基于高斯过程与逆李雅普诺夫函数的电力系统吸引域——第一部分：理论框架与离线研究
系统与控制
2024-09-23 v1 机器学习
系统与控制
机器学习
摘要
本文提出一种利用系统动态的稳态轨迹构建以稳定平衡为中心的电力系统吸引域（ROA）的新框架。现有大多数 ROA 估计工作依赖于解析李雅普诺夫函数，存在两点局限：解析李雅普诺夫函数未必总易获得，且所得 ROA 可能过于保守。本工作利用控制理论中的逆李雅普诺夫定理消除对解析李雅普诺夫函数的需求，并采用高斯过程（GP）方法学习未知李雅普诺夫函数，从而克服这两点局限。此外，设计了基于高斯过程上置信界（GP-UCB）的采样算法，以权衡扩大 ROA 的开发与降低采样区域不确定性的探索。在构建的 ROA 内，以一定概率保证系统状态将以某置信水平收敛至稳定平衡。还进行了数值仿真，以验证单机无穷大总线系统与新西兰英格兰 总线系统 ROA 的评估方法。数值结果表明，与解析李雅普诺夫对应方法相比，我们的方法能显著扩大估计的 ROA。
引用
@article{arxiv.1906.03590,
title = {Region of Attraction for Power Systems using Gaussian Process and Converse Lyapunov Function -- Part I: Theoretical Framework and Off-line Study},
author = {Chao Zhai and Hung D. Nguyen},
journal= {arXiv preprint arXiv:1906.03590},
year = {2024}
}