A Data-driven Under Frequency Load Shedding Scheme in Power Systems
针对未来电网对低频减载策略适应性的需求,提出数据驱动预测控制算法KLS,结合潜在提取器网络与安全裕度调整实现最优一次性减载,仿真验证了其有效性。
2023-10-08 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
Maximal Load Shedding Verification for Neural Network Models of AC Line Switching
University of Vermont(佛蒙特大学);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
本文提出一种双层验证方法,利用凸松弛和局部搜索,为神经网络求解交流线路切换问题提供最坏情况负荷削减的下界,并在多个测试用例上验证其优于随机采样。
2025-10-27 cs.SY eess.SY
Machine Learning for Fairness-Aware Load Shedding: A Real-Time Solution via Identifying Binding Constraints
National Renewable Energy Laboratory(美国国家可再生能源实验室)
本文提出一种机器学习算法,通过识别绑定约束实现毫秒级计算,解决公平感知负荷削减优化问题的实时性挑战,并在3节点和RTS-GMLC系统上验证了其有效性。
2025-02-27 cs.AI cs.SY eess.SY
Optimal Rotational Load Shedding via Bilinear Integer Programming
University of California, Santa Cruz(加州大学圣克鲁兹分校)
本文研究了如何通过双线性整数规划优化电力分配网络中多个负荷区的旋转负荷削减计划,提出了一种新的双线性整数规划求解方法,并通过大量仿真验证了该方法的有效性。
2018-10-21 cs.SY eess.SY math.OC
A Cooperative Game Theory-based Approach to Under-frequency Load Shedding Control
针对电力系统频率稳定与控制问题,提出了一种基于合作博弈理论的低频减载方法。低频减载对于频率稳定性和频率控制至关重要,特别是在可再生能源高度渗透和重构电力系统的电网中。传统的UFLS方法,其中大部分是离线的,通常基于预定的时间表去除固定量的预定负载,这可能导致负载的过度或不足削减。本文提出了一种基于合作博弈理论的两阶段策略,以有效和精确地确定位置和数量的负荷减低频开关控制。在第一阶段中,使用参考等效惯性中心的初始频率变化率(ROCOF)来计算要甩负荷的总量,也称为发电量或干扰功率的不足。在第二阶段,Shapley值,合作博弈论的解决方案的概念之一,用于确定负荷削减量和位置。所提出的方法是实现减少9总线3机西部电力协调委员会(WECC)系统和实时数字仿真器(RTDS)进行了仿真。结果表明,所提出的UFLS方法可以有效地恢复系统的正常状态后的干扰。
2021-06-27 cs.SY eess.SY
Optimal Load Shedding for Public Safety Power Shutoffs
针对公共安全断电事件,提出一种基于负荷重要性的多步遗传算法减载优化方法,在保持关键负荷和电网稳定的前提下实现最小减载,降低野火风险。
2023-11-13 cs.SY eess.SY math.OC
Unit commitment with analytical underfrequency load-shedding constraints for island power systems
本文提出校正型频率约束机组组合(C-FCUC),通过解析建模低频减载约束来优化孤岛电力系统的旋转备用配置,并验证其可推广为预防型频率约束机组组合和标准机组组合,在西班牙孤岛系统中成功应用。
2023-04-11 cs.SY eess.SY
Under-frequency Load Shedding for Power Reserve Management in Islanded Microgrids
本文针对孤岛微电网提出低频减载方案,通过设定不同频率阈值触发减载,利用分段器、智能电表和可控电器,在OPAL-RT平台上验证了恢复功率储备和平衡三相电压的有效性。
2023-09-06 cs.SY eess.SY
Adaptive Load Shedding for Grid Emergency Control via Deep Reinforcement Learning
紧急控制,典型地如欠压减载(UVLS),被广泛地用于在紧急情况下解决实际电力系统中的低电压和电压不稳定问题。然而,现有的紧急控制方案是基于规则的,不能自适应地应用于不确定和浮动的操作条件。本文提出了一种基于深度强化学习和专家系统的自适应UVLS紧急控制算法。我们首先构造动态组件,用于将电力系统操作描绘为环境。瞬态电压恢复准则对UVLS提出了时变要求,它被集成到状态和奖励函数中,以指导深度神经网络的学习。该方法不存在报酬函数系数的调整问题,而这一问题被认为是现有基于DRL算法的不足之处。大量的案例研究表明,所提出的方法优于传统的UVLS继电器在紧急控制的及时性和有效性。
2021-02-25 cs.SY eess.SY
Optimization-based Framework for Selecting Under-frequency Load Shedding Parameters
针对高可再生能源电网中低频减载(UFLS)忽略网络空间信息的问题,提出一种混合整数线性规划框架,通过优化UFLS设定点以最小化频率偏差和负荷切除,并在IEEE 39节点系统上验证了有效性。
2024-01-09 cs.SY eess.SY
Degradation-aware Predictive Energy Management for Fuel Cell-Battery Ship Power System with Data-driven Load Forecasting
Delft University of Technology(代尔夫特理工大学);Università degli Studi di Genova(热那亚大学)
本文提出了一种考虑燃料电池退化因素的预测性能源管理策略,通过数据驱动的负载预测减少氢气消耗和电池退化,实验显示在15分钟和1小时预测范围内,氢气消耗和电池退化分别减少5.8%和36.4%。
2026-04-16 cs.SY eess.SY
AC-aware Optimization Framework for Under-Frequency Load Shedding
本文提出一种交流感知预测优化框架,利用模型降阶技术捕捉交流网络效应和调速器动态,周期性自适应调整低频减载设定值,在1,648节点系统上验证其优于静态及简化模型的自适应UFLS方案。
2025-01-06 cs.SY eess.SY
Scalable Learning for Optimal Load Shedding Under Power Grid Emergency Operations
Department of Electrical and Computer Engineering The University of Texas at Austin(德克萨斯大学奥斯汀分校电气与计算机工程系)
对突发事件的有效和及时响应对于增强电网的弹性至关重要。考虑到级联传播的快速、复杂过程,由于计算复杂性和通信延迟问题,在大规模网络中难以实现诸如最优减载(OLS)的校正动作。本文提出了一种基于离线神经网络(NN)的OLS学习方法,通过离线训练构建各种潜在事故情景下的最优切负荷决策规则。值得注意的是,拟议的基于NN的OLS决策是完全分散的,使各个负载中心能够使用现成的本地测量结果对特定的应急情况做出快速反应。IEEE 14节点系统的数值研究表明,我们的可扩展的OLS设计的有效性,实时响应严重的电网紧急事件。
2022-01-27 cs.LG cs.SY eess.SY
A Preliminary Assessment of Shipboard Power System Architectures for LVDC Integration
University of Genova(热那亚大学)
本文以现有MVAC-LVAC系统为基准,初步比较三种舰载电网拓扑(含LVDC部分、全LVDC放射状、区域LVDC),并用五个关键指标评估其性能。
2025-09-26 cs.SY eess.SY
Degradation Aware Predictive Energy Management Strategy for Ship Power Systems
将现代防御武器集成到船舶电力系统中,在满足这些负载的高斜坡率要求方面提出了挑战。发电机可能需要满足这些负载的斜坡率。如果不这样做,可能会导致稳定问题。这通过发电机和能量存储元件的聚集来解决,以处理由负载引起的所需电力需求。本文提出了一种基于模型预测控制的能量管理策略,将不确定性的负荷预测。所提出的控制器优化协调发电机和储能元件之间的功率分配,以保证满足功率需求,同时考虑斜坡率限制和负载不确定性。一个低带宽模型,由一个单一的发电机和一个单一的能量存储元件被用来验证所提出的能量管理策略的结果。结果表明,在负载预测的不确定性下的控制器的鲁棒性和负载的不确定性对电池容量损失的影响。
2021-05-25 cs.SY eess.SY math.OC
Data-driven Estimation of Under Frequency Load Shedding after Outages in Small Power Systems
本文提出一种基于回归树和Tobit模型的数据驱动方法,用于估计小型电力系统停电后的低频减载量,并可直接嵌入混合整数线性规划,在拉帕尔马岛系统中实现平均绝对误差仅0.213 MW的准确估计。
2024-02-20 cs.SY eess.SY
Model and Load Predictive Control for Design and Energy Management of Shipboard Power Systems
在目前的中压直流(MVDC)船载电力系统(SPS)中,存在多信源以向公共直流总线供电。传统上,这种系统的功率管理通过控制包括燃料操作发电机和底层转换器的发电模块(PGM)来执行。此外,能源管理是由新兴的单一或混合能源存储系统(ESS)。本文提出了一个模型和负荷预测控制框架的电力和能源管理的SPS。这里,具有负载预测的MPC用于三个主要目标:(1)根据发电机和能量存储元件各自的功率状态(SOP)和斜坡速率限制从发电机和能量存储元件请求功率和能量,(2)考虑并整合发电机成本和降级,以及(3)在预测范围结束时达到ESS的特定停车(最终)荷电状态(SOC)。利用MATLAB演示了最优化问题的解决方案,并在实时仿真环境中验证了控制框架的功能。
2021-05-20 cs.SY eess.SY math.OC
Real Time Impact Control on Charging Energy Storage For Shipboard Power Systems
Idaho National Laboratory(爱达荷国家实验室);Siemens Corporate Technology(西门子企业技术)
本文提出一种基于快速切换装置的实时控制系统,用于平衡维持所需电能质量与快速充电储能的需求,验证了控制算法的性能。
2018-01-17 cs.SY eess.SY
Data-driven Under Frequency Load Shedding Using Reinforcement Learning
针对传统低频减载方案适应性差、强化学习方法训练计算负担重的问题,提出用机器学习分类器捕捉系统频率响应后训练RL智能体的方法,可缩短训练与实时应用时间、减少减载量,在IEEE 68节点系统上验证了更优性能。
2024-10-06 cs.SY eess.SY
Voltage Restoration in MVDC Shipboard Microgrids with Economic Nonlinear Model Predictive Control
本文针对海军中压直流微电网电压恢复与功率分配问题,提出结合复杂下垂控制的非线性模型预测控制策略,实现超级电容器承担高频脉冲负载、电池与辅助发电机分担稳态负载,并通过降阶模型与多目标约束优化验证其有效性。
2024-05-02 cs.SY eess.SY
Machine Learning for Campus Energy Resilience: Clustering and Time-Series Forecasting in Intelligent Load Shedding
University of Lagos(拉各斯大学)
本研究针对拉各斯大学提出基于机器学习的智能减载框架,通过主成分分析降维和Mini-Batch K-Means聚类划分建筑需求等级,并结合Prophet等模型进行短期负荷预测,实现更公平、数据驱动的配电优化。
2025-09-21 cs.LG cs.SY eess.SY
Accelerated Deep Reinforcement Learning Based Load Shedding for Emergency Voltage Control
切负荷是防止电压失稳的最有效的紧急控制手段之一。随着电力系统中不确定性的增加和运行条件的快速变化,现有方法在速度、自适应性或可扩展性方面存在突出问题。近年来,深度强化学习(DRL)被认为是一种有前途的快速自适应电网稳定控制方法。然而,现有的DRL算法在应用于电力系统控制问题时表现出两个突出的问题:1)计算效率低,需要大量的训练和调整时间;以及2)可扩展性差,使得难以扩展到高维控制问题。为了克服这些问题,一个加速DRL算法称为PARS开发和定制的电力系统电压稳定控制通过减载。PARS具有高度的可扩展性,并且仅使用五个主要超参数即可轻松调优。IEEE 39总线和IEEE 300总线系统的方法进行了测试,后者是迄今为止最大的规模这样的研究。测试结果表明,与其他方法相比,包括模型预测控制(MPC)和邻近策略优化(PPO)方法,PARS具有更好的计算效率(更快的收敛速度)、更强的学习鲁棒性、良好的可扩展性和泛化能力。
2020-12-05 cs.SY eess.SP eess.SY
Hybrid Optimization Method for Reconfiguration of AC/DC Microgrids in All-Electric Ships
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)
本文提出了一种混合优化方法,用于全电船舶中交流/直流微电网的重构优化,通过建立多区中压直流电力系统模型并结合牛顿-生物地理优化算法,提高故障恢复时的负载恢复和收敛速度。
2017-09-19 cs.SY eess.SY
Machine Learning for Scalable and Optimal Load Shedding Under Power System Contingency
National Renewable Energy Laboratory(国家可再生能源实验室);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
针对电力系统故障下实时最优切负荷(OLS)难以实现的问题,提出去中心化神经网络离线训练方法,利用本地测量自主构建OLS方案,减少计算通信需求,在IEEE 118节点和合成德克萨斯2000节点系统验证了其高效性。
2025-02-11 cs.LG cs.SY eess.SY
A Policy Switching Approach to Consolidating Load Shedding and Islanding Protection Schemes
School of Electrical Engineering & Computer Science Oregon State University(俄勒冈州立大学电气与计算机工程学院)
本文提出一种算法方法,通过策略切换整合传统负载削减和孤岛保护方案,以优化电力网络在故障发生前后运行性能。
2014-08-09 cs.SY eess.SY physics.soc-ph
Performance Investigation of an Optimal Control Strategy for Zero-Emission Operations of Shipboard Microgrids
本文针对集成柴油发电机、燃料电池和电池储能的船舶微电网,提出一种基于混合整数线性规划的功率管理策略,协同优化机组组合、功率调度与航速,在保障零排放和防停电的同时最小化运行成本。
2024-05-03 cs.SY eess.SY
Fast or Cheap: Time and Energy Optimal Control of Ship-to-Shore Cranes
本文研究船到岸起重机在集装箱装卸中时间与能耗的权衡,通过引入新坐标系、能量建模和加权代价函数,在几乎不增加装卸时间的情况下显著降低能耗。
2023-04-18 cs.SY eess.SY math.OC
A Security-Constrained Optimal Power Management Algorithm for Shipboard Microgrids with Battery Energy Storage System
本文针对含柴油发电机和电池储能的船舶微电网,提出一种基于混合整数线性规划的安全约束最优功率管理算法,实现机组组合与功率调度,在保障防停电能力的同时最大化燃油节省。
2023-04-07 cs.SY eess.SY
Optimal Power Management for Failure Mode of MVDC Microgrids in All-Electric Ships
Shanghai Jiao Tong University(上海交通大学);Yanshan University(燕山大学)
本文针对全电船舶MVDC微电网故障模式下的最优功率管理问题,提出考虑中时间调度和节点及发电机故障的双侧调整方法,通过转换非凸问题为凸形式并设计混合整数非线性优化算法,实现故障场景下的高效功率管理。
2018-09-14 cs.SY eess.SY
Barrier Function-based Safe Reinforcement Learning for Emergency Control of Power Systems
低压减载已被认为是在紧急和严重情况下恢复电网电压稳定的标准和有效措施。然而,这种方案通常会使大量的负载跳闸,这对客户来说是不必要的和有害的。最近,深度强化学习(RL)被认为是一种很有前途的方法,可以显着减少甩负荷量。然而,与大多数现有的基于机器学习(ML)的控制技术一样,RL控制通常不能保证被控系统的安全性。介绍了一种新的电力系统紧急切负荷的安全RL方法,该方法可以提高电网在发生故障后的电压安全恢复能力。与标准RL方法不同,安全RL方法具有由障碍函数组成的奖励函数,当系统状态达到安全界限时,该障碍函数达到负无穷大。因此,最优控制策略,使最大化的回报函数,可以使电力系统,以避免安全边界。该方法具有通用性,可应用于其它安全关键控制问题。在39节点IEEE基准上进行了数值仿真,以证明所提出的安全RL紧急控制的有效性,以及其对训练中未出现的故障的自适应能力。
2021-09-30 cs.SY eess.SY
Energy Management System for Resilience-Oriented Operation of Ship Power Systems
本文提出了一种新颖的能量管理方法,以提高船舶电力系统的弹性考虑多种类型的能量存储系统,包括电池储能系统(BESS)和超级电容器储能系统(SCESS)。建议EMS的主要功能是最大限度地提高负载的可操作性,同时考虑斜坡率特性的能量存储系统(ESS)和发电机创新。平衡BESS的充电状态(SoC)和优先化SCESS的SoC级别是所提出的EMS管理能量存储系统的两个附加目标。滚动时域优化(RHO)技术,提出了减少计算负担,使所提出的方法可行的实时应用。以全电多直流船舶电力系统为例,对所提出的方法进行了性能评估。仿真研究和结果表明,所提出的方法在管理ESS,以确保系统的弹性下发电功率短缺的有效性。此外,所提出的RHO技术显着降低了FHO技术中的计算负担,同时保持可接受的弹性性能。
2021-10-19 cs.SY eess.SY
Techno-Economic Planning of Spatially-Resolved Battery Storage Systems in Renewable-Dominant Grids Under Weather Variability
本文针对可再生能源主导电网中的波动性与切负荷问题,提出基于两阶段随机规划的电池储能系统选址、定容与选型方法,并以纽约州为案例验证其可减少34%弃电和21%切负荷,揭示成本与可再生能源渗透率的非线性关系。
2025-08-17 cs.SY eess.SY
A Preliminary Study on the Role of Energy Storage and Load Rationing in Mitigating the Impact of the 2021 Texas Power Outage
2021年2月,一场史无前例的冬季风暴席卷美国,严重影响德州电网,导致超过450万客户电力服务中断。本文评估了在实际电网的现实情况下,客户经历的减负荷。并对利用储能和负荷配给来缓解轮流停电对电网的不利影响进行了初步研究。据估计,如果能量存储是唯一的技术选择,则需要总装机容量为920 GWh的公用事业规模的电池存储系统来完全抵消德克萨斯州停电期间的甩负荷。我们的模拟结果表明,在系统上实施20%的负荷配给可能会使估计的储能容量减少85%。该估计是使用2021年2月15日至2月18日的预测容量和需求概况获得的。认识到实际部署这种规模的储能将是非常具有挑战性的事实,研究了提供更细粒度的需求减少的方法,作为利用储能最大限度地提高消费者生存能力的一种手段。初步案例研究表明,在这种极端天气条件下,将负荷配给和适当的储能规模相结合的潜力可能会为电网提供更大的可靠性改善。
2021-11-25 cs.SY eess.SY
Community Resilience Optimization Subject to Power Flow Constraints in Cyber-Physical-Social Systems in Power Engineering
针对电力工程中的网络-物理-社会系统,提出了一种潮流约束下的社区弹性优化方法,并采用基于多智能体的算法进行求解。在物理侧的发电与社会侧的消费者和关键负荷之间建立联系的工具是潮流算法。具体而言,情感,同理心,合作的水平,和消费者的身体健康,prosumers在拟议的社区弹性优化方法建模,同时占电功率系统的限制和他们的影响的关键负载,其中包括医院,收容所,加油站,仅举几例。这种优化解释了这样一个事实,即社会的满意度、生活水平和社会福祉取决于包括电力在内的能源供应。显然,由于减载造成的电力短缺对精神和心理生活质量都有影响,这反过来又影响到社区的复原力。开发的约束社区弹性优化方法应用于两个案例研究,包括两个区域6节点系统和修改后的IEEE RTS 24节点系统。仿真结果表明,情绪,风险感知和社交媒体平台效应因子的初始值的降低需要增加减载,这反过来又导致社区弹性的下降。相反,合作,同情,身体健康,微电网和分布式能源的能力的初始值的增加导致在减负荷,这反过来又引起了社区弹性的增强。
2020-04-02 cs.SY eess.SY physics.soc-ph
Quantitative Analysis of Demand Response Using Thermostatically Controlled Loads
恒温控制负载(TCL),如加热,通风和空调(HVAC)系统的灵活的功耗特性使它们成为需求响应(DR)的有吸引力的目标。TCL拥有一个短暂的时间,在此期间,其电力利用率可以改变,而不会对客户的舒适度产生任何重大影响。这表明TCL是提供辅助服务的潜在潜力。本文提出了一种新的指标的需求响应支持时间(DRST)的HVAC启用的需求响应和一种新的算法,这样的HVAC-DR的量化。消费者的舒适度不会受到影响,建议的DRST为基础的HVAC-DR。案例研究表明,它的好处在微电网日前调度的成本节省和减少强制甩负荷在电网-微电网联络线停电事件。这说明了储备潜在的好处和增加微电网的可靠性时,考虑基于DRST的HVAC-DR。
2021-10-24 cs.SY eess.SY
Resilience-Oriented DG Siting and Sizing Considering Energy Equity Constraint
本文针对低收入用户在极端天气下承受更多停电损失的问题,提出在分布式电源选址定容中引入能源公平约束,并通过两阶段随机规划与期望切负荷指标实现韧性导向的公平规划。
2024-10-17 cs.SY eess.SY
Data-driven Coordinated AC/DC Control Strategy for Frequency Safety
本文提出了一种数据驱动的协调交流直流控制策略,用于在非预期操作条件和大功率缺额下确保系统频率安全,通过整合直流紧急支持与传统负载切除,实现最小控制成本和高预测准确性。
2024-05-21 cs.SY eess.SY
Structural Emergency Control Paradigm
Massachusetts Institute of Technology(麻省理工学院);Technical University of Denmark(丹麦技术大学);Cornell University(康奈尔大学)
本文提出一种新的结构紧急控制方法,通过离散重定位平衡点及其稳定性区域,使系统从故障清除状态连续吸引回原平衡点,无需连续测量或负载削减,适用于大规模电网。
2017-01-16 cs.SY eess.SY
Reliability Value of Long-Duration Energy Storage against Extreme Events in High-Renewable Grids: A Full-Year AC-OPF Assessment
Massachusetts Institute of Technology(麻省理工学院);Yonsei University(延世大学);Ewha Womans University(梨花女子大学)
本文提出多时段交流最优潮流模型,评估长时间储能在高可再生能源电网中应对极端事件的可靠性价值,在200母线系统上使年度减载平均降低83.0%,并保障N-1事故下的运行可行性。
2026-09-09 cs.SY eess.SY
AC-OPF Feasibility Analysis and Sensitivity-Guided Capacitor Placement in a High-PV Islanded Microgrid
Massachusetts Institute of Technology(麻省理工学院)
本文在数字孪生框架下对高光伏渗透率的城市级微电网进行AC最优功率流对比研究,通过灵敏度分析指导电容器布置以提升可靠性与经济性。
2026-04-15 cs.SY eess.SY
An Integrated Approach for Failure Mitigation & Localization in Power Systems
输电网通常由多个控制区域组成,这些控制区域通过网状结构中的多条联络线连接以实现可靠性。众所周知,线路故障可能会非本地传播,冗余可能会加剧级联。在本文中,我们提出了一个综合的方法,电网的可靠性,(i)明智地关闭少量的联络线,使控制区域连接在一个树结构;(ii)利用统一的频率控制模式,实时提供拥塞管理。尽管所提出的拓扑结构减少了冗余,但区域级的树结构和实时拥塞管理的集成可以为故障定位和缓解提供更强的保证。我们说明了我们的方法在IEEE 39总线网络和评估其性能的IEEE 118总线,179总线,200总线和240总线网络与各种网络拥塞条件。仿真结果表明,与传统的方法相比,我们的方法不仅可以防止在更多的故障情况下切负荷,而且在切负荷是不可避免的情况下,也会引起少量的负荷损失。此外,根据我们的方法,发电机以本地方式更积极有效地调整其运营。
2020-04-22 cs.SY eess.SY math.OC
Cyber-Physical Co-Simulation of Load Frequency Control under Load-Altering Attacks
针对负荷改变攻击尤其是动态负荷改变攻击对电网稳定性的威胁,本文提出一种开源的电网与通信网络信息物理联合仿真环境,可实现电网保护机制建模并支撑具体场景下的攻击全面分析。
2025-08-01 cs.CR cs.SY eess.SY
Tertiary Regulation of Cascaded Run-of-the-River Hydropower in the Islanded Renewable Power System Considering Multi-Timescale Dynamics
为了实现农村地区的电力供应和开发清洁能源,全世界都在建设完全可再生的电力系统,包括梯级径流式水电和光伏、风能等不稳定能源。在孤岛运行模式下,初级和次级频率控制,即,水轮机调速器和自动发电控制(AGC)负责频率稳定性。然而,由于径流式水电的蓄水能力有限和河流动力学约束,在梯级电站之间没有协调的情况下,传统的固定参与因子AGC不能充分发挥梯级水电的可调节性。当不稳定的能量和负载之间发生不平衡时,甩负荷可能是不可避免的。为了解决这个问题,本文提出了一个协调的三级控制方法,联合考虑电力系统动态和河流动态耦合的梯级水电站。电力系统和河流动力学的时间尺度是非常不同的。为了统一多时间尺度动态,建立一个模型预测控制器,协调级联工厂,AGC参数和涡轮流量之间的关系在一个时间间隔内近似基于数据的二阶多项式代理模型。通过优化AGC参与因子,以滚动时域方式协调级联电厂,并使甩负荷最小化。对一个实际系统的仿真结果表明,所提出的方法可以有效地降低光伏波动下的负荷损耗。
2021-03-28 cs.SY eess.SY math.OC
AC Dynamics-aware Trajectory Optimization with Binary Enforcement for Adaptive UFLS Design
University of Vermont(佛蒙特大学)
本文提出一种基于轨迹优化的自适应UFLS方法,通过引入全AC非线性动态和二进制决策,解决传统UFLS方案在高分布式能源渗透下的非适应性问题,有效恢复系统频率。
2026-03-19 cs.SY eess.SY
Safe Reinforcement Learning for Emergency LoadShedding of Power Systems
电网的范式转变需要重新审视现有的控制方法,以确保电网的安全性和弹性。特别是,电力系统中增加的不确定性和快速变化的操作条件已经揭示了电力系统的现有控制方法在速度、自适应性或可扩展性方面的突出问题。另一方面,大量实时数据的可用性可以更清楚地了解网格中正在发生的事情。最近,深度强化学习(RL)被认为是一种利用海量数据进行快速自适应网格控制的有前途的方法。然而,与大多数现有的基于机器学习(ML)的控制技术一样,RL控制通常不能保证被控系统的安全性。介绍了一种基于RL的电力系统安全减载新方法,该方法可以提高电网在发生故障后的电压安全恢复能力。在39节点IEEE基准上进行了数值仿真,以证明所提出的安全RL紧急控制的有效性,以及其对训练中未出现的故障的自适应能力。
2020-11-17 cs.SY eess.SY
Voltage Collapse Stabilization in Star DC Networks
电压崩溃是一种停电引起的动态不稳定性,发生在电力需求超过可以通过网络传输的最大功率时。避免电压崩溃的传统(预防性)方法是基于确保网络永远不会达到其最大容量。然而,这样的方法导致网络资源的低效使用,并且没有考虑到不可预见的事件。为了克服这一局限性,本文试图启动电压崩溃稳定的研究,即,以稳定电压崩溃点为目标的负荷控制器的设计。我们制定了一个星形直流网络的电压稳定性问题作为一个动态的问题,每个负载寻求实现恒定的功耗更新其电导作为电压的变化。我们介绍了一个电压崩溃稳定控制器,并表明,高压平衡稳定。更重要的是,我们能够在极端负载条件下实现比例减载。我们使用数字插图进一步强调了我们控制器的主要功能。
2021-04-19 cs.SY eess.SY
Time-optimal control of cranes subject to container height constraints
港口业务的生产力和效率在很大程度上取决于船舶装卸的速度。考虑到这一点,船岸起重机执行将集装箱运输到船上的关键任务,并且必须尽可能快地完成。虽然在以前的研究中已经解决了最小化移动有效载荷所花费的时间的问题,但是集装箱堆叠的不同高度并不是重点。在本文中,我们执行变量的变化和重新制定的优化问题,以处理堆栈高度的约束。因此,这些约束变得微不足道,很容易表示,因为它们变成边界约束时,问题是离散化的数值求解器。为了验证这个想法,我们模拟了一个小规模的场景,其中使用不同的堆栈高度。结果证实了我们的想法和堆栈约束的表示变得确实微不足道。这种方法有希望应用于实际的起重机操作,并有可能提高其自动化。
2022-11-18 cs.SY eess.SY math.OC
False Relay Operation Attacks in Power Systems with High Renewables
负荷发电平衡和系统惯性对于维持电力系统的频率至关重要。为了保持负荷发电平衡,电网配备了频率变化率(ROCOF)和甩负荷(LS)继电器。随着可再生能源的日益普及,电网的惯性正在下降,这导致在负载-发电不平衡的情况下系统频率下降更快。在此背景下,我们分析了在具有高可再生能源的电力系统中启动虚假数据注入(FDI)以创建虚假继电操作(FRO)的可行性,我们称之为FRO攻击。我们对电力系统的频率动态和相应的FDI攻击进行建模,包括同步发电机惯性、调速器时间常数和下垂等参数对FRO攻击成功的影响。我们将FRO攻击形式化为约束满足问题(CSP),并使用可满足性模理论(SMT)解决。我们的案例研究表明,可再生能源的电网更容易受到FRO攻击,同步发电机的惯性在减少电网中FRO攻击的成功方面起着至关重要的作用。
2021-02-24 cs.SY eess.SY
Exploiting Vulnerabilities of Load Forecasting Through Adversarial Attacks
University of Washington(华盛顿大学)
本文研究了一类负荷预测算法的脆弱性,提出了一种无需假设攻击者能力的数据注入攻击算法,通过注入恶意数据影响负荷预测,导致系统操作中的负载削减和调度成本增加。
2019-04-13 cs.SY eess.SY math.OC
Nonlinear Model Predictive Control for Navy Microgrids with Stabilizing Terminal Ingredients
本文提出一种带稳定终端要素的非线性模型预测控制策略,结合下垂控制架构,用于海军中压直流微电网的电压调节与脉冲功率负载能量分配,并通过与传统PI控制器对比验证了闭环稳定性和鲁棒性。
2024-05-02 cs.SY eess.SY
Deep Reinforcement Learning for Long-Term Voltage Stability Control
深度强化学习(Deep Reinforcement Learning,DRL)是一种基于机器学习的方法,适用于复杂和高维的控制问题。在这项研究中,实时控制系统的基础上DRL的长期电压稳定事件的开发。利用需求响应(DR)和能量存储系统(ESS)的系统服务作为控制措施,以稳定系统的可能性进行了研究。在改进的Nordic32测试系统上评估DRL控制的性能。结果表明,DRL控制快速学习一个有效的控制策略,可以处理所涉及的不确定性时,使用DR和ESS。DRL控制相比,基于规则的甩负荷计划和DRL控制稳定系统显着更快,更少的负荷削减。最后,当测试和评估的负载和干扰的情况下,不包括在训练数据的性能,鲁棒性和泛化能力的控制是有效的。
2022-07-09 cs.SY eess.SY
Topology-Aware Reinforcement Learning over Graphs for Resilient Power Distribution Networks
The University of Texas at Dallas(德克萨斯大学达拉斯分校);University at Buffalo(布法罗大学);Virginia Tech(弗吉尼亚理工大学)
本文提出一种拓扑感知的图强化学习框架,通过整合拓扑数据分析提升电力分配网络的韧性,实验表明其在奖励、电力输送和电压违规方面均优于基线模型。
2026-03-07 cs.LG cs.SY eess.SY
Resilience Analysis and Cascading FailureModeling of Power Systems under Extreme Temperatures
在本文中,我们提出了一个基于交流潮流的连锁故障模型,明确考虑外部天气条件,特别是极端温度,并评估极端温度对连锁停电的启动和传播的影响。具体而言,负荷和动态线路额定值的变化,由于温度扰动建模,输电线路和发电机停电的概率进行评估,并仔细计算每种类型的事件的时间,以决定实际的事件序列。应该强调的是,在外部温度变化出现时,相关事件可能共同导致电压不稳定。此外,我们模型的欠压减载和操作员重新调度的控制策略,以防止连锁故障的传播。RTS-96三区域系统的仿真结果验证了该模型的有效性,发现温度扰动会导致相关的负荷变化和线路/发电机跳闸,这将大大增加级联和电压失稳的风险。临界温度变化,临界区域的温度扰动,最脆弱的总线识别,并比较不同的控制策略也仔细研究。
2020-09-29 cs.SY eess.SY