Firm-Dispatchable Power and its Requirement in a Power System based on Variable Generation
本研究定义可靠可调度电力为可持续发电系统中的关键备用电源,通过比较南非、德克萨斯和英国的100%可再生能源情景,发现其所需装机容量不受需求曲线、可再生能源曲线或储能影响,但使用量受经济性影响。
2024-03-16 cs.SY eess.SY
Lyapunov-Regularized Reinforcement Learning for Power System Transient Stability
University of Washington(华盛顿大学)
随着可再生能源的日益广泛应用,电力系统的暂态稳定性问题变得越来越重要。这些资源导致机械惯性的减小,但也提供了频率响应的增加的灵活性。也就是说,它们的电力电子接口可以实现几乎任意的控制律。为了设计这些控制器,强化学习(RL)已经成为一种强大的方法,在搜索最佳的非线性控制策略参数化的神经网络。一个关键的挑战是强制学习控制器必须是稳定的。提出了一种基于李雅普诺夫正则化RL的有耗网络暂态稳定最优频率控制方法。由于缺乏解析的李雅普诺夫函数,我们学习一个由神经网络参数化的李雅普诺夫函数。损耗是针对物理电力系统专门设计的。然后,将学习到的神经李雅普诺夫函数用作正则化,通过惩罚违反李雅普诺夫条件的行为来训练神经网络控制器。算例分析表明,引入李雅普诺夫正则化,使控制器能够稳定,并获得较小的损失。
2021-05-06 cs.LG cs.SY eess.SY
Stability Enhancement in Weak Grids with High Renewable Penetration: Synchronous Condenser vs. Converter-based Technologies
Hitachi(日立)
本文对比研究了同步调相机与具备电网形成能力的STATCOM、E-STATCOM在高可再生能源渗透率弱电网中提供电网支撑服务、增强电网稳定性的性能。
2026-08-10 cs.SY eess.SY
Solar and Wind Power Forecasting: A Comparative Review of LSTM, Random Forest, and XGBoost Models
School of Electrical and Computer Engineering, College of Engineering, University of Tehran(德黑兰大学工程学院电气与计算机工程系)
本文综述 LSTM、Random Forest 与 XGBoost 在太阳能和风能功率预测中的应用,并从研究普及度、模型复杂性和计算执行时间三方面比较其优劣。
2025-09-28 cs.SY eess.SY
A Comparative Study on Frequency-Constrained Unit Commitment Approaches in Island Power Systems
本文比较了岛屿电力系统中不同频率约束机组组合方法,提出两个指标从系统效益和计算负担角度评估,并在西班牙真实岛屿仿真中证明数据驱动校正型FCUC方法最具优势。
2025-07-07 cs.SY eess.SY
Lyapunov-Based Deep Residual Neural Network (ResNet) Adaptive Control
针对ResNet自适应控制器缺乏Lyapunov权重更新律的问题,本文提出首个基于Lyapunov推导的ResNet自适应控制方法,并通过非光滑分析保证渐近收敛,Monte Carlo仿真显示其较全连接DNN性能提升64%。
2025-02-15 cs.SY eess.SY
Real-Time Residential-Side Joint Energy Storage Management and Load Scheduling with Renewable Integration
Department of Electrical, Computer, and Software Engineering, University of Ontario Institute of Technology(安大略理工大学电气、计算机和软件工程系)
本文研究了在可再生能源接入情况下,如何通过联合优化负载调度和能源存储控制来最小化系统成本,提出了一种基于Lyapunov优化的实时调度和存储控制算法,实现了负载调度和能源存储控制的分离和顺序决策,并通过仿真验证了算法的有效性。
2016-04-13 cs.SY eess.SY
Two-Scale Stochastic Control for Multipoint Communication Systems with Renewables
Fudan University(复旦大学);Florida Atlantic University(佛罗里达大西洋大学);University of Minnesota(明尼苏达大学);Tsinghua University(清华大学)
本文提出一种多尺度随机控制框架,用于智能电网供电的协调多点通信系统,考虑可再生能源、动态定价和不完美储能,通过优化解决能量管理问题,实现低能耗和高质量服务。
2016-08-19 cs.SY eess.SY math.OC
The Role of Extended Horizon Methodology in Renewable-Dense Grids With Inter-Day Long-Duration Energy Storage
本研究通过比较传统与扩展时域方法,在ERCOT电网模型上优化长时储能调度,发现扩展时域方法虽耗时但更优,并强调解决退化问题对高可再生能源系统的重要性。
2024-03-18 cs.SY eess.SY
A Survey on IBR Penetrated Power System Stability Analysis Using Frequency Scanning
本文针对逆变器型可再生能源增长带来的次同步振荡稳定问题,综述频率扫描稳定性分析方法,对比不同建模与扫描技术的特性,为高渗透电网的稳定分析提供指导。
2025-01-15 cs.SY eess.SY
Distributed Control for Charging Multiple Electric Vehicles with Overload Limitation
Shanghai Jiao Tong University(上海交通大学);National University of Singapore(新加坡国立大学);University of Minnesota(明尼苏达大学)
本文提出一种基于Lyapunov优化和对偶分解技术的在线算法,用于调度多辆电动车辆在不同充电站的充电过程,以降低电网能源成本并避免配电网过载。
2016-03-09 cs.SY eess.SY
Cooperation and Storage Tradeoffs in Power-Grids with Renewable Energy Resources
Singapore University of Technology and Design(新加坡科技设计大学);Institute for Infocomm Research(信息通信研究所);Princeton University(普林斯顿大学)
本文研究了电力网络中可再生能源整合的挑战,通过存储和分布式发电协作两种技术的权衡,分析了在有限存储条件下协作的重要性及优化算法的性能。
2014-07-29 cs.IT cs.SY eess.SY
Comparative Assessment of Look-Ahead Economic Dispatch and Ramp Products for Grid Flexibility
Midcontinent ISO(中部电网独立系统运营商)
本文比较了前瞻性经济调度与爬坡产品在电网灵活性中的性能,发现两者在特定条件下存在差异,提出改进爬坡产品实现的建议。
2026-01-29 cs.SY eess.SY
Research Needs for Realization of Zero-Carbon Power Grids with Selected Case Studies
实现碳中和需要一个研究议程,解决我们朝着100%可再生能源发电的方向发展时将遇到的技术和经济挑战。可变可再生能源(VRE)来源(如风力涡轮机和光伏系统)的比例不断增加,使得以VRE为主的电网的供需平衡变得困难。VRE逆变器的工作特性和影响也需要注意。在这里,我们研究了范式转变到碳中和的影响,并总结了相关的研究挑战,在系统规划,运营和稳定性,以及对储能集成,需求方参与,分布式控制和估计,能源部门耦合的需求。我们还强调了现有的文献空白,以及我们最近的研究,可以填补空白,从而促进电网运营和估计的改善。还提供了关于具有高水平VRE源的电网的运行稳定性和经济性的比较案例研究的数值结果,帮助利益相关者建立具体的路线图并做出相关决策。
2022-02-28 cs.SY eess.SY
Transient Stability Analysis of Grid-Connected Converters Based on Reverse-Time Trajectory
针对弱电网下并网变换器暂态稳定分析中时域仿真计算量大、解析法保守性强的问题,提出结合李雅普诺夫函数混合方法与时间反转技术的边界估算方法,明确不同控制下的系统边界并经仿真验证。
2023-06-12 cs.SY eess.SY
Simultaneous Online System Identification and Control using Composite Adaptive Lyapunov-Based Deep Neural Networks
University of Florida(佛罗里达大学)
针对非线性系统,提出一种基于李雅普诺夫稳定性分析的深度神经网络在线自适应更新方法,同时实现系统辨识与轨迹跟踪,并保证跟踪误差、状态导数估计误差和网络权重估计误差一致最终有界。
2026-05-21 cs.SY eess.SY
Stability and Robustness of a Hybrid Control Law for the Half-bridge Inverter
混杂系统结合了离散和连续状态动力学。电力电子逆变器本质上是混杂系统:它们通过离散值开关输入来控制,该离散值开关输入确定连续值电流和电压状态动态的演变。混杂系统分析可以证明越来越有用,因为大量的可再生能源被纳入电网与逆变器作为其接口。在这项工作中,我们探讨了一个混杂系统的电力和电力电子系统的稳定性分析方法。我们提供了一个分析证明表明,使用的半桥逆变器的混合模型允许推导的控制律,驱动系统状态所需的正弦电压和电流参考。我们推导出一个解析表达式的全局李雅普诺夫函数的动力系统的系统参数,这证明了一致的,全局的,渐近稳定的误差坐标原点。此外,我们证明了通过这个李雅普诺夫函数参数变化的鲁棒性。我们通过仿真验证了这些结果。最后,我们经验表明,将下垂控制与这种混杂系统的方法。在低惯性电网社区中,下垂控制与混合开关控制的并置可以被认为是使用开关逆变器模型的电网形成控制策略。
2022-05-18 cs.SY eess.SY
Grid-Edge Energy-Flexible Technologies: A Comparative Analysis Across Generators, Loads, and Energy Storage Systems
本综述全面探讨现代电力系统中能源柔性的定义、三类核心技术(发电机、储能系统、负荷)的机制与特性,分析其在可再生能源并网中的作用,为优化能源柔性提供路线图。
2025-08-19 cs.SY eess.SY
A Nonlinear Negative Imaginary Systems Framework with Actuator Saturation for Control of Electrical Power Systems
本文提出基于电池反馈控制和非线性负虚系统理论,通过新Lyapunov函数和抗饱和控制器实现电网基础设施更充分利用,仿真验证了单机无穷大系统的稳定性。
2023-11-12 cs.SY eess.SY
A Comparative Study of Distributed Feedback Optimizing Control Architectures
本文比较了分布式反馈优化控制架构,通过两个案例(住宅能源枢纽和海底采油网络)验证了其在不同场景下的性能,并讨论了各方法的优缺点。
2024-11-07 cs.SY eess.SY math.OC
f-P vs P-f based Grid-forming Control under RoCoF Event Considering Power and Energy Limits
针对传统P-f构网控制在变流器能量达限时面临的功率限制与电网同步两难问题,提出f-P与Q-V混合控制策略,在保持相近构网性能的同时提升了功率限制与同步能力。
2024-12-08 cs.SY eess.SY
On Stability Analysis of Power Grids with Synchronous Generators and Grid-Forming Converters under DC-side Current Limitation
研究了直流侧限流条件下含并网变流器的同步发电机和可再生能源发电系统的稳定性。为此,我们首先考虑一个简单的2总线测试系统和降阶模型,以突出两类GFC控制之间的根本区别-(A)下垂,可调度虚拟振荡器控制(dVOC)和虚拟同步机(VSM),和(B)匹配控制。接下来,我们研究了简单系统下A类GFC直流电压动态的李雅普诺夫稳定性和输入输出稳定性,并将其推广到一般系统。接下来,我们提供了一个充分条件的输入到状态稳定性的2节点系统与B类GFC和扩展到一般系统。最后,时域仿真从一个简单的测试系统的降阶平均模型和详细的切换模型的GFC验证所提出的条件。
2021-03-18 cs.SY eess.SY
Safe Exploration in Model-based Reinforcement Learning using Control Barrier Functions
Boston University(波士顿大学)
本文提出了一种基于基于模型的强化学习(MBRL)框架,用于在线学习无限时域最优控制问题的价值函数,同时服从以控制障碍函数(CBF)表示的安全约束。我们的方法是促进了一类新的CBFs,称为Lyapunov样CBFs(LCBFs)的发展,保留CBFs的开发微创安全控制政策的有益特性,同时也具有理想的Lyapunov样的质量,如积极的半定。我们展示了如何使用这些LCBFs来增强基于学习的控制策略以保证安全,然后利用这种方法在MBRL环境中开发安全的探索框架。我们证明,我们的方法可以处理更一般的安全约束比比较方法通过数值例子。
2022-09-19 cs.LG cs.SY eess.SY
On the Stability of Networked Nonlinear Negative Imaginary Systems with Applications to Electrical Power Systems
针对净零排放转型下电网扩建需求,本文基于非线性负虚系统理论与新型类Luré-Postnikov李雅普诺夫函数,提出电池反馈控制方案,证明电网可逐线路过渡到该系统,降低扩建需求。
2024-07-11 cs.SY eess.SY
Control and Stability of a Multilevel Power System for a Future Distribution Network
School of Mathematics, Shandong University(山东大学数学学院);Delft University of Technology(代尔夫特理工大学)
本文提出了一种面向未来去碳化电力系统的多级控制框架,利用储能系统缓解频率和电压波动,并通过分布式控制策略提升系统稳定性。
2026-10-28 cs.SY eess.SY
A Comparative Study of Artificial Potential Fields and Reciprocal Control Barrier Function-based Safety Filters
KTH Royal Institute of Technology(瑞典皇家理工学院);Peking University(北京大学)
本文证明人工势场(APFs)设计的控制器可由互惠控制障碍函数二次规划(RCBF-QP)安全滤波器推导得出,通过引入含辅助函数的收紧函数建立等价关系并推广至一般场景,以避障示例验证联系。
2025-04-16 cs.AI cs.SY eess.SY
Nonlinear Optimal Control of DC Microgrids with Safety and Stability Guarantees
University of California, Los Angeles(加州大学洛杉矶分校)
本文提出一种安全关键控制器,通过整合控制李雅普诺夫函数和控制屏障函数,以二次规划形式实现直流微电网的安全稳定控制,实验表明其在安全性和稳定性方面优于传统滴落控制。
2025-06-03 cs.SY eess.SY
Forecasting Day-Ahead Electricity Prices in the Integrated Single Electricity Market: Addressing Volatility with Comparative Machine Learning Methods
School of Electronics, Electrical Engineering and Computer Science, Queen’s University Belfast(贝尔法斯特女王大学电子、电气工程与计算机科学学院)
本研究针对爱尔兰综合单一电力市场的高波动日前电价,对比传统机器学习与神经网络模型及不同训练周期的预测效果,明确了欧盟气价等关键特征的重要性及可再生能源对电价的压低作用。
2024-08-10 cs.AI cs.LG cs.SY
Managing power grids through topology actions: A comparative study between advanced rule-based and reinforcement learning agents
Fraunhofer IEE(弗劳恩霍夫能源经济与能源系统技术研究所);TenneT TSO BV(Tennet输电公司);AI Lab, Reseau de Transport d’Electricite (RTE)(法国输电网络集团人工智能实验室);Kiel University(基尔大学)
针对电网运行复杂度提升的问题,该研究在“学习运行电网”挑战赛框架下,提出N-1策略和拓扑恢复方法改进基于规则与RL两类智能体,使规则智能体性能提升27%,两类智能体性能相近但RL计算优势明显。
2023-04-17 cs.AI cs.LG cs.SY
A Review on Symbolic Regression in Power Systems: Methods, Applications, and Future Directions
本文综述了符号回归方法(如非线性动态稀疏识别、控制方程自动回归和深度符号回归)在电力系统中的应用,通过对比案例研究分析其在建模非线性动态方面的优劣,并指出未来研究方向。
2025-04-06 cs.SY eess.SY
Optimal Control of Grid-Interfacing Inverters With Current Magnitude Limits
针对并网逆变器电流幅值约束下现有控制方法易失稳或过于保守的问题,本文基于Lyapunov稳定性推导SDP稳定条件,通过采样离线模型预测控制问题拟合线性反馈控制器,提升了控制性能。
2025-03-22 cs.SY eess.SY
A Switching Strategy for Event-Trigger Control of Spacecraft Rendezvous
Escuela Tecnica Superior de Ingeniería, Universidad de Sevilla(塞维利亚大学高等工程学院)
本文针对航天器交会问题,基于Hill-Clohessy-Wiltshire方程提出一种状态依赖切换的脉冲控制策略,利用Lyapunov稳定性和LMI框架推导控制律,在保证闭环系统稳定的同时最小化推力器执行次数,数值案例验证了其优于标准MPC方案的优势。
2025-10-31 cs.SY eess.SY
Stability-Constrained Learning for Frequency Regulation in Power Grids with Variable Inertia
针对高比例可再生能源电网的低时变惯量问题,提出结合线性控制与神经网络、具备Lyapunov稳定性保证的一次频率控制器,在12母线系统中显著降低成本并达到接近LQR的实时性能。
2024-06-11 cs.SY eess.SY
Performance-Barrier Event-Triggered PDE Control of Traffic Flow
本文提出基于性能障碍的事件触发PDE反步设计,通过可变限速稳定交通流振荡,相比常规ETC减少了控制更新,并在仿真中显著提升了驾驶员舒适度与安全性。
2025-03-06 cs.SY eess.SY
Distributed Coordination of Grid-Forming and Grid-Following Inverters for Optimal Frequency Control in Power Systems
Texas A&M University(德克萨斯农工大学)
本文研究了电网形成和电网跟随逆变器的分布式协调控制,以实现可扩展的最优频率控制。提出了一种基于投影对偶梯度方法的完全分布式最优频率控制算法,通过利用底层物理系统动态结构,实现恢复名义系统频率、最小化总控制成本并满足逆变器功率容量限制和线路热约束。
2026-05-01 cs.SY eess.SY math.OC
Real-time Feedback Based Online Aggregate EV Power Flexibility Characterization
本文针对聚合电动汽车功率灵活性表征问题,提出离线模型界定可行区域,并开发基于李雅普诺夫优化的在线算法,集成实时反馈以提升灵活性,通过性能比较验证优势。
2023-10-12 cs.SY eess.SY math.OC
A Performance and Stability Analysis of Low-inertia Power Grids with Stochastic System Inertia
The University of Texas at Dallas(德克萨斯大学达拉斯分校)
本文研究了具有随机系统惯性的低惯性电网的性能与稳定性,通过线性化随机摇摆方程模型,利用H2范数量化系统在持续扰动或瞬态故障下的性能,并推导了均匀惯性与阻尼参数电网的H2范数闭式表达式,同时给出了均方稳定性条件。
2019-03-02 cs.SY eess.SY math.OC
Optimizing Power Grid Topologies with Reinforcement Learning: A Survey of Methods and Challenges
Vrije Universiteit(阿姆斯特丹自由大学)
本文综述强化学习在电网拓扑优化中的应用,梳理L2RPN推动的方法分类、设计选择与研究空白,并通过比较数值实验评估其有效性。
2025-05-15 cs.AI cs.LG cs.SY