
-
生物通官微
陪你抓住生命科技
跳动的脉搏
具有预测性瞬态稳定性增强功能的神经网格控制系统,通过分布式智能和实时拓扑重构实现100%的可再生能源整合
《Scientific Reports》:Neural grid control systems with predictive transient stability enhancement enabling 100 percent renewable integration through distributed intelligence and real time topology reconfiguration
【字体: 大 中 小 】 时间:2026年05月17日 来源:Scientific Reports 3.9
编辑推荐:
摘要向完全可再生能源电力系统的快速转型意味着需要新的控制架构,这些架构能够在保持低惯量网络短暂稳定的同时,应对日益增加的电能波动性。本文提出了一种基于神经网络的电网控制系统(NGCS),该系统结合了物理信息图注意力网络和分层多智能体强化学习技术,以提高系统的预测性瞬态稳定性并实现
向完全可再生能源电力系统的快速转型意味着需要新的控制架构,这些架构能够在保持低惯量网络短暂稳定的同时,应对日益增加的电能波动性。本文提出了一种基于神经网络的电网控制系统(NGCS),该系统结合了物理信息图注意力网络和分层多智能体强化学习技术,以提高系统的预测性瞬态稳定性并实现实时拓扑重构。所提出的架构采用了一种时空图编码器,能够捕捉以换流器为主的网络中的动态电气耦合关系,并将摆动方程的物理约束嵌入到学习架构中,以确保物理一致性。通过分布式智能技术,自治变电站级别的智能代理能够利用基于共识的通信方案同步切换拓扑的行为,而中央元控制器则负责协调整个系统的稳定性目标。实验结果表明,NGCS的瞬态稳定性分类准确率达到了94.7%,推理时间仅为12毫秒,并且与传统的时域仿真方法相比计算速度提高了340倍,从而实现了在全换流器基电网中的实时拓扑重构。这些结果表明,NGCS是一个用于快速评估瞬态稳定性和进行联合同步校正控制的有前景的框架。
生物通微信公众号