在多个位置的塔负载，而不会产生显着的影响功率。
2022-09-29 cs.SY eess.SY
On the Analysis and Synthesis of Wind Turbine Side-Side Tower Load Control via Demodulation
针对柔性风力机塔架侧向1P周期载荷与固有频率共振问题，提出基于正交解调并叠加发电机转矩的MDC策略，通过解耦实现对角LTI控制器设计，并在OpenFAST中验证降载效果。
2023-09-04 cs.SY eess.SY
Extremum Power Seeking Control of A Hybrid Wind-Solar-Storage DC Power System
本文提出了一种组合电力系统与一个共同的直流母线，包括太阳能，风力发电，蓄电池存储，和恒定的直流负载（CDL）。在风力发电系统中，第一级采用AC-DC不控整流器，第二级采用最大功率跟踪器（MPPT）控制DC-DC变换器。在太阳能系统中，两个级联的升压转换器通过滑模控制器（SMC）控制，以调节到负载的功率流。还引入了一种监督控制策略，以最大限度地同时从两种可再生能源中获取能量，并平衡电源、电池和负载之间的能量。根据每个可再生能源的发电水平、电池的充电状态和负载要求，控制器产生四种意外情况。仿真结果表明，太阳能和风力发电的最大功率点跟踪算法的监督控制器和功能的准确操作。
2020-07-15 cs.SY eess.SY
Frequency support Scheme based on parametrized power curve for de-loaded Wind Turbine under various wind speed
随着风力在现代电力系统中渗透的增加，要求风力发电厂提供与常规发电厂类似的频率支持。然而，对于现有的风力发电机组的频率调节方案，辅助频率控制器中的控制增益难以整定，这会影响风力发电机组的频率调节性能和稳定运行，特别是当风速保持变化时。本文提出了一种新的频率调节方案（FRS）的卸载风力发电机组。代替辅助频率控制器，通过修改参数化功率对转子速度曲线来提供频率支持，包括惯性功率对转子速度曲线和下垂功率对转子速度曲线。所提出的方案的优点是，它不包含任何控制增益，一般适应不同的风速。此外，所提出的方案可以工作的整个断面的风速没有风速测量信息。对比仿真结果表明，该方案在提高系统频率响应的同时，保证了基于双馈感应发电机的变速风力发电机在各种风况下的稳定运行。此外，即使在频率调节控制期间风速降低，该方案也防止转子速度过减速。
2021-08-02 cs.SY eess.SP eess.SY
Distributed Coordination of Deferrable Loads: A Real-time Market with Self-fulfilling Forecasts
对可变可再生能源发电的增加吸收和能源需求的进一步电气化需要有效协调灵活的需求资源，以最有效地利用电力系统资产。灵活的电力负载通常是小的，众多的，异构的，由自私的代理人拥有。考虑到灵活性的多时间性质和所涉及的不确定性，调度它们是一项复杂的任务。本文提出了一种预测中介的实时基于市场的控制方法（F-MBC）的成本最小化协调的不间断时移（即延期）负荷。F-MBC是可扩展的，隐私保护的，并可由具有小计算能力的设备代理使用。此外，F-MBC被证明可以克服同品种器械相互冲突的决策挑战。在一个简化但具有挑战性的案例研究中进行的模拟表明，F-MBC在多个时间步长内产生接近最佳的行为。
2020-06-15 cs.SY eess.SY
Distributed Droop-Free Control of Grid-Forming Inverters with Dynamic Line and Load Modeling
Massachusetts Institute of Technology（麻省理工学院）
本文提出一种暂态感知的无下垂分布式控制框架，用于构网型逆变器，通过动态线路和负荷建模实现功率比例分配与调节，在弱电网中改善暂态性能。
2026-09-09 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
Distributed Real-Time Power Balancing in Renewable-Integrated Power Grids with Storage and Flexible Loads
University of Toronto（多伦多大学）；University of Ontario Institute of Technology（安大略理工大學）
本文研究了含储能和柔性负荷的可再生能源整合电力电网的实时功率平衡问题，提出了一种集中式解决方案和分布式算法，降低计算和通信开销，并证明其在存储容量增大和传统发电机调峰约束放宽时渐近最优。
2016-06-03 cs.SY eess.SY
Optimize the Co-expansion of Generation and Transmission Considering Wind Power in the US Eastern Interconnection
研究了大规模电网中具有较高风电渗透率的发输电扩容协同优化问题。本文将发输电扩容协同优化问题建模为一个混合整数规划问题。提出了一种情景生成方法，以捕捉跨区域的大规模电网的负荷和风力发电的变化和相关性。得到的情况下，代表负荷和风力的不确定性，可以很容易地引入到MIP问题，然后解决，以获得共同优化的发电和输电扩展计划。仿真结果表明，所提出的规划模型和情景生成方法能够更详细地模拟美国EI系统中各区域间的风和负荷变化信息，从而显著改善扩展结果。将发电和输电相结合的改进的扩展计划将有助于系统规划者和政策制定者最大限度地提高大规模电网的社会福利。
2021-03-01 cs.SY eess.SY
Dynamic Power Management Methodology for Distributed Vertical Power Delivery in High-Performance Computing Systems
University of Illinois Chicago（伊利诺伊大学芝加哥分校）
针对分布式垂直供电架构在中轻负载下效率下降的问题，提出一种负载感知的功率系统激活框架，通过空间信息选择激活的电压调节器，减少横向再分布电流和开关损耗，在5%-30%负载范围内维持约87%的效率平台。
2026-05-24 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
Privacy-Preserving Distributed Clustering for Electrical Load Profiling
电力负荷分析支持零售商和配电网络运营商更好地了解消费者的消费行为。然而，传统的用于负载分析的聚类方法是集中式的，并且需要访问所有智能电表数据，从而导致消费者和零售商的隐私问题。为了解决这个问题，我们提出了一个隐私保护的分布式集群框架的负载分析，通过开发一个隐私保护的加速平均共识（PP-AAC）算法证明收敛。使用所提出的框架，我们修改了几个常用的聚类方法，包括k-均值，模糊C-均值，高斯混合模型，提供隐私保护的分布式聚类方法。通过这种方式，可以仅通过本地计算和相邻数据所有者之间的信息共享来执行负载分析，而不会牺牲隐私。同时，与传统的集中式聚类方法相比，每个数据所有者消耗的计算时间显著减少。分析了所提出的隐私保护分布式聚类框架的隐私性和复杂性。使用真实世界的爱尔兰住宅数据集验证了所提出的框架和建议的PP-AAC算法的正确性，效率，有效性和隐私保护功能。
2020-02-26 cs.DC cs.SY eess.SP
Load constrained wind farm flow control through multi-objective multi-agent reinforcement learning
Department of Wind and Energy Systems, Technical University of Denmark（丹麦技术大学风能与能源系统系）
提出多智能体强化学习框架，结合独立软演员-评论家架构和数据驱动代理模型，在风电场流动控制中通过形状奖励函数约束损伤等效载荷增量，实现功率提升与负载控制的多目标优化。
2026-05-06 cs.LG cs.SY eess.SY
Distributed Automatic Load-Frequency Control with Optimality in Power Systems
Harvard University（哈佛大学）；the Chinese University of Hong Kong（香港中文大学）
本文研究了电力系统中平衡供需和维持额定频率的挑战，提出了一种完全分布式自动负荷控制算法，通过局部测量和通信实现，证明该算法能够全局收敛到最优运行点，同时恢复额定频率和调度的联络线功率流，并满足负荷容量限制和传输线热约束。
2020-04-15 cs.SY eess.SY math.OC
Farm-wide virtual load monitoring for offshore wind structures via Bayesian neural networks
ANAST, University of Liege（ANAST，利耶日大学）；Department of Wind and Energy Systems, Technical University of Denmark（风能与能源系统系，丹麦技术大学）；OWI-Lab, Vrije Universiteit Brussel（OWI实验室，布鲁塞尔自由大学）
本文提出基于贝叶斯神经网络的风电场虚拟负载监测框架，通过训练模型预测未完全监测风机的负载，利用不确定性分析提升生命周期管理决策的准确性。
2023-08-24 cs.AI cs.LG cs.SY
Exploring Lightweight Federated Learning for Distributed Load Forecasting
Trinity College Dublin（都柏林圣三一学院）
本文提出用于分布式负荷预测的轻量级联邦学习方法，以全连接DNN在保护电表数据隐私的同时达到可比精度，并在Arduino Uno上实现低资源与低能耗部署。
2024-04-04 cs.LG cs.SY eess.SY
Evaluation of Prosumer Networks for Peak Load Management in Iran: A Distributed Contextual Stochastic Optimization Approach
Faculty of Electrical Engineering, KN Toosi of Technology（KN Toosi理工大学电气工程学院）
本文针对伊朗可再生能源产消者面临的峰值负荷问题，提出一种集成预测与优化的分布式情境随机优化框架，并通过共识信息共享机制和ADMM算法实现协调调度，有效降低峰值负荷与总成本。
2024-08-31 cs.LG cs.SY eess.SY
Distributed Estimation of State and Parameters in Multi-Agent Cooperative Load Manipulation
CNRS, LAAS（法国国家科学研究中心（CNRS）、拉瓦尔大学（LAAS））
本文提出两种分布式方法，用于估计未知平面体的运动学参数、动力学参数和运动学状态，利用刚体运动学和动力学、非线性观测理论和一致性算法，通过智能体对负载施加二维力矩、测量接触点速度以及通信图连通性来实现，理论分析和收敛证明均提供，第一种方法假设参数恒定，第二种方法可处理时变参数并可并行应用于任何任务导向的控制律，对于无控制律的情况，提出了一种分布式且安全的控制策略以满足可观测性条件，通过现实的蒙特卡洛模拟展示了估计策略的有效性和鲁棒性。
2018-09-23 cs.MA cs.RO cs.SY
Privacy-Preserving Distributed Learning for Residential Short-Term Load Forecasting
University of Liverpool（利物浦大学）；KU Leuven（鲁汶大学）；EnergyVille（能源城研究院）；COSIC（计算机与安全工业密码学研究中心）；The University of Manchester（曼彻斯特大学）
针对居民负荷预测中的数据隐私问题及联邦学习模型易受梯度泄露、投毒攻击且安全聚合方案鲁棒性不足的缺陷，提出基于马尔可夫切换的分布式训练框架，兼具隐私性、鲁棒性与可扩展性。
2024-02-02 cs.AI cs.CR cs.DC
