利用X-DNN实现智能电网中分布式能源资源、OLTC(自动无载分接开关)和SCB(少油断路器)的智能协调与控制
《CSEE Journal of Power and Energy Systems》:Intelligent Coordination and Control of Distributed Energy Resources, OLTC and SCB in Smart Grid Using X-DNN
【字体:
大
中
小
】
时间:2026年04月29日
来源:CSEE Journal of Power and Energy Systems 5.9
编辑推荐:
摘要: 将分布式能源资源(DERs)引入配电网引发了许多挑战,如功率流不平衡、电压波动以及电压调节设备的运行控制问题。电力系统中用于解决这些问题的优化技术存在缺点,例如计算速度较慢。为此,我们为现代电力系统网络开发了一种两阶段控制策略,其中使用可解释深度神经网络(X-DNN)作
摘要:
将分布式能源资源(DERs)引入配电网引发了许多挑战,如功率流不平衡、电压波动以及电压调节设备的运行控制问题。电力系统中用于解决这些问题的优化技术存在缺点,例如计算速度较慢。为此,我们为现代电力系统网络开发了一种两阶段控制策略,其中使用可解释深度神经网络(X-DNN)作为控制器,并通过集中式多目标交流最优功率流的输出响应对其进行训练。第一阶段采用离线优化方法,在光伏(PV)功率输出和负载条件的不确定性下,嵌入控制器以生成并网逆变器(GCI)和电压调节设备的最优设定点,从而形成X-DNN模型的训练数据集。训练好的X-DNN控制器被用于实时控制,并在具有高比例并网逆变器(GCI)的IEEE 69节点系统上对该方法进行了仿真测试,同时与粒子群优化(PSO)和遗传算法(GA)进行了比较。结果表明,X-DNN控制器具有出色的调节性能,能够有效维持系统电压稳定性:与GA和PSO相比,平均电压偏差分别降低了34.7%和56.69%;有功功率损耗分别降低了7.47%和14.52%。此外,X-DNN控制器的计算速度更快,使其成为智能电力网络的一个有前景的框架。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号