Neural-Analytica Energy Functions for Power System Stability Analysis
School of Electrical and Electronic Engineering, Nanyang Technological University(南洋理工大学电气与电子工程学院)
本文提出一种神经-解析能量函数,结合神经网络与解析EF,用于电力系统稳定性分析,并通过迭代训练和定制损失函数实现,数值结果验证其优越性。
2026-09-29 cs.SY eess.SY
Stability Analysis using Quadratic Constraints for Systems with Neural Network Controllers
提出了一种分析具有神经网络控制器的反馈系统稳定性的方法。给出了两个稳定性定理来证明渐近稳定性和计算吸引域(ROA)的椭球内逼近。第一个定理处理线性时不变系统,并将李雅普诺夫理论与局部(扇区)二次约束结合起来,以约束神经网络中的非线性激活函数。第二个定理允许系统包括扰动,如未建模的动态,斜率限制的非线性,和时间延迟,使用积分二次约束(IQCs)来捕捉它们的输入/输出行为。这反过来又允许关一IQC通过捕获其斜率限制来细化激活函数的描述。这两个结果依赖于半定规划近似ROA。该方法说明了系统与神经网络训练,以稳定的非线性倒立摆以及车辆横向动力学与执行器的不确定性。
2021-01-26 cs.SY eess.SY
Scalable Formal Verification of Incremental Stability in Large-Scale Systems Using Graph Neural Networks
Indian Institute of Science, Bengaluru(印度科学研究所)
本文提出利用图神经网络进行大规模系统增量稳定性验证,通过构造局部李雅普诺夫函数并结合利普希茨界保证形式正确性。
2025-12-08 cs.SY eess.SY
Learning Neural Controllers with Optimality and Stability Guarantees Using Input-Output Dissipativity
University of Oxford(牛津大学)
本文提出一种神经控制器设计框架,通过学习神经存储函数和供应率函数,利用输入-输出耗散性实现稳定性与最优性,通过实验验证其有效性。
2025-06-06 cs.SY eess.SY
Transient Stability Assessment of Networked Microgrids Using Neural Lyapunov Methods
提出了一种基于神经李雅普诺夫方法的网络化微电网暂态稳定评估工具。将暂态稳定性评估问题转化为网络化微电网动态安全域的估计问题。我们利用神经网络在状态空间中学习局部李雅普诺夫函数。最大的安全区域估计的基础上学习的神经李雅普诺夫函数,它是用来表征扰动的网络微电网可以容忍。所提出的方法进行了测试和验证,在一个并网微电网,三个网络微电网混合接口动态,和IEEE 123节点馈线。算例分析表明,该方法可以解决具有异质界面动态的网络化微电网,与传统的基于二次李雅普诺夫函数的方法相比,该方法能够以更小的保守性来表征微电网的安全域.
2020-12-02 cs.SY eess.SY
Stability Verification for Switched Systems using Neural Multiple Lyapunov Functions
School of Automation and Intelligent Sensing, Shanghai 200240, China(自动化与智能感知学院)
本文提出神经多Lyapunov函数,结合理论保证与计算效率,用于状态依赖切换条件下的切换系统稳定性分析。
2026-01-02 cs.SY eess.SY
Stability of discrete-time feed-forward neural networks in NARX configuration
在机器学习应用于非线性系统辨识的早期,由于前馈神经网络(FFNN)结构简单,易于应用于控制设计,因此将其用作非线性自回归外生(NARX)模型的回归函数,从而得到本文中称为神经NARX(NNARX)的模型的思想已经相当流行。尽管如此,很少有理论结果是关于这些模型的稳定性。本文针对这一问题,给出了保证NNARX模型具有输入到状态稳定性(ISS)和增量输入到状态稳定性(δISS)的一个充分条件.这个条件是底层FFNN权重的不等式,可以在训练过程中强制执行,以确保模型的稳定性。所提出的模型,随着这一稳定性条件下,进行了测试的pH值中和过程的基准,显示出令人满意的结果。
2021-10-06 cs.SY eess.SY
Luré-Postnikov Stability Analysis of Closed-Loop Control Systems with Gated Recurrent Neural Network-based Virtual Sensors
本文提出LP-GRNN架构以解决基于GRU/LSTM的虚拟传感器在闭环控制系统中的稳定性问题,通过统一非线性算子形式将稳定性分析转化为可处理的线性矩阵不等式。
2025-12-05 cs.SY eess.SY
Structured Neural-PI Control for Networked Systems: Stability and Steady-State Optimality Guarantees
本文针对网络化系统控制提出结构化神经-PI控制器,利用平衡无关无源性提供稳定性保证,并扩展实现分布式最优资源分配,在交通和电力网络实验中优于现有方法。
2023-05-31 cs.SY eess.SY
Global $μ$-stability and finite-time control of octonion-valued neural networks with unbounded delays
八元数值神经网络(OVNN)是一种状态和权重都是八元数的神经网络。研究了具有无界异步时变时滞的八元数神经网络的全局$μ$稳定性和有限时间稳定性问题。为了避免八元数的非通信和非联想乘法特性,我们首先将OVNN等价地分解为八个实值神经网络(RVNN)。利用广义范数和Cauchy收敛原理,得到了OVNN平衡点存在唯一性和全局$μ$-稳定性的充分判据.通过增加控制器,将有限时间稳定性分析过程分为两个阶段,给出了保证OVNN有限时间稳定性的判据。此外,我们还证明了上述网络的自适应有限时间稳定性理论。最后给出了具体算例的仿真结果,验证了理论结果的有效性和正确性。
2020-03-25 cs.SY eess.SY math.DS
LSTM Neural Networks: Input to State Stability and Probabilistic Safety Verification
本文的目标是从动力系统的角度分析长短期记忆(LSTM)神经网络。描述LSTM演化的经典递归方程可以在状态空间形式中重铸,从而产生时不变的非线性动力系统。给出了该类系统输入-状态稳定性的充分条件。ISS属性需要LSTM的输出可达集的有界性。根据这一结果,一个新的方法来验证网络的安全性,基于场景的方法,设计。所提出的方法最终测试的pH值中和过程。
2020-05-28 cs.SY eess.SY
Aperiodic-sampled neural network controllers with closed-loop stability verifications (extended version)
本文提出两种基于闭环稳定性保证的非周期采样深度神经网络控制方案,利用积分二次约束和凸松弛设计触发逻辑并计算吸引域,倒立摆示例验证有效性。
2025-06-23 cs.SY eess.SY
Transient Stability of Power Systems Integrated With Inverter-Based Generation
传统电力系统暂态稳定的基本机理可以从同步发电机转子摆动动力学的角度得到物理上的理解。影响暂态稳定性的基本因素是发电机之间的功角关系。大量逆变电源接入电力系统后,不可避免地改变了系统原有的功角关系,导致系统暂态稳定机理更加复杂。本文分析了IBG对电力系统暂态稳定性的影响。结果表明,IBG的连接改变了原来的功角关系到一个非正弦曲线,引入了一个限制的转子摆动的峰值,因此带来了一个新的瓶颈的暂态稳定性。
2020-10-25 cs.SY eess.SY
A Scalable Nyquist Stability Criterion with Application to Power System Small-Signal Stability
针对具有异质子系统的电力系统,导出了分散稳定判据。利用广义奈奎斯特准则,导出了频率稳定性和区域间模式稳定性的条件。由此产生的可扩展的奈奎斯特稳定性准则只需要本地可用的信息,并给出了一个先验的稳定性保证连接到一个任意大的网络的新的子系统。该方法可以应用于一组通用的代理。例如,代理商的时间延迟,非最小相位执行器,甚至不稳定的动态。可扩展的奈奎斯特准则不区分具有或不具有同步惯性的节点,因此可以轻松将转换器接口的可再生能源纳入分析。在一个详细的非线性电力系统模型上验证了该方法的有效性。
2022-06-02 cs.SY eess.SY
Robust Stability of Neural Network Control Systems with Interval Matrix Uncertainties
本文针对区间矩阵不确定性下的神经网络控制系统,利用经典鲁棒稳定性技术和二次约束方法,提出基于线性矩阵不等式的鲁棒稳定性证书,并引入三个等价松弛条件,经倒立摆等实例验证有效。
2025-03-01 cs.SY eess.SY math.OC
Structured Neural-PI Control with End-to-End Stability and Output Tracking Guarantees
本文提出结构化神经PI控制器,利用严格凸神经网络参数化比例积分项的单调性,为多输入多输出系统提供可证明的稳定性与零稳态跟踪误差保证,并在交通和电力网络中验证其性能优势。
2023-05-28 cs.SY eess.SY
An incremental input-to-state stability condition for a generic class of recurrent neural networks
本文针对一类通用递归神经网络提出保守性更低的增量输入-状态稳定性充分条件,可用于相关控制系统设计等,且通过参考非线性系统仿真验证了理论结果。
2023-11-07 cs.SY eess.SY
Revisiting angle stability in power systems with grid-forming power converters
本文研究了电力系统中发电机在遭受小扰动或大扰动时保持同步能力的角度稳定性问题,提出了基于电压源换流器的稳定分析方法,并建议统一使用角度稳定性术语。
2026-05-19 cs.SY eess.SY
Long-Term Stability Analysis of Power Systems with Wind Power Based on Stochastic Differential Equations: Model Development and Foundations
Massachusetts Institute of Technology(麻省理工学院);Cornell University(康奈尔大学);Argonne National Laboratory(阿贡国家实验室);Jiangsu University(江苏大学)
本文提出基于理论的风电系统长期稳定性分析方法,通过数值实例验证了方法的准确性和高效性。
2015-06-11 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
Stability and feasibility of neural network-based controllers via output range analysis
神经网络可以用作几种复杂控制方案的近似,例如模型预测控制。在本文中,我们展示了以整流器线性单元作为激活函数的深度神经网络需要满足哪些属性,以保证闭环系统的约束满足和渐近稳定性。为此,我们引入了一个参数化的神经网络控制器的描述,并使用混合整数线性规划公式进行神经网络的输出范围分析。我们还提出了一种新的方法来修改神经网络控制器,使其在LQR意义上的平衡周围的区域中的最佳执行。所提出的方法使神经网络控制器的分析和设计与正式的安全保证,我们与仿真结果说明。
2020-04-01 cs.SY eess.SY math.OC
Transient Stability Analysis with Physics-Informed Neural Networks
Technical University of Denmark(丹麦技术大学)
我们探讨了使用物理信息的神经网络,大大加快解决常微分代数方程,管理电力系统动态的可能性。在暂态稳定评估中,传统的方法要么计算量大,要么需要模型简化,要么使用过于保守的代理模型。传统的神经网络可以规避这些限制,但面临着高质量的训练数据集的高需求,而他们忽略了底层的控制方程。物理信息的神经网络是不同的:它们将电力系统微分代数方程直接纳入神经网络训练,并大大减少了对训练数据的需求。本文深入研究了基于物理信息的神经网络在电力系统暂态稳定评估中的性能。引入一个新的神经网络训练过程,以促进彻底的比较,我们探讨如何物理知情的神经网络比较与传统的微分代数求解器和经典的神经网络在计算时间,数据的要求,和预测精度。我们说明了昆都尔两个区域系统的研究结果,并评估物理信息神经网络作为暂态稳定分析工具的机遇和挑战,突出可能的途径,以进一步发展这种方法。
2023-03-15 cs.LG cs.SY eess.SY
Stability of Non-linear Neural Feedback Loops using Sum of Squares
与传统控制器相比,神经网络控制器具有改善反馈系统性能的潜力,这是由于它们能够充当一般函数逼近器。然而,由于神经网络内部激活函数的非线性,量化其安全性和鲁棒性已被证明具有挑战性。一个关键的鲁棒性指标是证明反馈系统的稳定性,并提供一个区域的吸引力,这已经解决了在以前的文献。然而,这些工作只解决线性系统或需要一个抽象的植物非线性和约束他们使用斜率和扇区约束。在本文中,我们使用一个平方和规划框架,直接计算的神经网络控制器的非线性系统的稳定性。在这个框架内,我们可以提出更高阶的候选李雅普诺夫函数,具有更丰富的结构,能够更好地捕捉非线性系统的动态和神经网络中的非线性。我们还能够在连续时间内分析这些系统,而其他方法依赖于离散系统。这些高阶李雅普诺夫函数与约束神经网络输入-输出特性的不等式和等式约束上的高阶乘数结合使用。与其他方法相比,计算的吸引区域的体积增加,从而允许对系统的稳定性进行更好的安全保证。我们也能够很容易地分析非线性多项式系统,这是不可能做的其他方法。我们还能够对参数不确定性进行鲁棒性分析。我们使用数值例子显示我们的方法的好处。
2022-04-08 cs.SY eess.SY
On the stability properties of Gated Recurrent Units neural networks
Politecnico di Milano(米兰理工大学)
给出了保证GRU神经网络输入到状态稳定性(ISS)和增量输入到状态稳定性(δISS)的充分条件.这些条件是针对单层和多层结构设计的,由网络权重的非线性不等式组成。它们可以用来检查训练网络的稳定性,或者可以在GRU的训练过程中作为约束来实施。在四容水箱非线性基准系统上对训练过程进行了测试,显示出令人满意的建模性能。
2021-10-10 cs.LG cs.SY eess.SY
Formally Verified Neural Lyapunov Function for Incremental Input-to-State Stability of Unknown Systems
针对未知离散时间系统的 δ-ISS 验证问题,提出用神经网络和数据驱动损失训练类 Lyapunov 函数,并引入有效性条件实现形式化保证。
2025-01-10 cs.SY eess.SY
A Comprehensive Review on Power System Risk-Based Transient Stability
电力系统正变得比以往任何时候都更加复杂,因此运行接近其稳定极限。此外,随着可再生风力发电需求的不断增长,以及维持安全电力系统的要求,暂态稳定的重要性不能被高估。考虑到其在电力系统安全中的重要性,重要的是提出一种不同的方法来提高暂态稳定性,考虑不确定性。目前确定性的工业实践的暂态稳定评估忽略了变量(故障类型,故障位置,故障清除时间等)的概率性质。这些方法通常提供了一个谨慎的原则,并可能导致高价的扩张项目或运营限制。随着系统不确定性的增加和电力市场的普遍放松,传统的暂态稳定分析中引入风险因素有很强的必然性。随着电力系统动态特性的日益复杂化,对现代电网的暂态稳定性进行准确评估已成为规划和实时运行中的一项严格要求。此外,预测状态和故障反应中的不确定性来源的增加高度意味着在评估暂态稳定性中实施基于风险的方法。因此,本文旨在提供一个全面的审查基于风险的电力网络暂态稳定性和相关的研究。相信这篇综述可以为电力系统规划和安全领域的研究人员提供一个开端。
2022-06-08 cs.SY eess.SY
Improved Sum-of-Squares Stability Verification of Neural-Network-Based Controllers
本文改进了基于半代数集和凸半定规划的神经网络控制系统闭环稳定性验证框架,通过引入新激活函数兼容RENs和RNNs,提出替代证明及两个简化局部稳定性和吸引域分析的新优化问题,并在数值示例中验证了有效性。
2025-07-14 cs.SY eess.SY
Model-Free Power System Stability Enhancement with Dissipativity-Based Neural Control
ETH Zurich(苏黎世联邦理工学院);Zhejiang University(浙江大学);The University of Melbourne(墨尔本大学)
本文提出一种无模型、非线性、基于耗散性的控制器,用于提升电网连接虚拟同步发电机的暂态稳定性,通过输入状态数据训练神经网络学习耗散性特征矩阵,并结合成本函数塑造提升性能。
2026-04-07 cs.SY eess.SY
Physics-guided neural networks for feedforward control with input-to-state stability guarantees
针对神经网络前馈外推不安全的问题,提出融合物理层与神经层的PGNN架构及输入到状态稳定性条件,并在工业直线电机上实现2倍性能提升。
2023-09-11 cs.SY eess.SY
Physics-Infused Neural MPC of a DC-DC Boost Converter with Adaptive Transient Recovery and Enhanced Dynamic Stability
Elmore Family School of Electrical and Computer Engineering, Purdue University(普渡大学埃尔莫电气与计算机工程学院)
提出一种物理信息神经网络(PINN)结合有限控制集模型预测控制(FCS-MPC)的方法,用于DC-DC升压变换器,实现自适应暂态恢复、显式占空比控制和增强动态稳定性。
2026-03-22 cs.SY eess.SY
Stability Constrained Optimization in High IBR-Penetrated Power Systems-Part II: Constraint Validation and Applications
本文验证了第一部分导出的稳定性约束的准确性和保守性,并将其应用于最优系统调度模型,同时提出了一种边际机组定价方案以量化稳定性服务的经济价值。
2026-05-23 cs.SY eess.SY
Voltage Stability Constrained Unit Commitment in High IBG-Penetrated Power Systems
随着可再生能源的日益普及,电力系统的运行必须适应电力电子(PE)接口发电机的特点,以确保系统的稳定性和安全性。传统电力系统中的静态电压稳定性主要受重负荷条件的影响,由于PE接口设备的大规模集成,静态电压稳定性面临新的挑战。研究了高渗透率系统的静态电压稳定问题。在考虑不同逆变器发电机(IBG)相互作用的情况下,推导了IBG节点电压稳定性的解析判据。在此基础上,提出了一种通过动态优化IBG的有功和无功输出,在保证正常运行时电压稳定的同时,使系统总运行成本最小的系统优化调度模型。该方法将高度非线性的电压稳定约束有效地转化为二阶锥(SOC)形式,并结合交流潮流和频率约束的SOC重构,得到了一个整体的混合控制SOC规划(MISOCP)。所提出的模型的有效性和各种因素对电压稳定性的影响,证明了在彻底的案例研究。
2021-12-06 cs.SY eess.SY
Characterizing the Role of Complex Power in Small-Signal Synchronization Stability of Multi-Converter Power Systems
本文研究复功率对多变流器电力系统小信号同步稳定性的影响规律,建立系统模型并提出稳定性指标,将复功率对稳定裕度的作用解析为加权求和形式,揭示了有功功率产生与消耗间的抵消效应以防止失稳问题。
2024-02-14 cs.SY eess.SY
Neural Network Certification Informed Power System Transient Stability Preventive Control with Renewable Energy
针对含可再生能源和负荷不确定性的TSC-OPF,本文利用DBN替代时域仿真并嵌入内点法,结合α, β-CROWN认证动态调整安全裕度,实现低成本且经安全验证的预防控制。
2024-11-13 cs.SY eess.SY
A Data-Driven Energy Storage System-Based Algorithm for Monitoring the Small-Signal Stability of Power Grids with Volatile Wind Power
提出了一种基于数据驱动的储能系统(ESS)的方法,以提高间歇性风电高渗透率电网的在线小信号稳定监测能力。为了准确地估计与系统的固有稳定特性密切相关的区域间模式,开发了一种利用广域测量系统(WAMS)和ESS技术的最新进展的新算法。结果表明,该方法可以平滑风功率波动在近实时使用一个小的额外ESS容量,从而显着提高小信号稳定性的监测。IEEE 68节点系统的动态Monte Carlo仿真结果验证了该算法在平滑风功率和估计区域间模式统计特性方面的有效性。
2021-02-22 cs.SY eess.SY
Toward Distributed Stability Analytics for Power Systems with Heterogeneous Bus Dynamics
随着连接到电力系统的各种电力设备数量的增加,稳定性问题出现。这种电力系统的稳定性分析需要适应异构性和可扩展性。本文推导了一个局部无源性指标条件,该条件保证了具有互联、非线性、异质母线动态的无耗电力系统的全系统稳定性。我们的条件要求每个总线动态是输出反馈无源的,具有足够大的索引w.r.t.特别供应率。这个条件适用于许多现有的模型,因为它只限制输入输出属性,而不是详细的动态。此外,三个典型的例子,总线动态电力系统,我们表明,这种情况下,可以通过适当的控制设计。在一个3节点异构电力系统上的仿真验证了我们的结果在无损和有损的情况下。同时也证明了该条件的保守性以及对暂态稳定的影响。结果表明,本文的条件是严格的,较大的指数有利于暂态稳定.
2019-08-02 cs.SY eess.SY
Gain and Phase: Decentralized Stability Conditions for Power Electronics-Dominated Power Systems
本文基于小增益定理与小相位定理提出多变换器系统的分散式稳定性条件,以分散开环方式评估闭环稳定性,计算更轻量且保守性更低,适用于含GFL、GFM及同步发电机的大规模异构电力系统。
2024-01-10 cs.SY eess.SY
A steady-state stability analysis of uniform synchronous power grid topologies
Motter等人导出了一个实值主稳定性函数,该函数确定给定电网是否渐近稳定以及在多大程度上渐近稳定。Stright和Edrington在网格的组件上采用了某些一致性假设,并证明了使用这些组件获得的拓扑结构的差异如何影响最终网格的稳定性。在这项工作的基础上,我们通过模拟显示的物理意义的稳定性,而不是不稳定性。我们表明,稳定的拓扑结构,增加稳定性可以对应于发电机转矩脉动降低。我们还描述了如何在电网拓扑结构的一些基本变化可以影响稳定值。某些抽象的循环网格的已知稳定性值被用来量化的稳定性增强互连密度的增加。
2019-06-12 cs.SY eess.SY
Impact of Virtual Inertia on DC Grid Stability with Constant Power Loads
虚拟惯性是一种有效的控制方法,以衰减电压突变期间的过渡事件在低惯性直流电网。虽然已经提出了实现虚拟惯性的方法,但其对恒定功率负载(CPL)存在下的DC电网稳定性的影响仍然不清楚。在本文中,我们进行了严格的稳定性分析与CPL的虚拟惯性增强转换器供电的直流电网。我们推导出一个封闭形式的稳定性准则,可用于评估虚拟惯性对系统稳定性的影响,并证明,给定一组系统参数,可以提高一系列的虚拟惯性设计的直流电网供电CPL的稳定性。我们提供的最佳虚拟惯性,提高稳定性和最大虚拟惯性,不恶化稳定性的解析表达式。此外,我们提出了一个循序渐进的指导方针,设计一个稳定的直流电网与虚拟惯性。测试结果验证了分析。
2023-02-08 cs.SY eess.SY
Robust Stability of Neural Network-controlled Nonlinear Systems with Parametric Variability
Iowa State University(爱荷华州立大学)
稳定性证明和确定一个安全稳定的初始集是保证动态系统运行安全性、稳定性和鲁棒性的两个重要问题。随着机器学习工具的出现,这些问题需要在反馈回路中使用机器学习组件的系统中得到解决。为了发展一个一般性的理论,神经网络(NN)控制的非线性系统的稳定性和可镇定性的有界参数变化,提出了一个基于Lyapunov的稳定性证明,并进一步用于设计一个最大Lipschitz界的NN控制器,也是一个相应的最大区域的吸引力(RoA)内给定的安全操作域。为了计算这样一个鲁棒稳定神经网络控制器,也最大限度地提高系统的长期运行效用,一个稳定性保证的训练(SGT)算法。通过一个示例验证了该框架的有效性。
2022-08-31 cs.LG cs.SY eess.SY
Synchronization of Power Systems and Kuramoto Oscillators: A Regional Stability Framework
The University of Hong Kong(香港大学)
本文提出一种区域稳定性分析框架,用于解决电力系统暂态稳定性和非均匀库莫托振荡器同步问题,通过新的同步定义和区域参数化李雅普诺夫函数,推导出两个代数稳定性条件,并首次明确给出了电力系统的吸引域估计。
2018-04-05 cs.SY eess.SY
Impact of Synchronous Condensers on Power System Static Voltage Stability Considering Line Contingencies in the Presence of Renewable Generation
日益增长的电力负荷对电力系统的运行和稳定性产生了巨大的影响。此外,可再生能源发电的整合对未来电力系统提出了各种挑战,特别是在稳定性方面。因此,本文提出了同步电容器(SC)的静态电压稳定性分析的测试传输网络,考虑线路事故,在可再生能源发电的存在下的影响。本研究的主要目的是确定关键总线在电力系统时,线路事故发生。本研究考虑了(N-1)和(N-2)意外事件。还评估了可再生能源发电的影响。为了分析静态电压稳定性,传统的功率-电压(P-V)曲线法,采用连续潮流(CPF),应用于IEEE 14节点测试系统。使用DIgSILENT PowerFactory软件模拟来获得结果。考虑到(N-1)和(N-2)线路突发事件,P-V分析准确地量化了两种情况下的关键总线。
2021-11-22 cs.SY eess.SY
Latent-Feature-Informed Neural ODE Modeling for Lightweight Stability Evaluation of Black-box Grid-Tied Inverters
本文提出LFI-NODE模型,通过轨迹数据实现轻量级黑盒逆变器稳定性评估,显著减少训练样本需求并提升预测精度。
2025-10-10 cs.SY eess.SY
Active-power control strategies in grid-forming power converters to improve transient stability in power systems with 100% converter-based generation
Instituto de Investigación Tecnológica (IIT)(技术研究研究所)
本文研究了三种电网形成电压源转换器中的主动功率控制策略,通过短路仿真验证了其在提高100%基于转换器发电系统暂态稳定性中的有效性。
2026-03-22 cs.SY eess.SY
Stability Analysis of Complementarity Systems with Neural Network Controllers
University of Pennsylvania(宾夕法尼亚大学);Johns Hopkins University(约翰斯·霍普金斯大学)
互补问题是一类具有正交约束的数学优化问题,由于其对非光滑现象(例如,接触动力学)。本文提出了一种分析具有神经网络控制器的互补系统稳定性的方法。首先,我们介绍了一种方法来表示具有整流线性单元(ReLU)激活的神经网络作为线性互补问题的解决方案。然后,我们证明了具有ReLU网络控制器的系统具有等价的线性互补系统(LCS)描述。使用LCS表示,我们把稳定性验证问题转化为一个线性矩阵不等式(LMI)的可行性问题。我们展示了几个例子,包括多接触问题和摩擦模型与非唯一的解决方案的方法。
2020-11-15 cs.RO cs.SY eess.SY
Recurrent Neural Network Controllers Synthesis with Stability Guarantees for Partially Observed Systems
University of California, Berkeley(加州大学伯克利分校);University of Michigan(密歇根大学);Virginia Tech(弗吉尼亚理工大学)
神经网络控制器由于其灵活性和表现力而在控制任务中变得流行。稳定性是安全关键动力系统的一个重要特性,而部分观测系统的稳定性,在许多情况下,需要控制器保持和处理过去的长期记忆。将一类重要的递归神经网络(RNN)作为非线性不确定部分可观测系统的动态控制器,基于积分二次约束、S引理和序列凸化方法,推导出凸稳定性条件.为了确保在学习和控制过程中的稳定性,我们提出了一个投影的政策梯度方法,迭代地执行的稳定性条件,在重新参数化的空间,利用温和的额外信息系统动态。数值实验表明,我们的方法学习稳定控制器,而使用更少的样本,并取得更高的最终性能相比,政策梯度。
2021-12-07 cs.AI cs.RO cs.SY
Towards dynamic stability analysis of sustainable power grids using graph neural networks
Potsdam Institute for Climate Impact Research(波茨坦气候影响研究所);University of St.Gallen(圣加仑大学)
为了减缓气候变化,需要增加可再生能源的份额。可再生能源由于分散化、生产惯性和波动性的降低,给电网带来了新的挑战。可再生能源高度渗透的可持续电网运行需要新的动态稳定性分析方法。我们提供了新的数据集的动态稳定的合成电网,并发现,图神经网络(GNNs)是令人惊讶的有效预测高度非线性的目标,从拓扑信息。为了说明扩展到实际规模的电网的潜力,我们展示了成功的预测得克萨斯州的电网模型。
2022-12-21 cs.LG cs.SY eess.SY
Goal-Conditioned Neural ODEs with Guaranteed Safety and Stability for Learning-Based All-Pairs Motion Planning
Australian Centre for Robotics(澳大利亚机器人中心);School of Aerospace, Mechanical and Mechatronic Engineering(航空航天、机械与机电工程学院)
本文提出了一种基于学习的全对运动规划方法,通过双 Lipschitz 双射构造平滑的目标条件神经ODEs,理论结果表明该模型在任意目标位置下能保证全局指数稳定性与安全性,且提供了收敛速率、跟踪误差和向量场大小的显式界。
2026-09-23 cs.RO cs.SY eess.SY
Compositionally Verifiable Vector Neural Lyapunov Functions for Stability Analysis of Interconnected Nonlinear Systems
本文利用互联非线性系统的组合结构,验证高维系统的神经Lyapunov函数,克服维数灾难,并通过Zubov方程训练的函数在数值实验中优于SOS多项式方法。
2024-03-15 cs.SY eess.SY math.OC
Linear systems with neural network nonlinearities: Improved stability analysis via acausal Zames-Falb multipliers
University of Stuttgart(斯图加特大学);RWTH Aachen University(亚琛工业大学)
本文分析了具有神经网络非线性的线性定常系统的反馈关联在离散时间的稳定性。我们的分析是基于抽象的神经网络使用积分二次约束(IQCs),利用扇区有界和斜率限制结构的底层激活函数。与现有的方法相比,我们充分利用动态IQCs的潜力,以不太保守的方式来描述非线性激活函数。准确地说,我们认为乘数的基础上的全块Yakubovich /圆准则结合因果Zames-Falb乘数,导致线性矩阵不等式的稳定性证书。我们的方法提供了一个灵活和通用的框架,神经网络非线性反馈互连的稳定性分析,允许权衡计算效率和保守性。最后,我们提供了数值例子,证明了所提出的框架的适用性和可实现的改进,比以前的方法。
2021-09-30 cs.LG cs.SY eess.SY
Negative Imaginary Neural ODEs: Learning to Control Mechanical Systems with Stability Guarantees
Australian Centre for Robotics and School of Aerospace, Mechanical and Mechatronic Engineering, The University of Sydney(澳大利亚机器人中心和航空航天、机械与机电工程学院,悉尼大学)
提出NINODE控制器,利用哈密顿框架下的神经网络确保系统负虚性质,在特定条件下实现机械系统渐近稳定,并提供稳定性保证。
2025-04-28 cs.LG cs.SY eess.SY
Stability properties of Minimal Gated Unit neural networks
University of Bergamo(贝加莫大学)
针对资源受限环境,分析最小门控单元网络的输入-状态稳定性,导出充分参数条件,提出稳定性促进训练方法,在合成数据和Silverbox基准上验证其参数效率与推理速度优势。
2026-06-12 cs.SY eess.SY math.OC
Stability Via Adversarial Training of Neural Network Stochastic Control of Mean-Field Type
NYUAD Research Institute, New York University Abu Dhabi(纽约大学阿布扎比分校NYUAD研究院)
在本文中,我们提出了一种方法,神经网络的平均场型控制和它的随机稳定性分析,通过对抗性输入(又名对抗性攻击)。这是一类数据驱动的平均场型控制,其中变量的分布,如系统状态和控制输入被纳入问题。此外,我们提出了一种方法来验证通过神经网络的解决方案的近似的可行性,并评估其稳定性。此外,我们通过扩大训练集的对抗性输入,以获得一个更强大的神经网络增强稳定性。最后,一个基于线性二次平均场型控制问题(LQ-MTC)的算例来说明我们的方法。
2022-09-27 cs.CR cs.LG cs.SY
Decentralized Stability-Constrained Optimal Power Flow for Inverter-Based Power Systems
Johns Hopkins University(约翰斯·霍普金斯大学)
本文提出了一种去中心化的稳定性约束最优功率流框架,通过引入代数去中心化小扰动稳定性准则,实现对逆变器主导电力系统稳定性约束的高效优化,揭示了无功功率机会成本的重要性。
2026-04-19 cs.SY eess.SY math.OC