基于可微参数优化的神经-物理动态负荷建模
系统与控制
2022-04-12 v1 机器学习
神经与进化计算
系统与控制
摘要
在这项工作中，我们研究了一种数据驱动方法，用于获取配电系统用于机电暂态稳定分析的降阶等效负荷模型。所提出的降阶等效是一种神经-物理模型，由传统的 ZIP 负荷模型与神经网络增强构成。该神经-物理模型通过可微编程进行训练。我们讨论了所提出模型作为微分参数规划的设置公式、建模细节与训练。该神经物理 ZIP 负荷模型的性能与精度在一个中等规模 350 母线输配网络上进行了展示。
引用
@article{arxiv.2203.10582,
title = {Neuro-physical dynamic load modeling using differentiable parametric optimization},
author = {Shrirang Abhyankar and Jan Drgona and Andrew August and Elliot Skomski and Aaron Tuor},
journal= {arXiv preprint arXiv:2203.10582},
year = {2022}
}
备注
7 pages, 9 figures