基于深度学习的逆变器电压/无功控制规则优化设计
最优化与控制
2024-03-27 v2 机器学习
摘要
配电网络正受到分布式能源(DERs)可变功率注入所引起的快速电压波动的挑战。为调节电压，IEEE 标准 1547 建议每个 DER 按照分段仿射的电压/无功(Volt/VAR)控制规则注入无功功率。尽管标准给出了默认形状，该规则可按母线定制。这一最优规则设计(ORD)任务具有挑战性，因为 Volt/VAR 规则引入了非线性动态，并在稳定性与稳态电压分布之间存在权衡。ORD 被表述为一个混合整数非线性规划(MINLP)，但其规模随问题尺寸急剧恶化。为求得更高效的解，我们将 ORD 重新表述为一个深度学习问题。其思路是设计一个 DNN 来模拟 Volt/VAR 动态。该 DNN 以电网场景为输入、以规则参数为权重，并输出平衡电压。可通过训练 DNN 使其输出对各种场景接近 1 来找到最优规则参数。该 DNN 仅用于优化规则，绝不在现场使用。在处理 ORD 的同时，我们还回顾并扩展了单相与多相馈线上 Volt/VAR 动态的稳定性条件与收敛速率。测试通过与 MINLP 对应方法对比，展示了基于 DNN 的 ORD 的优势。
引用
@article{arxiv.2211.09557,
title = {Optimal Design of Volt/VAR Control Rules of Inverters using Deep Learning},
author = {Sarthak Gupta and Vassilis Kekatos and Spyros Chatzivasileiadis},
journal= {arXiv preprint arXiv:2211.09557},
year = {2024}
}
备注
Accepted in the IEEE Trans. on Smart Grid