基于算子学习逼近同步发电机动态响应：迈向构建深度算子电网模拟器的一步
机器学习
2023-01-31 v1 人工智能
动力系统
摘要
本文设计了一个算子学习框架来逼近同步发电机的动态响应。人们可以利用这样的框架来(i)设计一个基于神经网络的发电机模型，该模型能与电网其余部分的数值模拟器交互，或(ii)影子跟踪发电机的暂态响应。为此，我们设计了一个数据驱动的深层算子网络(DeepONet)，用于逼近发电机的无限维解算子。然后，我们开发了一种基于DeepONet的数值方案，以在短期/中期时间范围内模拟给定发电机的动态响应。所提出的数值方案递归地采用训练好的DeepONet来模拟给定多维输入的响应，该输入描述了发电机与系统其余部分之间的相互作用。此外，我们开发了一种残差DeepONet数值方案，该方案融合了同步发电机数学模型的信息。我们为该残差DeepONet方案附带了预测累积误差的估计。我们还设计了一种数据聚合(DAgger)策略，该策略允许(i)采用监督学习来训练所提出的DeepONet，以及(ii)使用DeepONet在与其它电网组件进行交互模拟时可能遇到的聚合训练数据对其进行微调。最后，作为概念验证，我们证明了所提出的DeepONet框架能够有效逼近同步发电机的暂态模型。
引用
@article{arxiv.2301.12538,
title = {On Approximating the Dynamic Response of Synchronous Generators via Operator Learning: A Step Towards Building Deep Operator-based Power Grid Simulators},
author = {Christian Moya and Guang Lin and Tianqiao Zhao and Meng Yue},
journal= {arXiv preprint arXiv:2301.12538},
year = {2023}
}