An Analytical Strategy for Passive Harmonic Filter Placement in Transmission Systems with Stochastic Aggregate Load Models Considering Resonant Conditions
在输电网中,由于谐波电流从负载侧渗透并被谐振条件放大,导致电压谐波的比例很高。这就要求在输电网络中使用合适的谐波滤波器。然而,用于谐波抑制的传输系统中的滤波器布置是高复杂度的规划过程。由于滤波器的放置降低了整个系统的响应可能会恶化谐波条件在远程总线由于频率特性的改变。谐波载荷的随机行为需要适当的模型和计算。传输系统的互连拓扑也需要广泛的系统范围的研究。本文提出了一种分析方法,用于确定适当的数量,位置和参数的C型无源滤波器在传输系统中,以改善整体谐波条件。所提出的策略的目标是最小化的期望值的系统范围内的指标给定的随机行为的负载,而限制的第95次谐波电压失真的IEEE标准规定的标准水平。519并且满足基本潮流约束。采用限制性分层直接搜索算法寻找近似全局解,其子集也是有效的。IEEE 118节点试验系统的性能评估所提出的方法,其有效性进行了检查的Monte Carlo仿真,并与谐波模态分析。
2019-11-17 cs.SY eess.SY
Energy transmission control for a Grid-connected modern power system Non-Linear loads with a Series Multi-Stage Transformer Voltage Reinjection with controlled converters
有效的能量传输方式是提高整个输电系统效率的关键因素。提出了许多方法来控制无功潮流,电压波动和功率因数的改善,所提出的变换器拓扑结构给出了一个非常显着的改善传输系统的性能,其中包括多级Transformers控制与控制变换器以及串联有源滤波器。总体控制策略包括多级电压再注入Transformer控制的变流器(MSVRITCC)将电压再注入电网以补偿电压和剩余参数以及潮流控制。所提出的拓扑结构提高了电网的安全性,灵活性,在达到所需的负载要求与电网的适应性,并降低了THD值到一个显着的值,并使控制的功率调节电路灵活,易于执行电网的电压补偿负载连接的应用。采用二进制控制来触发功率转换器电路,使控制变得更加简单。
2020-10-04 cs.SY eess.SY
Storage as a Transmission Asset (SATA) for Large-Load Congestion Relief
Michigan State University(密歇根州立大学)
研究超大规模数据中心等大负荷对输电网络的新需求,以储能系统作为输电资产(SATA)提供非线路替代方案,用日-前直流最优潮流评估,得出SATA调度可降低未供电能量等,表明储能运行指定是其输电价值主要驱动因素。
2026-07-07 cs.SY eess.SY
System-Level Impacts of Flexible Data Center Load Scheduling on Cost, Emissions, and Transmission Congestion
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
本文研究了灵活数据中心负载调度对运营成本、系统压力和排放的影响,发现最佳努力任务可调整至低边际电价时段,减少温室气体和有毒排放,降低传输拥堵,提升电网效率与可持续性。
2026-04-25 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
Electromagnetic Transient Model of Cryptocurrency Mining Loads for Low-Voltage Ride Through Assessment in Transmission Grids
本文开发了面向大型加密货币挖矿负荷的电磁暂态模型,通过EMTP软件构建并与商用ASIC矿机交叉验证,测试了多种故障场景下的低电压穿越能力,模型可扩展且易于集成到电网中。
2023-12-22 cs.SY eess.SY
Robust Probabilistic Analysis of Transmission Power Systems based on Equivalent Circuit Formulation
Carnegie Mellon University(卡内基梅隆大学)
本文提出一种简单随机采样蒙特卡洛方法用于传输线路功率系统的概率 contingency 分析,通过与标准潮流工具的蒙特卡洛模拟对比,验证了方法的有效性。
2018-04-20 cs.SY eess.SY
Strategic Data Center Load Shifting: Implications for Market Efficiency and Transmission Value
Laboratory for Information & Decision Systems, MIT(麻省理工学院信息与决策系统实验室);Department of Electrical & Computer Engineering, UW-Madison(威斯康星大学麦迪逊分校电气与计算机工程系)
本文研究了数据中心负载转移对市场效率和传输价值的影响,发现价格信号可能无法准确反映系统价值,提出了双区模型揭示两种市场失灵现象。
2026-02-18 cs.SY eess.SY
Coordination of Transmission and Distribution Systems in Load Restoration
针对集中式发电爬坡速率限制导致停电后负荷恢复延迟的问题,提出一体化输电与配电协调模型,利用配电系统中的DERs配合有限集中式发电加速负荷恢复,并在IEEE测试案例中验证了其有效性。
2024-06-26 cs.SY eess.SY
Non-parametric Probabilistic Load Flow using Gaussian Process Learning
School of Electrical and Electronics Engineering, Nanyang Technological University(南洋理工大学电气与电子工程学院)
在这项工作中,我们提出了一个非参数的概率潮流(NP-PLF)技术的基础上高斯过程(GP)学习,以了解电力系统的行为下的不确定性,更好的操作决策。该技术可以提供“半显式”的潮流解决方案,通过实施的学习和测试步骤,映射控制变量的输入。建议的NP-PLF利用GP置信上限(GP-UCB)采样算法。该NP-PLF方法的显著特点是:i)适用于具有未知分布的功率注入不确定性的潮流问题; ii)提供概率学习界(PLB),进一步提供对误差和收敛的控制; iii)能够处理间歇性分布式发电以及负载不确定性,和iv)适用于不同类型和大小的电力系统的平衡和不平衡潮流。IEEE 30节点和IEEE 118节点系统的仿真结果表明,该方法可以学习的电压函数的功率注入子空间使用少量的训练样本。此外,不同的输入不确定性分布的测试表明,完整的统计信息可以获得的概率潮流问题的平均百分比相对误差的顺序$10^{-3}$ \%的50000个测试点。
2020-03-18 cs.LG cs.SY eess.SY
Voltage and Frequency Stability Analysis of Transmission Power Grids with EV Charging Stations
King Fahd University of Petroleum & Minerals (KFUPM)(国王法赫德石油与矿物大学);Interdisciplinary Research Center for Sustainable Energy Systems (IRC-SES), KFUPM(可持续能源系统交叉研究中心);SDAIA-KFUPM Joint Research Center for Artificial Intelligence, KFUPM(沙特数据与人工智能局-国王法赫德石油与矿物大学人工智能联合研究中心);Georgia Institute of Technology(佐治亚理工学院);RMIT University(皇家墨尔本理工大学)
研究电动汽车充电站作为动态负荷对输电网电压和频率稳定性的影响,通过在IEEE-9和IEEE-39节点系统上仿真分析其稳定性挑战。
2026-05-26 cs.SY eess.SY
Virtual Transmission Lines from Data Center Workload Migration: Coordinated Multi-Year Transmission Expansion Planning
Shanghai Jiao Tong University(上海交通大学)
该研究针对AI数据中心电力需求增长导致的电力系统不匹配问题,提出将工作负载迁移建模为虚拟传输线,通过混合整数线性规划模型协调虚拟传输线与物理输电扩建,可降低成本、减少弃电并缓解拥堵。
2026-10-12 cs.SY eess.SY
Risk-Aware Allocation of Transmission Capacity for Large Loads
Thayer School of Engineering, Dartmouth College(达特茅斯学院泰勒工程学院)
本文提出面向风险的传输容量分配框架,通过鲁棒优化确定刚性容量,利用风险感知方法释放柔性容量,提升数据中心互联效率。
2026-09-16 cs.GT 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
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
Impact of Data Center Load on Co-Optimized Generation and Transmission Expansion Planning with Embedded Unit Commitment
University of Houston(休斯顿大学);Argonne National Laboratory(阿贡国家实验室)
本文研究多节点数据中心负荷对协同TEP与GEP的影响,构建嵌入UC的混合整数线性规划,发现该负荷会大幅增加系统成本与LMP,且最优规划从仅输电转为仅发电,发电可替代网络加固。
2026-10-14 cs.SY eess.SY
A Probabilistic Transmission Expansion Planning Methodology based on Roulette Wheel Selection and Social Welfare
Indian Institute of Technology Kanpur(印度理工学院坎普尔分校)
提出一种无需预先指定新增输电容量、利用社会福利概念的概率输电扩展规划方法,通过轮盘赌计算线路容量和潮流分析计算期望未供电量,并在改进IEEE 5节点系统上验证了仅新增线路不足以最小化期望未供电量。
2012-03-12 cs.AI cs.SY eess.SY
Probabilistic load flow calculation of AC/DC hybrid system based on cumulant method
电力系统的运行工况变得更加复杂多变。针对含有光伏并网系统的电压源换流器-高压直流(VSC-HVDC)混杂系统,提出了一种基于累积量法的概率潮流算法(PLF-CM)。首先,为变换器设置相应的控制模式,包括下垂控制和主从控制。采用统一迭代法计算常规交直流潮流。其次,在负荷和光伏出力概率模型的基础上,基于上述潮流计算结果,利用本文的相关系数矩阵将相关样本转化为独立样本,得到负荷和光伏出力的累积量;然后,在步骤S102,利用Gram-2方法得到了状态变量的概率密度函数和累积分布函数。查理级数展开法最后,在改进的IEEE 34节点和IEEE 57节点输电系统上计算了节点电压和线路功率的均值和标准差。该算法能够反映新能源固有的不确定性,并取代复杂的卷积运算,大大提高了计算速度和收敛性。
2022-02-16 cs.SY eess.SY math.PR
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
Robust AC Transmission Expansion Planning with Load and Renewable Generation Uncertainties
随着可再生能源(RESs)的集成,电力网络必须具有鲁棒性,以处理系统的不确定性场景。直流输电扩展规划(TEP)计划通常不适用于交流网络。本文首次提出了一种具有负荷和RESs发电量不确定性的AC TEP双层鲁棒优化(RO)求解方法。它利用了一个众所周知的凸松弛,并解决了弯曲分解(BD),其中主确定强大的AC TEP计划。一种新的双从模型开发的第二个层次的BD,它绕过了使用圆锥对偶理论(CDT)的问题,并在最坏情况下实现的不确定性,使用一组新的约束。开发的双从不是一个混合整数的问题,并使用原始对偶内点法(PDIPM)解决。所提出的工作还使用额外的线性约束,以减少BD的计算负担,并直接对最优的主人。基于蒙特卡罗仿真(MCS)的验证,通过实际的非线性和非凸AC最优潮流(OPF),证明了TEP计划的所有场景的100%的鲁棒性。
2021-08-26 cs.SY eess.SY
An Improved Transmission Switching Algorithm for Managing Post-(N-1) Contingency Violations in Electricity Networks
这封信是通过将搜索空间移动到甩负荷总线来改进传输切换(TS)性能的概念证明。过去的研究表明,改变输电系统拓扑结构会改变潮流,并消除事故后违规。因此,TS可以在N-1意外事故后减少甩负荷量。其中一个主要的挑战是在合适的时间找到最好的TS候选。在这封信中,最好的TS候选人是通过使用一种新的启发式双层方法的基础上线性灵敏度。建议的双层方法是很容易实现在现实世界中,保证消除后应急违规,并排名最佳的TS候选人的基础上最小的甩负荷可能。此外,所提出的方法是计算效率,因为它不涉及混合整数规划。在IEEE 39节点试验系统中,通过对N-1事故后输电系统拓扑结构的修改,实现了双水平方法。结果表明,具有发电再调度的TS是防止连锁故障的最佳切负荷恢复方案。此外,双水平的方法,即使在文献中的现有方法不能完全消除后偶然违规的情况下。
2020-06-23 cs.SY eess.SY
Emergency Control of Transmission Voltages by Coordinating DERs From Multiple Substations
ETH Zurich(苏黎世联邦理工学院)
针对高压力输电网络中的电压不稳定紧急情况,提出一种协调多个变电站的分布式能源资源与有载调压分接头的控制方案,通过轻量级通信增强长期电压稳定性。
2026-09-30 cs.SY eess.SY
Probabilistic Modeling and Simulation of Transmission Line Temperatures under Fluctuating Power Flows
ETH Zurich(苏黎世联邦理工学院);Imperial College(帝国理工学院)
本文提出一种概率建模与仿真方法,用于估计波动功率流下输电线路温度临界值的出现概率,通过改进算法提升计算效率,适用于短时运行评估。
2014-11-16 cs.SY eess.SY
bayesgrid: An Open-Source Python Tool for Generating Probabilistic Synthetic Transmission-Distribution Grids Using Bayesian Hierarchical Models
University of São Paulo(圣保罗大学);Washington State University(华盛顿州立大学);State University of São Paulo(圣保罗州立大学)
bayesgrid基于贝叶斯分层模型生成全球任意地区的概率性合成输电-配电网络,支持保存至开源平台并用于可靠性研究。
2026-03-04 cs.SY eess.SY
Optimal voltage control using singular value decomposition of fast decoupled load flow jacobian
本文基于快速解耦负荷流雅可比矩阵,通过奇异值分解实现最优电压控制,提出新的PV节点电压设定点,以最大化输入变化对输出变化的影响,测试了IEEE 9节点、14节点和30节点系统。
2018-08-06 cs.SY eess.SY
Flexible Training Workloads in Large-Scale AI Data Centers for Transient-Stability Support in Transmission-Constrained Power Systems
Korea Electrotechnology Research Institute(韩国电气技术研究院)
该研究提出训练诱导负载激增(TILS)策略,利用AI数据中心灵活训练负载,在故障后增加有功需求以支撑电力系统暂态稳定,提升暂态稳定约束下的发电极限。
2026-09-28 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 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
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
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
A New Market-Based Framework for Increasing Responsive Loads In Distribution Systems
本文面向响应负荷参与本地电力市场,提出一种市场化框架,通过DSO与TSO协作、激励机制和财务信号提升消费者参与及系统灵活性。
2023-12-05 cs.SY eess.SY
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
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
Industrial electrification in the era of data centers: A Bayesian Optimization approach for grid-aware large load allocation
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
提出领导者-跟随者双层优化框架,结合贝叶斯优化求解大负荷分配问题,以降低电网扩容成本和运行风险,并在模拟ERCOT的合成电网中验证了工业电气化与数据中心负荷的竞争与分布规律。
2026-06-23 cs.SY eess.SY
Extending Load Forecasting from Zonal Aggregates to Individual Nodes for Transmission System Operators
School of Engineering, Stanford University(斯坦福大学工程学院);Technical University Munich(慕尼黑技术大学);Czech Technical University in Prague(布拉格捷克技术大学);University of Granada(Granada大学);Monash University(墨尔本大学)
针对输电系统运营商,提出多层级负荷预测系统,将预测从区域扩展到节点,兼顾准确性与可解释性,显著提升节点预测性能。
2025-09-02 cs.HC cs.LG cs.SY
Modeling Load-, Velocity-, and Temperature-Dependent Transmission Errors of Cycloidal Drives for Industrial Robots Using Fourier Series
针对工业机器人摆线减速器传动误差,提出用傅里叶级数建模负载、速度、温度的影响,实验验证误差为0.026毫弧度,可用于前馈补偿提升路径精度。
2026-09-25 cs.RO cs.SY eess.SP
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
First Single-Carrier Transmission at Net Data Rates of 1.6 Tb/s over 9075 km and 2.4 Tb/s over 1210 km Using 300 GBd Dual-Polarization Signals and Probabilistic Constellation Shaping
本文首次展示基于300 GBd双偏振单载波与概率星座整形的长距离光传输,分别以PCS-16QAM和PCS-36QAM实现9075 km上1.6 Tb/s及1210 km上2.4 Tb/s的净数据率。
2024-08-21 cs.SY eess.SP eess.SY