Power-balancing dual-port grid-forming power converter control for renewable integration and hybrid AC/DC power systems
在这项工作中,我们调查网格形成(GFM)控制的DC/AC功率转换器在新兴的电力系统,包含AC和DC网络,可再生能源发电,和传统的发电。我们提出了一种新的功率平衡GFM控制策略,该策略同时形成转换器交流和直流电压(即,双端口GFM),统一了标准网格跟踪(GFL)和GFM功能,并向后兼容传统的基于机器的生成。值得注意的是,与使用电网形成和电网跟随控制的混合的最新控制架构相比,双端口GFM控制可以独立于转换器电源或网络配置而使用。我们的主要贡献是稳定性条件,涵盖新兴的混合AC/DC网络,以及机器和转换器与不受控电源,只需要系统拓扑结构的知识。最后,通过一个具体的案例分析来说明和验证结果。
2022-07-19 math.OC
Real-time Decentralized and Robust Voltage Control in Distribution Networks
电压控制在配电网的运行中起着重要的作用,特别是当可再生能源大量渗透时。在本文中,我们专注于通过无功补偿的电压控制,并研究不同的信息结构如何影响控制性能。特别是,我们首先表明,仅使用电压测量来确定无功功率补偿是不足以维持电压在可接受的范围内。然后,我们提出了两个完全分散的和强大的算法,通过添加额外的信息,它可以稳定在可接受的范围内的电压。具有较高复杂度的一个可以进一步最小化特定形式的无功功率补偿的成本。这两种算法都只使用局部测量和局部变量,不需要通信。此外,这两种算法对异构的更新速率和延迟是鲁棒的。
2016-06-27 math.OC
Voltage Control Using Limited Communication
在配电网络中,可再生能源发电的日益普及需要更快和更复杂的电压控制。不幸的是,最近的研究表明,本地电压控制无法实现所需的调节,除非有控制器之间的通信。然而,与大容量传输系统相比,配电系统的通信基础设施不太可靠,也不太普遍。在本文中,我们设计了分布式电压控制,使用有限的通信。也就是说,对于每个控制步骤,仅相邻总线需要在彼此之间传送几个比特。我们调查这些控制器如何可以实现所需的渐近行为的电压调节,我们提供上界的位数,需要确保预定义的精度的规定。最后,我们通过数值模拟说明了结果。
2019-02-27 math.OC
Deep-Learning-Aided Voltage-Stability-Enhancing Stochastic Distribution Network Reconfiguration
由于可再生能源发电量和动态负荷的增加造成了严重的电压违规和无功储备不足,配电网正在接近其电压稳定边界。在广泛的努力来解决这个问题,我们专注于提高电压稳定性,通过随机配电网络重构(SDNR),优化(径向)拓扑结构的配电网络下不确定的发电和负载。我们提出了一种深度学习方法来解决这个具有计算挑战性的问题。具体来说,我们建立了一个卷积神经网络模型,从SDNR决策中预测相关的电压稳定性指标。然后,我们将此预测模型集成到连续的分支减少算法,以重新配置一个径向网络的优化性能方面的功率损耗减少和电压稳定性增强。两个IEEE网络模型的数值结果验证了SDNR对提高电压稳定性的重要性和所提方法的计算效率。
2022-08-17 math.OC
Optimal Transmission Switching with Uncertainties from both Renewable Energy and N-k Contingencies
针对 VRE 与 N-k 事故双重不确定性,提出三阶段随机—分布鲁棒安全约束 OTS 模型及嵌套 C&CG 与 Dantzig-Wolfe 联合求解算法,并通过 IEEE 与实际网络验证有效性。
2023-04-27 math.OC
Photovoltaic Generation in Distribution Networks: Optimal vs. Random Installation
目前,部署光伏分布式发电(PVDG)的常见做法是在配电网中基于客户的安装。PVDG应用水平的提高和公用事业的快速批准引起了人们对PVDG安装对配电网运营的负面影响的关注,例如反向功率流和不期望的电压波动。一个潜在的解决方案是优化这些分布式可再生能源的选址和规模。本文提出了一种比较研究的PVDG的最佳和随机安装与后者建模现实生活中的客户为基础的可再生能源集成。所提出的模型检查和比较PVDG安装对配电网运行的影响。数值模拟已经进行了本地配电网络模型与现实的负载配置文件,GIS信息,当地太阳日照,馈线和电压设置。结果发现,当配电系统有一个中等的渗透率最佳PVDG安装可能会引入比随机安装的电压偏差和能量损失减少方面的本质改善。然而,如果渗透率非常低或非常高,则两者之间不会有显著差异。
2017-12-12 math.OC
Reverse and Forward Engineering of Local Voltage Control in Distribution Networks
可再生能源和分布式能源在配电网中的渗透率越来越高,这就要求实时分布式电压控制。在本文中,我们研究本地电压/无功控制与一般类的控制功能,并表明,电力系统动态与非增量本地电压控制可以看作是分布式算法解决一个定义明确的最优化问题(逆向工程)。逆向工程进一步揭示了非增量电压控制的根本局限性:收敛条件是限制性的,并阻止在平衡时更好的电压调节。这促使我们设计两个增量局部电压控制方案的基础上,分别为解决同一个最优化问题(正向工程)的次梯度和伪梯度算法。新的控制方案解耦的动力学性质的平衡性质,并有更少的限制收敛条件。这项工作提出了另一个步骤,发展一个新的基础-网络动态优化算法-分布式实时控制和优化未来的电力网络。
2018-07-18 math.OC
Optimal Voltage Control Using Online Exponential Barrier Method
University of Wisconsin–Madison(威斯康星大学麦迪逊分校);University of Washington(华盛顿大学)
本文提出在线指数障碍法,解决模型信息不准确下高比例可再生能源配电系统的最优电压控制问题,利用在线反馈增强鲁棒性并结合电压约束保障安全,在56节点辐射状网络中验证了其显著优于现有方法的鲁棒性。
2025-10-12 cs.SY eess.SY math.OC
Voltage Control in the Presence of Photovoltaic Systems
在过去的十年中,能源生产的格局不得不转变,以适应可再生能源。与化石燃料不同,它会受到频繁波动的影响;可能会破坏电网运营商的稳定。随着对太阳能光伏系统安装的持续需求,电力公司迫切需要调节低压配电网的电压。我们开发了一个随机模型的电压上升注入到电网的功率的函数。该模型形成为伽马随机变量的线性组合。这是通过找到稀疏基并通过其与这些基的相关性将数据聚类到子集中,并在每个子集内拟合Γ分布来实现的。我们关注的是建模电压上升,同时考虑到稀疏的电压事件。我们使用稀疏奇异值分解(SVD)与$\ell_1$惩罚模型稀疏电压上升。在具有较大线路阻抗的光伏系统的公共耦合点(PCC)处观察到电压上升的更多随机性和无序性。提出了一种用于调节单相太阳能光伏系统的PCC处的电压的控制器。该控制器采用随机模型,以最大限度地减少电压上升的风险。仿真结果表明,该电压控制器可以更有效地降低电压比传统的电压调节器期间的高太阳能光伏输出。
2016-12-05 math.OC
A Framework for Robust Steady-State Voltage Stability of Distribution Systems
配电网中的功率注入不确定性,这主要是由间歇性可再生能源的积极引入引起的,可能会使系统远离正常运行状态,并可能导致长期电压稳定性(LTVS)的损失。自然地,对用于评估配电系统的LTVS的工具的需求不断增加。本文提出了一种快速可靠的工具来构造多维注入空间中LTVS区域的\emph{inner approximations},使得我们构造的区域中的每个点都是可解的。数值模拟表明,我们的方法优于所有现有的内逼近方法在大多数情况下。此外,所构造的区域被示出为覆盖真实电压稳定区域的相当大的部分。本文稍后将讨论一些重要的应用所提出的技术,包括快速筛选可行的注入变化,构建一个有效的可解性指数和严格认证的负载能力限制。
2018-11-20 math.OC
Day-Ahead Energy Market as Adjustable Robust Optimization: Spatio-Temporal Pricing of Dispatchable Generators, Storage Batteries, and Uncertain Renewable Resources
我们提出了一天前的时空能源市场的建模和分析,其中每个有竞争力的聚合器的目的是通过管理不同的能源资源,如传统的发电机,蓄电池和不确定的可再生资源的复杂混合物,以赚取最高的利润。首先,我们开发了一个能源市场模型的可调鲁棒凸规划。这种市场建模是新颖的,因为每个聚合器的生产费用函数(评估实现一定量的时空能源生产的成本)是由“参数化”产生的多变量函数最大-最小程序,其中生产费用函数的变量作为连续参数而可调度资源的变量作为能量的可调节变量而被涉及平衡该公式能够以统一的方式合理地评估跨期可调度性增强的奖励和可再生能源不确定性的惩罚。此外,它能够强制执行市场监管,其中每个聚合器负责通过管理自己的可调度能源资源来吸收他的可再生能源不确定性。其次,从社会经济和个人经济的角度出发,在几个光伏渗透水平的前提下进行了数值分析。在这个数值分析,我们证明,可再生能源发电机并不总是有优先级的能源供应高于传统发电机,由于其不确定性和有限的可调度性,这意味着传统和可再生能源发电机的优点顺序可以逆转。此外,我们分析了竞争性能源市场的长期演变表明,可以找到一个社会均衡的电池渗透水平,在电池系统的增强,实现最大的个人利润。
2019-10-18 math.OC
Stochastic Reactive Power Management in Microgrids with Renewables
本文提出一种随机无功补偿方案,通过在线控制实现无功管理,验证了其在工业微电网和住宅配电网络中的有效性,能跟踪太阳能发电和家庭需求的变化。
2014-11-14 cs.SY eess.SY math.OC
Input Convex Neural Networks for Optimal Voltage Regulation
可再生能源在配电网中的渗透率越来越高,需要更快、更先进的电压调节策略。一种有前途的方法是将该问题公式化为最优化问题,其中计算来自逆变器的最优无功功率注入以在满足电力网络约束的同时保持电压。然而,现有的优化算法需要精确的拓扑结构和线路参数的底层配电系统,这是不知道的,在大多数情况下,是难以推断。在本文中,我们提出使用专门设计的神经网络来解决学习和最优化问题在一起。在训练阶段,所提出的输入凸神经网络学习功率注入和电压之间的映射。在电压调节阶段,这种训练的网络可以找到最佳的无功功率注入设计。利用训练好的神经网络,我们还提供了一个实用的分布式算法。理论界的表示性能和学习效率的模型进行了讨论。对多个测试系统进行了数值模拟,以说明该算法的操作。
2020-02-21 eess.SP math.OC
Model-Free Optimal Voltage Control via Continuous-Time Zeroth-Order Methods
在配电系统中,可再生能源的日益普及给维持电压安全带来了新的挑战,而配电系统的有限模型信息又使这一挑战变得更加复杂。为了解决这些挑战,我们开发了一个无模型的最优电压控制算法的基础上投影原始-对偶梯度动态和连续时间零阶方法(极值搜索控制)。所提出的算法i)纯粹基于电压测量进行操作,并且不需要任何其他模型信息,ii)可以将电压幅度驱动回到可接受的范围,iii)始终满足功率容量约束,iv)最小化总操作成本,以及v)以分散的方式实现,其中保护可控设备的隐私并且实现即插即用操作。我们证明了所提出的算法是半全局实际渐近稳定的,并且对测量噪声具有结构鲁棒性。最后,通过数值模拟进一步证明了所提出算法的性能。
2021-03-26 cs.SY eess.SY math.OC
Energy storage applications for low voltage consumers in Uruguay
能量存储可以用于智能电网中的许多应用,例如能量套利、调峰、功率因数校正、能量备份等,并且可以在增加电力网络容纳可再生能源的容量方面发挥重要作用。通常,根据电力网络计费结构、可靠性限制和其他本地电力网络规范,存储控制算法将需要是\textit{tailored}。在本文中,我们探讨了乌拉圭的住宅储能应用,乌拉圭是可再生能源的全球领导者之一,最近推出了新的低压消费者合同。基于这些计费机制,我们专注于能源套利和无功能量补偿的最终用户的消费成本最小化的目的。考虑到在新的接触中,电力的购买和销售价格是相等的,并且无功功率补偿主要由安装的转换器控制,存储操作对参数不确定性不敏感,因此,决策不需要前瞻。提出了一种基于阈值的\textit{hierarchical}控制器,该控制器决定用于套利的最佳有功能量,并使用剩余的换流器容量进行无功补偿,从而增加最终用户的利润。数值结果表明,存储可能是有利可图的,即使考虑电池退化,根据一些但不是所有的研究合同。对于不适合的情况,我们建议最适合的合同。这里提出的结果可以很自然地适用于关税结构满足在这项工作中考虑的假设。
2020-02-11 cs.SY eess.SY math.OC
Optimized energy utilization in small and large commercial loads and residential areas
在智能电网中,需求侧管理(DSM)技术需要被设计为处理大量的几种类型的可控负荷。在本文中,我们提出了一个框架来研究智能电网的需求侧管理,其中包含各种负荷在两个服务区,一个与多个居民家庭,一个总线与商业客户。具体地,每个家庭可以具有可再生发电以及可中断和不可中断的电器,以进行单独的调度,从而通过根据电价的提前一天预测进行最佳的用电时间来优化电能成本。高负荷母线代表一个商业区域,用于演示任何母线上的高负荷对电压分布、功率损耗和负荷潮流条件的影响,并显示建议的DSM对大量电器的性能。使用开发的仿真模型,我们研究了拟议的DSM的性能,并研究了它们对配电网运行和可再生能源发电的影响,整体电压偏差,有功功率损耗,以及可能出现的问题,如反向潮流,电压上升进行了研究和比较,这些问题可以很容易地看到在商业负载总线。
2019-06-25 cs.SY eess.SY math.OC
Subjective-Objective Median-based Importance Technique (SOMIT) to Aid Multi-Criteria Renewable Energy Evaluation
Singapore University of Social Sciences(新加坡社会科学大学)
SOMIT是一种结合主观和客观方法的新技术,用于确定多准则决策中的标准权重,以提升可再生能源评估的准确性和效率。
2026-01-06 math.OC
Distributed Frequency and Voltage Control for AC Microgrids based on Primal-Dual Gradient Dynamics
随着发电向可再生能源的逐步转型,分布式能源对电网稳定的影响越来越大。为了让所有参与者共同解决这一具有挑战性的任务,我们提出了一个分布式的,基于模型的和统一的控制器,在交流微电网的频率和电压调节,稳态最优控制的基础上。它不仅统一了频率和电压控制,而且还结合了经典的一级,二级和三级控制层,每个闭环平衡是一个用户定义的费用函数的最小化。通过在相应的最优化问题中将单独的电压极限视为附加约束,不需要电压设定点的上级规范。由于微电网的动态模型具有端口哈密顿结构,因此可以使用移位无源性特性来评估整个系统的稳定性。此外,我们证明了控制器的有效性和鲁棒性对有功和无功功率需求的波动通过数值例子。
2019-12-17 cs.SY eess.SY math.OC
Fragility of Decentralized Load-Side Frequency Control in Stochastic Environment
Iowa State University(爱荷华州立大学)
本文研究了去中心化负荷侧频率控制算法在随机参数不确定性下的脆弱性,发现参数不确定性导致系统电压波动,从而引发随机不稳定。通过分析框架计算了临界方差值,并验证了可控负荷成本和可再生能源渗透率对临界方差的影响。
2017-02-12 cs.SY eess.SY math.OC
Stochastic Dynamic Optimal Power Flow in Distribution Network with Distributed Renewable Energy and Battery Energy Storage
分布式可再生能源(DRE)的普及极大地增加了配电网运行的风险,如调峰和电压稳定。电池储能(BES)已被广泛接受为最有潜力的应用,以应对高渗透性的DRE的挑战。针对DRE的不确定性和时变性,提出了随机日前动态最优潮流(DOPF)及其算法。综合考虑了DRE、BES、购电和有功损耗,实现了总体经济性。在DOPF模型中引入了基于雨流算法的BES循环计数方法,以捕捉电池退化,大大延长了BES的预期寿命,并实现了更好的经济性。基于Copula理论,考虑了DRE情景的不确定性和相关性。为了解决DOPF模型,我们提出了一种基于拉格朗日松弛的算法,相对于现有的技术,它具有显着降低的复杂性。由于这个原因,所提出的算法,使更多的情况下纳入DOPF模型和更好地捕捉DRE的不确定性和相关性。最后,在IEEE 123节点测试馈线的日前DOPF的数值研究,以证明所提出的方法的优点。结果表明,该模型的实际BES寿命是传统模型的4.89倍。通过充分捕捉不确定性和相关性,所提出的方法大大减轻了DRE所造成的问题。
2017-06-30 math.OC
Reducing the Unfairness of Coordinated Inverter Dispatch in PV-Rich Distribution Networks
在配电网络中集成高份额的太阳能光伏(PV)需要先进的电压控制技术或网络增强,这两者都与显著的投资成本相关。另一种方法是阻止新客户安装太阳能光伏系统,但这与增加可再生能源发电的共同目标背道而驰。本文论证了通过集中协调光伏逆变器的运行,可以减少低压地区的太阳能光伏弃电,并在光伏业主中公平分配。通过求解一个带有公平性目标的多目标最优化问题,计算出逆变器有功和无功功率的最优运行点。主要结果表明,公平的最佳逆变器调度(FOID)的结果在更少的功率削减比被动电压调节电压/无功下垂控制的基础上,特别是在高太阳能光伏负载比。该模型的有效性在一个住宅低压网络上得到了证明。
2020-02-14 math.OC
Two-Timescale Stochastic Dispatch of Smart Distribution Grids
King Juan Carlos Univ.(胡安·卡洛斯国王大学);Virginia Tech(弗吉尼亚理工大学);University of Minnesota(明尼苏达大学)
本文研究智能配电网中慢速和快速时间尺度的联合调度问题,提出两种无分布方案以提高可再生能源接入效率,通过数值测试验证了新方案的经济性。
2016-08-17 cs.SY eess.SY math.OC
Green Manufacturing Capacity Planning by Integrating Distributionally Robust Optimization and Generative AI
Department of Industrial Engineering, University of Pittsburgh(匹兹堡大学工业工程系);Sino-US Global Logistics Institute, Shanghai Jiao Tong University(上海交通大学中美物流研究院)
本文提出一种多工厂、多产能、多产品的两阶段分布鲁尼茨优化模型,结合数据驱动聚类技术构建不确定性集,并利用生成式人工智能提升计算效率和解的一致性,以应对绿色制造中需求和可再生能源生成的不确定性。
2026-04-25 math.OC
Optimal Real-Time Coordination of Energy Storage Units as a Voltage-Constrained Game
随着越来越有利的经济性和不同电网服务的捆绑,储能系统(ESS)预计将在整合可再生能源发电方面发挥关键作用。这项工作考虑了位于配电网的不同总线的客户所拥有的ESS的协调。客户参与频率调节并体验随着总需求而增加的能源价格。充电决策由于电池动态而跨时间耦合,并且由于竞争性定价和电压调节约束而跨网络节点耦合。最大化每个用户的经济效益,同时保持在允许的范围内的电压幅值在这里提出作为一个网络的约束对策。分析表明,存在一个广义纳什均衡,并可以表示为一个凸的,但无限时间范围的聚合最优化问题的最小值。为了获得一个实际的解决方案,采用李亚普诺夫优化方法设计一个实时的计划,提供可行的收费决策与性能保证。该方法通过一种新的加权用户成本,提高了标准的李雅普诺夫技术。通过明智地利用物理网格响应,分布式实现的实时求解器也被设计。新的算法设计的功能进行了验证,使用现实数据集上的数值测试。
2018-05-29 math.OC
Distribution System Voltage Control under Uncertainties using Tractable Chance Constraints
Facebook, Inc.(Facebook公司);University of Washington(华盛顿大学);University of California, Berkeley(加州大学伯克利分校);Tesla Inc.(特斯拉公司)
本文研究了在不确定性下通过可处理的可能性约束进行配电系统电压控制,采用了一种考虑每个节点上可再生能源之间任意相关性的可能性约束方法,并通过历史样本高效解决该问题,同时证明了该优化问题在多种概率分布下是凸的,比传统每节点可能性约束更稳健且计算更高效。
2018-11-06 cs.SY eess.SY math.OC
Power Grid Reliability Estimation via Adaptive Importance Sampling
目前,电力生产产生了美国约25%的温室气体排放。因此,增加可再生能源的数量是实现碳中和的关键一步。然而,整合大量波动的可再生能源发电是电网运营和规划的重大挑战。电网可靠性,即,在功率波动下满足操作限制的能力可能是其中最重要的。在本文中,我们提出了计算效率和准确的方法来估计故障的概率,即可靠性约束违反,在一个已知的可再生能源发电分布。为此,我们调查的重要性抽样方法,灵活的扩展蒙特卡罗方法,自适应地改变抽样分布,以产生更多的样本附近的可靠性边界。该方法允许仅基于几十个随机样本来实时估计故障概率,而普通蒙特卡罗方法需要数千个样本。我们的研究重点是高压直流输电网的线性可靠性约束的功率注入和线电流。我们提出了一种新的理论合理的物理信息的自适应重要性采样算法,并比较其性能的最先进的方法在多个IEEE电网测试用例。
2021-05-18 math.OC
Ensuring reliability in 100% renewable microgrids: a scenario-based joint planning and operational design framework
Monash University(莫纳什大学)
本文提出了一种基于场景的优化框架,通过分阶段解决长期容量规划和短期运营调度问题,以提高100%可再生能源微电网的可靠性,同时最小化系统总成本。
2026-05-16 cs.SY eess.SY math.OC
Stability Region Estimation Under Low Voltage Ride Through Constraints using Sum of Squares
基于逆变器的可再生能源发电(RG)以太阳能光伏(PV)或风能的形式日益普及,带来了许多运营挑战和不确定性。根据该标准,如果这些发电机的运行要求没有得到满足,它们将被离线跳闸。在富RG系统中,这可能会改变系统动态和/或导致平衡点移动到级联跳闸场景显现的程度。目前的工作试图避免这种情况下,通过估计的约束稳定区域(CSR)内的系统必须使用最大水平集的李雅普诺夫函数估计通过平方和(SOS)技术。一个与时间无关的保守近似的LVRT约束的电力系统的经典模型,最初来自。最后通过一个具有可跳闸RG的3机试验系统的稳定性评估验证了所提出的方法。
2017-06-28 math.DS math.OC
Energy Management System for a Low Voltage Direct Current Microgrid: Modeling and experimental validation
在可再生能源的重要集成的微电网领域,高效和实用的电力存储系统的要求引起直流微电网获得越来越多的关注。然而,发电和负荷消耗的不确定性以及电价的波动要求设计可靠的控制架构和强大的能源管理系统,以提高电能质量及其可持续性,同时最大限度地减少相关成本。本文提出了一种混合的方法,说明了模拟和实验结果的并网直流微电网,其中包括一个光伏电源和电池存储系统。特别强调的是放在微电网的总运营成本的最小化,同时考虑电池退化成本和电价。因此,提出了一个最佳的能量管理系统的能量存储系统调度,并使基于简单的模型的电费最小化。同时,模拟和实验室性能之间的差异突出。
2023-03-13 math.OC
An Online Feedback Optimization Approach to Voltage Regulation in Inverter-Based Power Distribution Networks
我们解决了控制配电网络中的一组分布式能量资源(DER)的无功功率设定点的问题,以便减轻与以下各项相关联的不受控制的功率注入中的可变性的影响,例如,可再生能源发电。我们制定的控制设计问题作为一个随机最优化的问题,我们解决在线使用的投影随机梯度下降(PSGD)算法的修改版本。所提出的PSGD为基础的算法利用总线电压幅值的变化,DER无功功率设定值的变化的灵敏度,通过递归最小二乘估计(rLSE)在线学习这种灵敏度。为了确保rLSE的正确操作,DER无功功率设定点的增量变化序列需要持续激励,这由控制器中内置的机制来保证。我们分析了闭环系统的稳定性和展示控制器的性能,通过数值模拟的IEEE 123总线配电测试馈线。
2023-03-14 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
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
Learning to Pursue AC Optimal Power Flow Solutions with Feasibility Guarantees
Boston University(波士顿大学);University of Liège(列日大学);University of California San Diego(加州大学圣地亚哥分校)
本文提出了一种基于神经网络近似的安全梯度流方法,用于在配电网中实现具有可行性保证的AC最优功率流解。
2026-02-25 cs.SY eess.SY math.OC
Low-Voltage Distribution Network Impedances Identification Based on Smart Meter Data
The University of Melbourne(墨尔本大学);IBM Research(IBM研究院)
本文提出了一种基于智能电表数据的非线性非凸问题求解方法,用于低电压配电网线路参数估计,该方法具有高效、递归数据处理、线性扩展性和去中心化执行的特点,通过模拟验证了其在不同测量精度场景下的性能。
2019-06-18 cs.CE 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
An Optimal and Distributed Method for Voltage Regulation in Power Distribution Systems
Stanford University(斯坦福大学);Hong Kong Baptist University(香港浸会大学);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
针对分布式能源深度渗透的配电网络,提出一种基于凸松弛的最优分布式电压调节方法,通过最小化网络损耗并满足多种约束,证明了凸松弛的充分条件,并设计了与电网拓扑一致的分布式算法。
2015-02-07 cs.IT cs.SY eess.SY
Exploring the Optimal Size of Grid-forming Energy Storage in an Off-grid Renewable P2H System under Multi-timescale Energy Management
College of Electrical Engineering, Sichuan University(四川大学电气工程学院);Department of Electrical Engineering, Tsinghua University(清华大学电机工程系)
本文针对离网可再生能源电转氢系统,提出多时间尺度能源管理框架,经迭代搜索确定最优网侧型电池储能容量,案例研究及敏感性分析给出相关参数建议以降低成本。
2026-08-04 cs.SY eess.SY math.OC