Основні поняття
提案されたアプローチは、DER制御において公平性を促進し、安定性を確保することを目指しています。
Анотація
分散エネルギーリソース(DERs)の管理に焦点を当てた無監督学習フレームワークが提案されている。
ローカルコントローラーの開発タスクに焦点を当て、最適電力フロー(OPF)ソリューションに近似する関数をトレーニングすることが主な目的。
提案手法は、公正性駆動コンポーネントをOPF問題に関連付けられるコスト関数に統合できる柔軟性を持っている。
効果的なアプローチの効果を示すために、IEEE 37バスフィーダーを使用した電力フローシミュレーションが行われている。
DISTRIBUTION GRID MODELING
電力系統は木グラフでモデル化され、根元は変電所である。
バス間のアドミタンス行列や電圧振幅などが定義されている。
PROBLEM FORMULATION AND PROPOSED APPROACH
DERの電力注入量は最適電力フロー問題を解くべきであり、提案手法はこれらの近似解に収束するよう設計されている。
ニューラルネットワークを使用して均衡関数を学習し、局所コントロール戦略を構築している。
UNSUPERVISED LEARNING OF EQUILIBRIUM FUNCTIONS
オフラインでニューラルネットワークアプローチが実装され、CVXPYなどのライブラリが使用されている。
学習済み均衡関数は安定性条件も満たすよう設計されており、投影処理が容易に実装可能。
CASE STUDY
IEEE 37バスフィーダー上でシミュレーションが行われ、NIFデザインと公平性ペナルティ付きデザインの比較結果が示されている。
安定性特性や制御パフォーマンスなど多くの側面で提案手法が有効であることが示唆されている。
Статистика
この作業では重要な数字やメトリクスは含まれていません。