3D Human Pose Lifting with Grid Convolution
Intel Labs China（英特尔中国研究院）
用于从2D单视图姿态回归3D人体姿态的现有提升网络通常基于图结构的表示学习用线性层构造。与之形成鲜明对比的是，本文提出了网格卷积（GridConv），模仿图像空间中常规卷积运算的智慧。GridConv基于一种新的语义网格变换（SGT），它利用二进制分配矩阵将不规则图形结构的人体姿势映射到一个规则的编织状网格姿势表示上，通过GridConv操作实现逐层特征学习。我们提供了两种实现SGT的方法，包括手工设计和可学习的设计。令人惊讶的是，这两种设计都取得了令人满意的结果，并且可学习的设计更好，证明了这种新的提升表示学习公式的巨大潜力。为了提高GridConv编码上下文线索的能力，我们在卷积内核上引入了一个注意力模块，使网格卷积操作依赖于输入，空间感知和网格特定。我们表明，我们的全卷积网格提升网络在（1）Human3.6M的常规评估和（2）MPI-INF-3DHP的交叉评估下表现优于最先进的方法，具有明显的优势。代码可在https://github.com/OSVAI/GridConv上获得
2023-02-17 cs.AI cs.CV cs.LG
Physics-Aware Distillation of a Grid Foundation Model for Real-Time Edge Inference
National University of Science and Technology POLITEHNICA Bucharest（布加勒斯特理工国立大学）；Aalborg University（奥尔堡大学）；AAU Energy（奥尔堡大学能源学院）
本研究将20.1M参数的12层GridFM教师模型蒸馏为0.62M参数的6层学生模型，参数减32.5倍，经实验验证其在有功、无功功率调度等预测任务上精度提升，可用于边缘设备实时推理。
2026-10-16 cs.LG
Scalable Heterogeneous Graph Foundation Models for Data-Driven Optimal Power Flow in Smart Grids
Computational Sciences and Engineering Division, Oak Ridge National Laboratory（橡树岭国家实验室计算科学与工程部）；Mathematics and Computer Science Division, Argonne National Laboratory（阿贡国家实验室数学与计算机科学部）；UT-Battelle, LLC（UT-巴特勒公司）
提出基于HydraGNN的可扩展异构图神经网络工作流，用于数据驱动最优潮流代理建模和基础模型开发，保留电网异质结构并支持大规模分布式训练与微调。
2026-09-30 cs.AI cs.LG
GeoRoPE: Ground-Aware Rotary Adaptation for Remote Sensing Foundation Models
The University of Sydney（悉尼大学）；Edith Cowan University（埃迪斯科文大学）；Adelaide University（阿德莱德大学）；Wuhan Polytechnic University（武汉轻工大学）；Climate, Orange Agricultural Institute（气候研究所，奥兰治农业研究所）；La Trobe University（拉筹伯大学）
提出GeoRoPE方法，通过地理坐标校准和频率校准解决遥感基础模型中的尺度失配问题，提升跨分辨率鲁棒性和尺度敏感表征学习。
2026-06-16 cs.AI cs.CV
Grid Monitoring with Synchro-Waveform and AI Foundation Model Technologies
Cornell University（康奈尔大学）；School of Electrical and Computer Engineering（电气与计算机工程学院）
本文提出基于物理的AI基础模型，结合高分辨率同步波形技术，用于未来逆变器主导电网的监测与控制，提升故障检测精度和速度，增强电网韧性。
2025-01-25 cs.LG cs.SY eess.SY
Synergies between Federated Foundation Models and Smart Power Grids
本文提出联邦基础模型与智能电网的协同方法，通过双向视角探讨M3T FedFMs在电网功能增强和模型设计优化中的应用。
2025-09-20 cs.AI cs.LG cs.SY
A Nested Decomposition Method and Its Application for Coordinated Operation of Hierarchical Electrical Power Grids
随着许多不稳定能源资源的日益整合，多级、多区域和分级互联的电网面临着巨大的挑战。传统的互联电网孤立运行由于缺乏协调而不经济，可能导致严重事故，影响运行安全。然而，考虑到每个电网的运行独立性和信息隐私性，互联电网的集中运行是不切实际的。提出了一种分层电网协调运行的嵌套分解方法，该方法通过上下层电网之间的迭代，仅交换边界信息，即可实现全局最优。在每次迭代过程中，以二阶精度计算一个投影函数，该投影函数体现了下层电网的最优目标值投影到其边界变量空间。因此，所提出的方法可以广泛应用于非线性连续优化，可以收敛得更快，比现有的分解方法。通过对一个三级电网的协调运行算例进行了数值试验，验证了该方法的有效性和性能。
2020-07-05 cs.SY eess.SY
Autonomous Voltage Control for Grid Operation Using Deep Reinforcement Learning
GEIRI North America（GEIRI北美中心）；State Grid Corporation of China（国家电网公司）
本文提出Grid Mind框架，通过深度强化学习实现自主电网控制，解决传统方法在处理可再生能源和需求响应动态性带来的挑战，提升电网运行的安全性和经济性。
2019-04-24 cs.LG cs.SY eess.SY
Reinforcement Learning Based Power Grid Day-Ahead Planning and AI-Assisted Control
enliteAI
正在进行的向可再生能源的过渡正在增加风能和太阳能等波动性电源的份额，增加电网波动性，并使电网运营变得日益复杂和成本高昂。在我们以前的工作中，我们已经介绍了一种拥塞管理方法，包括一个再调度优化器结合机器学习为基础的拓扑优化代理。与典型的仅重调度代理相比，它能够使模拟电网保持更长的运行时间，同时降低运营成本。我们的方法还在欧洲最大的电网运营商RTE发起的L2RPN 2022竞赛中排名第一。本文的目的是使这一有前途的技术更接近现实世界的电网运行。我们在两种类似于既定工作流程的设置中部署基于RL的代理，即AI辅助的提前规划和实时控制，以展示这种新技术的好处和警告。然后，我们分析拥塞，重新调度和切换配置文件，和基本的灵敏度分析提供了一个一瞥的操作鲁棒性。虽然距离真正的控制室还有很长的路要走，但我们相信本文和相关的原型有助于缩小差距，并为在未来的电网中安全部署RL代理铺平道路。
2023-02-15 cs.AI cs.LG cs.SY
How modular structure determines operational resilience of power grids
同步稳定性是电网的重要动态特性之一。在这项研究中，我们带来的操作角度的同步稳定性分析，不仅计数，而且部分节点之间的同步。为此，我们引入了两个不同的措施，估计电网节点的运营弹性：功能稳定性和功能电阻。我们证明了模型网络图案和IEEE测试电网的措施的实际适用性。作为一个案例研究的德国电网，我们揭示了电网的模块化结构和特定的单向电流流动决定了电网节点的运行弹性的分布。复制我们的发现集群基准网络，我们验证了模块化的影响，对电网的稳定性，并确认我们的措施可以有见地的工具，以了解电网的同步动态。
2021-04-26 cs.SY eess.SY physics.soc-ph
Security-Constrained AC/DC Grid Optimal Power Flow Considering Asymmetrical HVDC Grid Operation using Sparse Tableau Formulation
针对单换流极停运故障后工况，提出考虑双极换流站不对称运行的高压直流电网安全约束最优潮流模型，可选择不对称运行换流站数量，能降低运行成本并揭示成本对不对称程度的敏感性，还提出中性线切换策略缓解电压偏移问题。
2025-11-13 cs.SY eess.SY
Probabilistic Day-Ahead Battery Scheduling based on Mixed Random Variables for Enhanced Grid Operation
针对可再生能源波动带来的电网稳定挑战，提出基于混合随机变量的居民电池日前概率调度分析方法，嵌入连续随机优化框架，可减少量化电网不确定性、降低用电成本，提升电网韧性。
2024-11-19 cs.SY eess.SY math.OC
Exploring the Use of Autonomous Unmanned Vehicles for Supporting Power Grid Operations
本文提出一种基于优化的可处理方法，将自主无人车辆作为“移动电池”策略性调度到目标位置，以维持电网功率平衡、降低运行成本，并通过数值研究验证其有效性和可扩展性。
2025-02-07 cs.SY eess.SY
Grid Monitoring for Efficient Flexibility Provision in Distribution Grids
增加的灵活性要求需要由配电系统运营商（DSO）运营的配电网级别的灵活性市场，以解决确保安全运行的挑战，并将新的可再生能源产品或负载整合到电网中。因此，网络可视性和监控对配电网运行至关重要。本文提出了一种方法，证明价值的配电网监测可以带来实现本地灵活性市场。本文进一步说明了降低成本的DSO的运行与电网监控和本地灵活性市场的帮助下，同时保持一个安全可靠的操作。该方法已应用于一个真正的35节点MV网络的瑞士DSO与几个GridEye测量设备。在损失和电压和流量违规成本方面的性能进行了比较，次优操作没有监控。
2021-04-18 cs.SY eess.SY
Imitation Learning for Intra-Day Power Grid Operation through Topology Actions
Radboud University（拉德堡德大学）；TenneT TSO（Tennet输电系统运营商）
针对可再生能源并网下电网运行复杂度提升的问题，研究基于拓扑动作的模仿学习在日前电网运行中的性能，训练FCNN并结合少量仿真构建混合智能体，可在低计算成本下达到专家智能体性能，为L2RPN相关研究提供新思路。
2024-08-18 cs.AI cs.LG cs.SY
Operationally-Safe Peer-to-Peer Energy Trading in Distribution Grids: A Game-Theoretic Market-Clearing Mechanism
在未来的配电网中，产消者（即，具有存储和/或生产能力的能量消费者）将彼此之间以及与主电网交换能量。为了保证能源交易的高效和安全运行，本文将P2P能源交易市场描述为一个广义聚合博弈模型，其中网络运营商只对系统的运行约束负责。我们设计了一个分布式的市场清算机制，保证收敛到一个经济有效和操作安全的配置（即，变分广义纳什均衡）。IEEE 37总线测试案例的数值研究表明，所提出的方法的可扩展性，并建议积极参与市场是有益的产消者和网络运营商。
2022-03-25 cs.MA cs.SY eess.SY
Distribution Grid Robust Operation under Forecast Uncertainties with Flexibility Estimation from Low Voltage Grids using a Monitoring and Control Equipment
由于可再生能源在配电网中的渗透率越来越高，配电系统运营商（DSO）在维持供电安全和质量方面面临着越来越多的挑战。由于很大一部分可再生能源是间歇性发电，因此维持电力系统的生产和消耗平衡至关重要。DSO不仅需要从大型资源中获得灵活性，还需要从连接到低压电网的小型资源中获得灵活性。因此，有必要估计从低压电网可用的二次变电站的总灵活性。灵活性评估只能通过监测低压电网和低压级连接的分布式能源（DER）来实现。此外，间歇性资源的可变性影响的灵活性估计方法，和DSO操作必须是强大的发电或需求输出的变化。此外，最新的和准确的模型的LV电网是很难访问。本文演示了一种方法，估计灵敏度系数的灵活性，从而消除了需要有一个最新的LV电网模型。它进一步提出了一个强大的优化为基础的方法，电网运行，以解决预测的不确定性与可变DER输出的影响。这些方法说明了用监测设备进行电网监测的价值。它已被验证的瑞士DSO与几个电网监控设备的真实网络。
2021-08-09 cs.SY eess.SY
Cross-layer Design for Real-Time Grid Operation: Estimation, Optimization and Power Flow
在本文中，我们提出了一个结合在线反馈优化（OFO）和动态估计方法的实时电网运行下的时变条件。动态估计使用电网测量来生成OFO控制器所需的信息，OFO控制器将可控功率注入设定点逐渐转向时变AC最优潮流（AC-OPF）问题的解决方案。更具体地说，我们提出了一个二次规划为基础的OFO，保证满足电网的运行约束，如容许电压限制。在估计，我们设计了一个在线潮流求解器，有效地计算潮流近似实时。最后，我们证明了这种组合方法在时变条件下的稳定性和收敛性，我们验证了其有效性的仿真测试馈线和高分辨率的消费数据。
2022-05-16 cs.SY eess.SY
A Phased Development Framework Enabling Islanded Operation of Sustainable AI Data Centers With Onsite Grid-Following and Grid-Forming Energy Architectures
Black & Veatch（Black & Veatch公司）；Centre for New Energy Transition Research (CfNETR) at Federation University（联邦大学新能源转型研究中心）；University of Central Missouri（中央莫伊大学）
针对人工智能数据中心通过EPC流程可扩展部署的挑战，提出分阶段开发框架，采用模块化建设架构，结合电磁暂态模拟评估性能，探讨向全电网互连过渡及不同条件下的控制策略，助力数据中心可持续运行。
2026-07-21 cs.AI cs.SY eess.SY
On Training Effective Reinforcement Learning Agents for Real-time Power Grid Operation and Control
如何快速有效地协调控制仍然是影响当今大规模电网安全经济运行的重大挑战。本文提出了一种新的人工智能（AI）为基础的方法来实现多目标实时电网控制的现实世界的实施。采用最新的非策略强化学习（RL）算法，软行动者-评论者（SAC），通过多线程离线训练和周期在线训练来训练AI智能体，以在不违反线路热约束的情况下调节电压和传输损耗。开发了一个软件原型，并部署在国家电网江苏省电力公司控制中心，每5分钟与他们的能量管理系统（EMS）进行交互。大量的数值研究，使用实际的电网快照在实时环境中验证了所提出的方法的有效性。训练有素的SAC代理可以学习提供有效的亚秒级控制动作，以调节电压曲线并减少传输损耗。
2020-12-11 cs.SY eess.SY math.OC
Operationally Feasible Synthetic Power-Grid Scenarios via Learning the AC-Operable Joint Distribution
本文提出感知可行性的分层扩散分布学习框架，学习电网拓扑、参数与负荷的交流可操作联合分布，生成的合成电网场景可行性与鲁棒性显著提升，且消除了优化后处理。
2026-08-05 cs.LG cs.SY eess.SY
Influence of Demand and Generation Uncertainty on the Operational Efficiency of Smart Grids
Zentrum für Sonnenenergie- und Wasserstoff-Forschung Baden-Württemberg（巴登-符腾堡州太阳能与氢能源研究中心）
本文研究了需求和发电不确定性对智能电网运营效率的影响，通过比较和分析预测误差对小型虚拟电厂运营性能的影响，探讨了提高预测精度的重要性。
2019-02-05 cs.SY eess.SY
Adaptive Real-Time Grid Operation via Online Feedback Optimization with Sensitivity Estimation
在本文中，我们提出了一种基于在线反馈优化（OFO）控制器的方法，该控制器具有用于实时电网操作的电网输入-输出灵敏度估计，例如，在亚秒的时间尺度上。OFO控制器使用电网测量作为反馈来更新电网中的可控元件的值，并跟踪时变AC最优潮流（AC-OPF）的解。而不是依赖于全网格模型，例如，电网导纳矩阵，OFO仅需要与可控输入的变化相关的稳态灵敏度，例如，功率注入设定点，到测量输出的变化，例如，电压幅值。由于不准确的灵敏度可能会导致模型失配并危及性能，我们提出了一种递归最小二乘估计，使OFO能够在实时操作期间从测量中学习灵敏度，从而将OFO变成无模型方法。我们分析证明了所提出的OFO与灵敏度估计的收敛性，并验证其性能的模拟使用IEEE 123总线测试馈线，并比较它对一个国家的最先进的OFO与恒定的灵敏度。
2022-05-16 cs.SY eess.SY
Multi-Mode Inverters: A Unified Control Design for Grid-Forming, Grid-Following, and Beyond
提出一种实现构网型、跟网型等多模式逆变器无缝切换的统一集成控制框架，通过建立统一代数结构以闭环信号幅值定义模式，并在仿真与实验中验证了其稳定性、鲁棒性及多场景下的无缝切换能力。
2024-10-11 cs.SY eess.SY
Benefits and Cyber-Vulnerability of Demand Response System in Real-Time Grid Operations
随着智能电网双向通信技术的发展，需求响应（Demand Response，DR）技术因其将非关键负荷从高峰时段转移到非高峰时段的内在灵活性而受到广泛关注，它可以极大地提高电网可靠性，降低能源成本。运营商利用DR来增强运营灵活性并缓解网络拥塞。然而，智能双向通信容易受到网络攻击。本文研究了DR在安全约束经济调度（SCED）中的优势，然后研究了网络攻击针对DR信号时系统对线路过载的脆弱性。本文提出了一种虚假需求响应信号和负载测量注入（FSMI）网络攻击模型，该模型在黑客测量时发送错误的DR信号，使攻击无法检测。IEEE 24节点系统上的仿真结果（i）证明了需求响应的成本节约优势，（ii）当需求响应信号在FSMI攻击下发生变化时，显示出显着的线路过载。
2020-05-27 cs.SY eess.SY math.OC
Estimating required flexibility for secure distribution grid operation considering the uncertainties of EV and PV
可再生能源生产和交通电气化是减少温室气体排放的有前途的解决方案。它们在电网中的有效集成遇到了几个挑战。可再生能源生产的不确定性以及电动汽车消费的随机性给配电网带来了显著的不确定性，导致供需双方的双不确定性。验证在可接受的电压和负载水平内的安全电网操作的单向式方法是考虑不确定变量的可能边界来评估其所需的灵活性。本文首先提出了一种考虑所有相关约束的配电网综合线性模型。在此基础上，提出了一种基于不确定性空间的光伏发电和电动汽车负载的柔性估计方法。所提出的方法使用电网监测数据来确定电网状态和模型的不确定参数。该模型被应用于一个实际的低压（LV）系统配备了电网监测装置。
2023-01-10 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
Cybersecurity Threats to Power Grid Operations from the Demand-Side Response Ecosystem
本文分析了物联网能源智能电器对电网运营构成的网络安全威胁，探讨了需求侧响应生态系统中的漏洞、影响攻击的关键因素及提升电网韧性的措施。
2025-02-02 cs.CR cs.IT cs.SY
Grid-Aware Flexibility Operation of Behind-the-Meter Assets: A review of Objectives and Constraints
本文综述了低压配电网中表后资产灵活性运行的目标与约束，提出融合产消者目标、灵活性来源及本地与电网约束的网络感知建模分类框架，并指出产消者中心化电网考量、控制策略、灵活性偏好和场景方面的研究空白。
2025-08-22 cs.SY eess.SY
Delayed Q-update: A novel credit assignment technique for deriving an optimal operation policy for the Grid-Connected Microgrid
Pohang University of Science and Technology（浦项科技大学）；Ewha Womans University（梨花女子大学）；Hongik University（弘益大学）
微电网是一种创新的系统，它整合了分布式能源，以满足电力边界内的电力需求。本研究提出了一种方法，用于获得一个理想的微电网运行策略，使复杂的控制在微电网系统中使用所提出的新的信用分配技术，延迟Q更新。该技术采用了新的功能，如能够处理和解决延迟有效的性能的微电网，这可以防止学习代理从复杂的控制下，得出一个很好的拟合政策。所提出的技术跟踪的历史的充电期，并追溯分配一个调整后的值的ESS充电控制。由于技术的过程，使用所提出的方法导出的操作策略很好地符合ESS操作的实际效果。因此，它支持搜索一个接近最优的操作策略下，一个精确控制的微电网环境。为了验证我们的技术，我们模拟下一个真实世界的并网微电网系统的操作策略，并通过比较我们的政策与基准政策和最优政策的性能指标，证明收敛到一个接近最优的政策。
2020-10-20 cs.LG cs.SY eess.SY
Impact of Electric Vehicle Routing with Stochastic Demand on Grid Operation
随着电动汽车（EV）普及率的提高，政府政策的支持和技术价格的下降，电动交通的建模和运营面临着新的挑战。在本文中，我们提出了一个模型来解决EV路由问题，同时考虑到现实生活中的随机需求行为。我们提出了一个数学公式，最大限度地减少旅行时间和能源成本的电动汽车车队。EV由电池能量消耗模型表示。为了使我们的配方适应现实生活中的场景，客户的皮卡和下车建模为随机参数。提出了一种机会约束最优化模型，用于解决上下车的不确定性问题。计算验证模型的基础上提供了代表性的运输方案。结果表明，我们的模型与可验证的解决方案的快速收敛。最后，电动汽车充电的影响是在曼哈顿市中心，纽约通过评估对配电网的影响进行验证。
2021-04-12 cs.SY eess.SY math.OC
On Stability, Ancillary Services, Operation, and Security of Smart Inverters
本文介绍了并网逆变器研究的一些最新动向。特别是，本文重点研究了现代电网中单个和多个逆变器的稳定性、辅助服务、运行和安全性。电网交互式逆变器作为分布式能源和电网之间的可控接口。逆变器在配电系统中的高渗透率会对电能质量以及系统的电压和频率控制带来一些技术挑战。特别是，弱电网可能导致电压振荡，从而导致不稳定。此外，电网正朝着成为一个网络物理系统，其中智能逆变器可以交换电力营销和经济调度的信息。这使逆变器处于不安全操作的风险中。因此，安全性增强已成为另一个主要问题。最后，并网逆变器与多个逆变器一起工作时，按比例功率共享方式工作。本文还讨论了协同作战的最新研究成果。
2021-12-13 cs.SY eess.SY
MaDEVIoT: Cyberattacks on EV Charging Can Disrupt Power Grid Operation
本文研究通过互联网连接的大功率电动汽车充电站对电网发起需求侧网络攻击的可行性，以纽约曼哈顿为例，揭示到2030年此类攻击将可行，可导致电网停电，为规划部门提供警示。
2023-11-10 cs.SY eess.SY
Exploring the Impacts of Power Grid Signals on Data Center Operations using a Receding-Horizon Scheduling Model
数据中心（DC）可以通过帮助吸收可再生能源（例如，风能和太阳能），因为它们能够在空间和时间上转移电力负载。然而，为了利用这种负荷转移的灵活性，有必要了解电网信号（碳信号和市场价格/负荷分配）如何影响DC操作。这里出现的一个障碍是缺乏计算易处理的DC操作模型，该模型可以捕获在DC和电网的接口处出现的目标、约束和信息流。为了解决这一差距，我们提出了一个后退地平线资源管理模型（混合整数规划模型），捕获DC调度程序和网格之间的资源管理层，同时占逻辑约束，不同类型的目标，并预测传入的工作配置文件和可用的计算能力。我们使用我们的模型来进行基于Microsoft Azure和MISO的公共数据的广泛案例研究。我们的研究表明，DC可以提供显着的时间负荷转移的灵活性，从而减少碳排放和峰值需求收费。模型和案例研究以易于使用的Julia代码形式共享。
2022-12-14 cs.SY eess.SY
Assessing Covariate-Informed Grid Load Forecasting with a Time-Series Foundation Model
Artificial Intelligence Team GE Vernova Advanced Research Center（GE Vernova先进研究中心人工智能团队）
本研究评估时间序列基础模型Chronos-2在电网负荷预测中的表现，发现其经任务特定微调后短时域预测性能优异，但零样本准确性不及任务特定模型，误差随预测步长增长更快。
2026-09-09 cs.AI cs.LG cs.SY
Privacy-Preserving Coordinated Operation of Power Grids and AI Data Centers: A Checkpoint-Aware Three-Phase Scheme
The University of Hong Kong（香港大学）
针对AI数据中心检查点引起的功率波动，提出电网与AIDC间三阶段隐私保护协调方案，通过安全区域认证和检查点感知鲁棒OPF实现安全协调。
2026-09-23 cs.SY eess.SY
Economic and Reliability Value of Improved Offshore Wind Forecasting in Bulk Power Grid Operation: A Case Study of The New York Power Grid
本研究通过改进的海上风电预报在纽约电网中减少采购成本并提升系统可靠性。
2026-01-21 cs.SY eess.SY
A Comprehensive Review: Impacts of Extreme Temperatures due to Climate Change on Power Grid Infrastructure and Operation
本文综述了热穹顶、极地涡旋和结冰等极端温度对电网T&D设备的影响，通过分类评估设备脆弱性并构建故障与连锁影响图，为电网规划与运行中的偶发事故定义提供参考。
2024-12-21 cs.SY eess.SY
Quantum Computing in Next-Gen Smart Grid Operations: A Comprehensive Review
Penn State Harrisburg（宾夕法尼亚州立大学哈里斯堡分校）
本文系统评述量子计算在智能电网运行中的应用，涵盖关键技术、算法、硬件及挑战，为下一代电网优化与控制提供综合视角。
2026-09-17 cs.SY eess.SY
Deriving AC OPF Solutions via Proximal Policy Optimization for Secure and Economic Grid Operation
最优潮流（OPF）是电力系统中一个非常基本但又至关重要的优化问题，其目的是求解一个特定的目标函数（例如：发电机成本），同时保持系统稳定安全运行。在本文中，我们采用了最先进的人工智能（AI）技术训练一个代理，旨在解决交流最优潮流问题，其中考虑了非线性功率平衡方程。利用改进的IEEE-14节点系统验证了该方法的有效性。试验结果表明，人工智能技术在电力系统运行中具有很大的应用潜力。
2020-04-08 cs.SY eess.SY
The Impact of PV Generation Forecast and Multi-Objective Control Policy on Optimal Operation of Grid Connected PV-BESS Microgrid
Norwegian University of Science and Technology (NTNU)（挪威科技大学）
本研究提出基于 LSTM 的光伏预测模型与多目标调度框架，对比三种预测场景，发现 LSTM 预测可提升光伏自消费率、降低电网注入功率，同时指出电池吞吐量与老化的权衡，凸显准确光伏预测的重要性。
2026-08-27 cs.SY eess.SY
The Value of Operational Coordination for EV Fleet Aggregators
电力和天然气网以及电力和热力网等能源系统的整合可以在系统安全性，可靠性和减少排放方面带来显着的好处。另一个具有巨大潜在利益的部门耦合是电力和运输网络。这主要是由于电动汽车（EV）的使用越来越多，以及它们对电网的需求。此外，电动汽车和电池技术的生产和运营成本正在稳步下降，而发达国家的用户正在为购买和使用电动汽车提供税收抵免。电网也在进行重大升级和改造，目的是确保电网的环境可持续性。这些因素影响着我们的工作。我们提出了一种新的运营模式，集成的电动汽车电网系统，其中包括一组聚合器（拥有一个车队的电动汽车）与部分访问配电网。然后，利用合作对策理论对系统的行为进行建模。核心用于描述这些聚合器之间交互的稳定性，Shapley值用于为它们分配成本。所获得的结果显示了合作的好处，这可能导致能源消耗的总体减少，降低电动汽车和配电网的运营成本，并且在某些情况下，可以增加用于加强输电和电网基础设施的额外资金预算。
2021-04-12 cs.SY eess.SY math.OC
Frequency Constrained MPC for Efficient Grid Side Operation of Wind Power Conversion Systems
针对风电转换系统网侧MPC计算负担重的问题，提出带频率约束的间接MPC方案，通过限制调制信号频率成分控制问题规模，可在数百微秒内求解，兼具快速响应与安全约束满足能力。
2024-06-23 cs.SY eess.SY math.OC
Topology Estimation using Graphical Models in Multi-Phase Power Distribution Grids
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究所）
本文提出利用同步电压测量重构多相电力分配电网的径向拓扑结构，通过条件独立性测试检测运营线路，并在IEEE测试案例中验证算法性能。
2018-07-11 cs.SY eess.SY math.OC
Designing Active Operation in Low-Voltage Distribution Grids: Requirements, Interfaces and Roadmap
University of Kassel（卡塞尔大学）；Fraunhofer Institute for Energy Economics and Energy System Technology IEE（弗劳恩霍夫能源经济与能源系统技术研究所）
本文提出低压配电网主动运行的实现路径，探讨测量布置、信息通信架构及市场导向优化整合等核心问题，提出四阶段实施路线图以指导运营商和研究人员。
2026-04-22 cs.SY eess.SY
Cooperative Optimization of Grid-Edge Cyber and Physical Resources for Resilient Power System Operation
本文针对电网边缘信息物理资源协同优化问题，提出一种双层求解方法，通过重构信息拓扑和控制物理资源来提升电力系统在网络攻击下的运行弹性，并在改进的IEEE 14节点系统上验证了有效性。
2025-02-09 cs.SY eess.SY
Resilience-Oriented Operation of Micro-Grids in both Grid-Connected and Isolated Conditions within Sustainable Active Distribution Networks
本文提出一种凸优化模型，通过优化配置分布式发电与储能系统并形成最优微电网，在降低主动配电网正常运行时能量损耗的同时，提升自然灾害后极端条件下的系统韧性与减载能力。
2024-03-28 cs.SY eess.SY
Just-In-Time Learning for Operational Risk Assessment in Power Grids
Vanderbilt University（范德堡大学）；Georgia Institute of Technology（佐治亚理工学院）
在可再生能源发电占很大比例的电网中，运营商将需要额外的工具来评估由于负荷和发电量波动性增加而导致的运营风险。前向不确定性传播问题的计算要求，必须解决许多安全约束的经济调度（SCED）优化，是这样的实时风险评估的主要障碍。本文提出了一个即时风险评估学习框架（JITRALF）作为替代。JITRALF使用机器学习（ML）来训练风险代理人，每天每小时一个，以预测估计风险所需的数量，而无需明确解决SCED问题。这大大减少了前向不确定性传播的计算负担，并允许快速、实时的风险估计。本文还提出了一种新的非对称损失函数，并表明使用非对称损失训练的模型比使用对称损失函数训练的模型表现更好。JITRALF在法国输电系统上进行评估，以评估运行储备不足的风险、甩负荷的风险和预期的运行成本。
2022-09-26 cs.LG cs.SY eess.SY
Mixed integer nonlinear programming for Joint Coordination of Plug-in Electrical Vehicles Charging and Smart Grid Operations
University of Technology Sydney（悉尼科技大学）；The University of New South Wales（新南威尔士大学）
本文提出利用混合整数非线性规划优化插电式电动汽车充电与电网调度，通过bang-bang策略降低充电和发电成本，抑制电动车集成影响。
2018-06-07 cs.SY eess.SY
Topology Estimation in Bulk Power Grids: Guarantees on Exact Recovery
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；University of Minnesota Twin Cities（明尼苏达大学双城分校）
本文提出了一种基于电压测量的图模型框架，用于估计大规模电力网络拓扑，通过阈值或邻域计数方案提取操作边，并在无三节点环的电网中保证精确恢复。
2017-07-15 cs.SY eess.SY math.OC
Review of Core Process Representation in Power System Operational Models: Gaps, Challenges, and Opportunities for Multisector Dynamics Research
电网运营越来越多地与环境系统和人类系统（如交通、农业、经济和金融市场）相互作用。我们的目标是讨论建模的差距和机会，以推进多部门适应和权衡的科学。我们专注于电力系统运行模型，这些模型通常代表电网运行的关键物理和经济方面，并假设电网基础设施是固定的。由于计算负担，模型通常是定制的，以反映区域资源机会，数据可用性和感兴趣的应用。虽然有模型相互比较的文件，但没有模型不可知的表征和系统的概述，最先进的过程表示在操作电力系统模型。为了解决我们的目标，我们概念化的电力系统运行模型的四个核心过程：物理网格资产（发电，输电，负荷和存储），模型的目标和目的，机构和决策代理，和性能指标。我们对这些核心流程的表示进行分类，基于对23个现有开源和商业模型的审查。由于我们承认某些表示的计算负担，我们利用这种分类来描述过程保真度和易处理性的权衡，这些权衡已被研究界采用，以解决电网和水文气象不确定性，全球变化和/或技术创新之间的相互作用。核心过程分类以及现有的计算权衡用于识别技术差距，并建议未来的模型开发需求和研究方向，以更好地代表电网运营的一部分，集成多部门动态建模和跨学科研究。
2021-01-06 cs.SY eess.SY
A Reconfigurable Solar Photovoltaic Grid-Tied Inverter Architecture for Enhanced Energy Access in Backup Power Applications
提出了一种光伏可重构并网逆变器方案。与在停电期间停止操作的传统GTI不同，RGTI被设计为在并网模式下充当常规GTI，但它被重新配置为在电网停电期间继续操作的DC-DC充电控制器。在此期间，RGTI连接到基于外部UPS的备用电力系统的电池组，以增加太阳能。在不采用与UPS的通信的情况下在离网模式下的这种操作是具有挑战性的，因为RGTI的控制必须不与UPS的电池管理系统冲突。本文讨论了这一要求的硬件和控制设计方面。提出了一种用于RGTI的电池仿真控制方案，该方案有助于RGTI与物理UPS电池并联的无缝运行，以减小其放电电流。提出了一种用于整体操作和功率管理的系统级控制方案，以处理白天太阳辐射和UPS负载的动态变化，从而使电池放电负担最小化。建议的RGTI系统的设计和操作独立于外部UPS，并且可以与任何制造商提供的UPS集成。在一个4~kVA的硬件装置上的实验结果验证了所提出的RGTI概念，其操作和控制。
2019-07-06 cs.SY eess.SY
Grid-Aware Islanding and Resynchronisation of AC/DC Microgrids
本文提出一种基于线性化潮流模型的最优电网感知控制框架，用于混合AC/DC微电网的孤岛与再同步，通过让接口变换器连接DC电网构网运行，实现了更宽运行范围、无约束违例的平滑过渡，并在27节点混合电网上验证有效。
2025-03-06 cs.SY eess.SY
Online power system parameter estimation and optimal operation
将可再生能源纳入电网需要基于优化的控制方案，需要可靠的电网模型。传统的参数估计和优化控制往往是解耦的，这导致估计过程中系统的运行成本很高。本工作提出了一种方法，同时最大限度地减少电网运行成本和最佳估计线参数的方法的基础上的最优设计的实验。与标准最优潮流和最大似然估计相比，该方法大大降低了最优估计的成本，并提高了参数的精度。我们说明了所提出的方法在基准系统上的性能。
2021-03-19 cs.SY eess.SY
