基于信息间隙决策理论和深度学习的 IBR 丰富电网中感应稳定性感知的频率提供
系统与控制
2025-07-18 v1 系统与控制
摘要
本文提出了一种框架，以解决高比例逆变器资源(IBR)渗透电网中因惯性降低导致的临界感应稳定性丧失问题。该方法将预测性深度学习(DL)模型与信息间隙决策理论(IGDT)集成，创建一种风险对策的调度策略。通过对传统虚拟惯性调度(VIS)问题进行重新表述，该框架利用对故障后动力学的早期预测，主动重新调度资源，确保在最坏情况情境下系统惯性中心保持稳定。该方法在 70% IBR 渗透率的 IEEE 39 节点系统上进行验证，所提出的方法可防止系统崩溃，而常规 VIS 策略会失败，确保频率稳定性仅增加 5% 的成本。
引用
@article{arxiv.2507.13265,
title = {Transient-Stability-Aware Frequency Provision in IBR-Rich Grids via Information Gap Decision Theory and Deep Learning},
author = {Amin Masoumi and Mert Korkali},
journal= {arXiv preprint arXiv:2507.13265},
year = {2025}
}