用机器学习逼近轨迹约束——含频率约束的微电网孤岛运行
系统与控制
2020-12-01 v3 机器学习
系统与控制
摘要
本文提出一种深度学习辅助的约束编码方法，以解决含频率约束的微电网调度问题。系统运行工况与频率最低点之间的非线性函数通过神经网络逼近，该网络可表述为精确混合整数规划(MIP)。此后将该表述与调度问题结合以编码频率约束。借助神经网络更强的表示能力，所得指令除保证孤岛成功外，还能在真实场景中确保充分的频率响应。所提方法在改进的33节点系统上得到验证。在Simulink中使用详细的三相模型，在调度指令下模拟了成功的孤岛运行与安全响应。当考虑来自风力发电机的惯量模拟功能时，我们模型的优势尤为显著。
引用
@article{arxiv.2001.05775,
title = {Approximating Trajectory Constraints with Machine Learning -- Microgrid Islanding with Frequency Constraints},
author = {Yichen Zhang and Chen Chen and Guodong Liu and Tianqi Hong and Feng Qiu},
journal= {arXiv preprint arXiv:2001.05775},
year = {2020}
}