Control-aware Probabilistic Load Flow for Transmission Systems: An Analytical Method
概率潮流计算作为分析输电系统行为的基本工具，已经被研究了几十年。尽管有各种可用的方法，现有的PLF方法很少考虑系统控制。然而，系统控制，作为随机变量的波动和系统状态的变化之间的自动缓冲器，对最终的PLF结果有显着的影响。为了考虑控制作用的影响，本文提出了第一个分析PLF方法的输电网，考虑一次和二次频率控制。该方法基于高精度的线性潮流模型，并通过一种新颖的校正方法进一步提高了模型的精度。本文还证明了，如果随机变量的联合概率分布（JPD）用高斯混合模型（GMM）表示，则系统状态（例如，节点电压）是无限GMM。通过利用这一命题，所提出的方法可以产生整个系统的联合PLF，适用于服从任何分布的随机变量，并能够捕捉它们的相关性。在14 ~ 1354节点的测试用例上验证了该方法的高精度和令人满意的效率。
2022-02-28 cs.SY eess.SY
Probabilistic Load Forecasting of Distribution Power Systems based on Empirical Copulas
针对间歇资源占比提升下配电系统负荷预测的需求，本文提出基于经验Copula的非参数概率负荷预测方法，采用beta核密度估计，无需先验分布假设，经公开数据集验证，性能优于分位数回归方法。
2024-10-08 cs.SY eess.SY
Probabilistic Load-Margin Assessment using Vine Copula and Gaussian Process Emulation
随着可再生能源的日益普及和负荷的变化，电力系统状态的不确定性越来越大，威胁着电力系统规划和运行的安全性。面对这些挑战，本文提出了一种具有成本效益的，非参数的方法来量化不确定的功率注入对负载裕度的影响。首先，我们提出了一种新的藤蔓Copula，由于其模拟复杂的多变量高度依赖的模型输入的能力，产生系统的不确定输入。此外，为了减少传统的蒙特卡罗方法所需的计算时间，我们建议使用一个非参数，高斯过程仿真器为基础的降阶模型，以取代原来复杂的连续潮流模型。该仿真器允许我们以可忽略的计算成本在采样值处执行耗时的连续潮流求解器。IEEE 57节点系统，其中相关的可再生能源发电附加进行的仿真，揭示了所提出的方法的优良性能。
2020-04-13 cs.SY eess.SP 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
Probabilistic assessment of the impact of flexible loads under network tariffs in low voltage distribution networks
The University of Sydney（悉尼大学）
本文提出了一种概率框架，用于设计电价以最小化分布式能源资源对网络性能的影响，稳定电网公司收入并改善网络成本分配的公平性。通过结合自动化家庭能源管理系统减少高峰需求，该框架展示了如何通过非参数贝叶斯模型、热用水统计模型和新型HEMS来调度可控设备，从而降低客户成本并缓解网络约束。
2020-07-17 cs.SY eess.SY math.OC
KPF-AE-LSTM: A Deep Probabilistic Model for Net-Load Forecasting in High Solar Scenarios
Quantum Energy Partners（量子能源伙伴公司）；Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室）；Pacific Northwest National Laboratory（太平洋西北国家实验室）；University of Vermont（佛蒙特大学）；Portland General Electric（波特兰通用电气公司）
随着配电网内电表后太阳能渗透率的预期上升，需要开发能够可靠预测净负荷的时间序列预测方法，准确量化其不确定性和可变性。本文提出了一种深度学习方法，用于在不同的太阳穿透水平下以15分钟的分辨率生成前一天净负荷的概率预测。我们提出的基于深度学习的架构通过卷积自动编码器（AE）从高维输入到低维潜在空间进行降维。从AE中提取的特征，然后利用通过内核嵌入的Perron-Frobenius（kPF）运算符的功能，以生成整个潜在空间的概率分布。最后，长短期记忆（LSTM）层用于从潜在空间分布合成预测净负荷的时间序列概率分布。与现有的基准模型相比，这些模型可以提供卓越的预测性能（根据几个指标），并保持卓越的训练效率。进行详细的分析，以评估在各种太阳穿透水平（高达50%），预测范围（例如，15分钟和24小时），和房屋的聚集水平，以及其对缺失测量的鲁棒性。
2022-03-05 cs.LG cs.SY eess.SP
External Data-Enhanced Meta-Representation for Adaptive Probabilistic Load Forecasting
Department of Electrical, Computer and Energy Engineering, Arizona State University（电气、计算机与能源工程系，亚利桑那州立大学）；Laboratory for Information and Decision Systems, Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院）
针对传统模型忽略外部因素异构性的问题，提出基于超网络的元表示框架M2oE2，将外部数据作为元知识动态调整深度学习模型参数，并结合混合专家机制提升效率与鲁棒性，在多个负荷数据集上显著提升了预测精度。
2025-06-29 cs.LG cs.SY eess.SY
Gaussian Process Learning-based Probabilistic Optimal Power Flow
在这封信中，我们提出了一种新的高斯过程学习的概率最优潮流（GP-POPF）解决POPF下的可再生能源和任意分布的负荷不确定性。所提出的方法依赖于一个非参数贝叶斯推理为基础的不确定性传播方法，称为高斯过程（GP）。我们还利用对GP-POPF超参数可解释性的观察，提出了一种新型灵敏度，称为子空间灵敏度。对14节点和30节点系统的仿真结果表明，与Monte-Carlo Simulations（MCS）解决方案相比，该方法在不同水平的不确定性可再生能源渗透率以及负荷不确定性下提供了合理准确的解决方案，同时需要更少的样本数量和运行时间。
2020-04-16 cs.SY eess.SY stat.ML
A Differentially Private Quantum Neural Network for Probabilistic Optimal Power Flow
针对概率最优潮流求解中的隐私泄露风险，提出融合高斯噪声实现(ε,δ)-差分隐私、引入强纠缠量子态增强表达性的隐私保护量子神经网络，在参数量大减90%的同时提升了准确率与稳定性。
2024-12-15 cs.SY eess.SY
Probabilistic duck curve in high PV penetration power system: Concept, modeling, and empirical analysis in China
光伏发电的高渗透率正在重塑电力净负荷曲线，并对电力系统的运行和规划产生重大影响。鸭子曲线的概念被广泛用于描述峰值需求和光伏发电之间的时间不平衡。传统的鸭子曲线是确定性的，在一天中只显示一个极端或典型的情况。因此，它不能同时捕捉到这种情况的概率和光伏发电和负载的不确定性。这些缺点限制了鸭子曲线在光伏高渗透率下的电力系统规划中的应用。针对这一问题，提出了概率鸭子曲线（PDC）和概率斜坡曲线（PRC）的新概念，以准确地模拟高光伏渗透率下电网负荷和斜坡的不确定性和可变性。提出了一种基于核密度估计、Copula函数和相关离散卷积的PDC和PRC建模方法。设计了几个指标来量化PDC和PRC的特征。对于应用程序，我们演示了PDC和PRC将如何有利于灵活的资源规划。最后，通过对青海省电力系统的实证研究，验证了该方法的有效性。PDC和PRC的结果直观地表明，在高光伏渗透率下，斜坡需求和净负荷谷值面临相当大的不确定性。柔性资源规划的结果表明，燃煤机组改造对提高青海电力系统柔性具有显著的效果。平均而言，将燃煤机组的最低输出减少1兆瓦，每天将增加超过4兆瓦时的光伏容量。
2019-09-25 cs.SY eess.SY stat.AP
Carbon-Aware Computing for Data Centers with Probabilistic Performance Guarantees
本文提出一种基于分布鲁棒优化的负载整形方案，通过日前规划与实时调度结合，利用作业时空灵活性，在保证性能的同时显著降低数据中心碳成本和峰值功率。
2025-10-27 cs.SY eess.SY
Spatio-Temporal Probabilistic Voltage Sensitivity Analysis - A Novel Framework for Hosting Capacity Analysis
智能电网被设想为适应分布式光伏（PV）发电的高渗透，这可能在电压违规方面引起不利的电网影响。因此，PV托管容量（HC）被用作规划工具，以确定导致第一次电压违规的最大PV安装容量以及需要基础设施升级的最大PV安装容量。传统的HC分析方法计算复杂，因为它们基于迭代潮流算法，需要调查大量的情况，以准确评估PV影响。本文首先提出了一种计算效率高的分析方法来计算由于随机分布的多个PV的随机行为而导致的特定节点处的电压变化的概率分布。接下来，导出的分布用于识别各种PV渗透水平的电压违规，并随后确定系统的HC，而不需要检查多个场景。建议的时空概率电压灵敏度分析和HC的结果进行了验证，通过传统的基于潮流的模拟方法的IEEE 37和IEEE 123节点测试系统。
2021-02-08 cs.SY eess.SY
Probabilistic Resilience of DER systems -- A Simulation Assisted Optimization Approach
随着重大电网中断频率的增加，能源系统的弹性变得越来越重要。在这项工作中，我们提出了一种方法来优化背后的米分布式能源系统，以维持一个网站的关键负载在预定义的公用事业停电期间。与固定的系统设计，然后，我们提出了一个停电模拟方法来估计DER系统的弹性潜力，以维持负载超过固定的停电期间-一年的弹性性能分析。我们应用统计分析来评估系统的弹性性能在更广泛的参数问题空间上每小时，每月和每年的基础上。我们提出了一个案例研究，以证明预定义的中断期间对系统的弹性性能的影响。案例研究表明，生存的概率从20%到95%的给定持续时间的随机停电时，停电建模为工作日，而不是一个周末的案例研究建设。
2020-12-01 cs.SY eess.SY
Probabilistic Assessment of Rare Transient Instability Events via Kriging-based Active Learning Framework
McGill University（麦吉尔大学）；University of Alberta（阿尔伯塔大学）
本文提出基于Kriging的主动学习框架，用于准确表征输入不确定性空间中的罕见不稳定性区域，并估计相关的小概率不稳定性，同时仅需少量昂贵的时间域模拟。
2026-05-07 cs.SY eess.SY
Modeling, Prediction and Risk Management of Distribution System Voltages with Non-Gaussian Probability Distributions
针对高比例可再生能源导致的配电网电压越限风险，提出基于高斯混合模型的不确定电压分量预测方法，实现非高斯电压分布的风险评估与管理，风险偏差仅为传统方法的15%。
2024-11-07 cs.SY eess.SY
Resilient Load Forecasting under Climate Change: Adaptive Conditional Neural Processes for Few-Shot Extreme Load Forecasting
本文提出AdaCNP模型，通过自适应条件神经过程实现少样本极端负荷预测，提升电力系统在极端天气下的预测鲁棒性。
2026-02-04 cs.LG cs.SY eess.SY
A Flow-Based Model for Conditional and Probabilistic Electricity Consumption Profile Generation and Prediction
Delft University of Technology（代尔夫特理工大学）；Alliander N.V（Alliander公司）
本文提出基于流的FCPFlow模型，用于条件与非条件住宅负荷画像生成及概率预测，通过可逆线性层和归一化层，在连续条件生成、数据集可扩展性和相关性建模上优于传统统计与深度生成模型。
2025-10-21 cs.LG cs.SY eess.SY
A Probabilistic Framework for Power System Large-Disturbance Global Instability Risk Assessment in the Presence of Renewable Wind Generation
传统电力系统对大规模风电接入的需求日益增长，这给风电接入带来了诸多挑战。其中之一是电力系统在受到大的干扰（例如故障）时的稳定性。本文提出了一种基于概率风险的框架，计算一个全球性的不稳定性指标，结合角度，电压和频率稳定性，大的干扰。此外，还观察到大风穿透对该指数的影响。使用DIgSILENT PowerFactory软件在IEEE 39总线测试系统上进行案例研究和相关仿真。结果表明，较高的风力发电渗透率提高了电力系统的全局稳定性。此外，研究了系统发电量和负荷变化对全局不稳定性指标的影响。
2022-05-07 cs.SY eess.SY
Performance Limits of Differential Power Processing
本文研究了差分功率处理（DPP）的性能极限，并提出了定量和系统的设计指导原则，选择和比较的DPP拓扑结构。一个随机模型的开发，以评估各种DPP拓扑结构的概率负载分布的预期功率损耗。几个DPP拓扑结构的预期损耗推导和比较传统的DC-DC转换器，以揭示其性能限制。研究了负荷分布和负荷规模对期望损失的影响。SPICE仿真和实验结果验证了理论模型的正确性。
2020-03-23 cs.SY eess.SY
CVaR-Guided Decision-Focused Learning and Risk-Triggered Re-Optimization for Two-Stage Robust Microgrid Operation
Center for Power Engineering, School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院电力工程中心）
本文提出一种基于CVaR的决策聚焦学习与风险触发再优化框架，用于两阶段鲁棒微grid运行，通过改进预测可靠性与缩小预测-决策差距，提升概率预测精度和风险缓解能力。
2026-04-17 cs.SY eess.SY
Spatiotemporal Impact Analysis of Hurricanes and Storm Surges on Power Systems
本文提出了一个时空概率影响评估框架，以分析和量化飓风和风暴潮对大电网的复合影响。使用历史飓风数据生成概率合成飓风路径，并根据观测到的飓风参数生成风暴潮情景。系统损耗使用量化总负载损耗的损耗度量来建模。整体模拟上进行的合成德克萨斯州2000总线系统上映射的地理足迹得克萨斯州。结果表明，由于风暴潮的变电站淹没造成额外的负载损失，飓风穿越内陆。
2022-11-25 cs.SY eess.SY physics.soc-ph
Fast Analytical Method for Resource Adequacy Assessment in Renewable-Rich Power Systems
本文提出一种适用于高可再生能源占比电力系统的资源充足性评估快速分析方法，结合应力强度法、中心极限定理与Gram-Charlier展开，经IEEE RTS-96测试系统验证，可大幅减少计算时间且精度不受损，适配未来电力系统需求。
2026-10-14 cs.SY eess.SY
Scheduling Flexible Non-Preemptive Loads in Smart-Grid Networks
由具有热力和可再生发电能力的发电机、一组非抢占式负载（即，一旦启动就不能中断的负载），并考虑独立系统操作员（ISO）。负载的特征在于持续时间，功率需求率和接收服务的效用，以及负效用函数给出服务优先的时隙的偏好。给定这些信息，连同发电机的热发电代价函数和预测的可再生能源发电，社会规划者求解混合整数规划，以确定最大化社会福利的负载激活时间表。假设采取价格行为，我们开发了一个竞争性的平衡概念的基础上，一个宽松的版本的社会规划师的问题，其中包括价格的消费和激励的灵活性，并允许概率分配的功率负载。考虑到每个负载作为一个人口的代表相同的负载与规模的特点，我们证明了放松社会规划的问题给出了一个精确的解决方案，原来的混合整数问题的大人口限制，并给出了一个市场机制，实现竞争均衡。最后，我们通过案例研究的好处，将负荷灵活性信息纳入电力消费和发电调度的比例服务的负荷和整体社会福利。
2021-12-13 cs.SY econ.GN eess.SY
Probabilistic Reachability Analysis of Multi-scale Voltage Dynamics Using Reinforcement Learning
University of Hyogo（兵库大学）；Fraunhofer IEE（弗劳恩霍夫电气能源系统集成研究所）
本文提出基于深度强化学习的框架，用于多尺度电压动态的概率可达性分析，通过建模不稳定性机制并统一学习风险概率，有效识别电压崩溃的机制。
2026-02-14 cs.SY eess.SY
Probabilistic Flight Envelope Estimation with Application to Unstable Overactuated Aircraft
本文提出了一种新的和实用的框架，安全飞行包线估计和保护，以防止失控相关的事故。传统的解析包络估计方法不能有效地用于具有高维和复杂动态的系统，这通常是高保真飞机模型的情况。为此，本文提出了一种基于蒙特卡罗模拟的概率包络估计方法。该方法通过模拟具有极端控制效果的飞行轨迹来生成飞行包线的概率估计。结果表明，该方法可以显着减少计算量相比，以前的优化方法，并保证可行的和保守的包络估计不少于7维。该方法被应用到创新的控制效应器飞机，一个过驱动无尾战斗机与复杂的气动耦合控制效应器之间。估计的概率飞行包线用于在线包线保护的数据库方法。传统的基于状态约束的飞行包线保护系统和新型的预测概率飞行包线保护系统均采用多回路非线性动态逆控制器实现。实时仿真结果表明，所提出的框架可以保护飞机在估计的包线内，并节省飞机的机动，否则将导致失控。
2020-03-14 cs.SY eess.SY
Accelerated Probabilistic Power Flow in Electrical Distribution Networks via Model Order Reduction and Neumann Series Expansion
本文开发了一种计算效率高的算法，加快了概率潮流（PPF）的问题，利用固有的低秩性质的电压分布在电力配电网。该算法被称为加速PPF（APPF），因为它可以加速“任何”基于采样的PPF求解器。当APPF运行时，它同时生成正交归一化解向量的低维子空间。该子空间用于构造和更新全非线性系统的降阶模型（ROM），从而导致对未来电压分布的高效仿真。在构造和更新子空间时，潮流问题仍需在全非线性系统上求解。为了加快这些解决方案的计算，诺依曼展开的修改后的潮流雅可比矩阵的实施。适用于负载总线注入小的情况，这种Neumann展开允许在标准牛顿迭代期间显著加速雅可比系统求解。APPF的测试结果，从实验运行在完整的IEEE 8500节点测试馈线，最后。
2021-10-14 cs.SY eess.SY
Probabilistic Verification for Reliability of a Two-by-Two Network-on-Chip System
由于工艺和环境的变化，现代片上网络（NoC）系统面临着可靠性问题。NoC供电网络中的电源噪声（PSN）在确定可靠性方面起着关键作用。PSN导致电压下降，这可能导致NoC中的定时误差。本文对NoC系统中PSN的形式化分析做出了新的贡献。我们提出了一种概率模型检验的方法来观察PSN在一个通用的2x2网状片上网络具有均匀的随机流量负载。PSN的主要特征是在行为层面上测量的。为了解决状态爆炸，我们采用增量抽象技术，包括一种新的概率选择抽象，基于NoC行为的观察。Modest工具集用于概率建模和验证。结果得到几个微片注入模式，以揭示其对PSN的影响。我们的分析发现了一个最佳的微片模式生成PSN事件的概率为零，并建议分散微片，而不是释放他们在连续的周期，以尽量减少PSN。
2021-05-28 cs.NI cs.SY eess.SY
A Theory of Probabilistic Power Provisioning for Data Centers with Distributed Energy Storage
The Ohio State University（俄亥俄州立大学）；Massachussetts Institute of Technology（麻省理工学院）
本文针对配备分布式储能的数据中心的电力供应问题，提出概率框架，划分两种运行模式并引入等效功率概念，经三类生产数据中心工作负载验证，为下一代AI数据中心提供规模设计原则。
2026-09-29 cs.DC cs.IT cs.PF
