电力系统动态的 data driven 在线学习
系统与控制
2020-03-12 v1 系统与控制
摘要
随着电力网络感知与通信的发展，来自电力网络的高频实时数据可作为资源用于开发更好的监测能力。在这项工作中，提出了一种基于涉及 Koopman 算子的数据驱动算子理论方法的系统方法，用于电力系统动态的在线辨识。特别地，提供了一种新算法，与以往任何已有算法不同，该算法随着新数据点的获取迭代更新 Koopman 算子。所提算法有三个优点：a) 允许对电力系统动态进行实时监测；b) 线性电力系统动态（该线性系统通常处于更高维特征空间，且与底层非线性动态的线性化不同）；c) 与流行的扩展动态模态分解（Extended Dynamic Mode Decomposition, EDMD）算法相比计算快速且开销小。所提算法的效率在 IEEE 9 总线系统上使用来自非线性模型的合成数据，以及在 IEEE 39 总线系统上使用来自线性化模型的合成数据进行了说明。
引用
@article{arxiv.2003.05068,
title = {Data Driven Online Learning of Power System Dynamics},
author = {Subhrajit Sinha and Sai Pushpak Nandanoori and Enoch Yeung},
journal= {arXiv preprint arXiv:2003.05068},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:1909.12520