跳到正文
热点事件观察中

预印本提出微电网频率控制模仿学习框架

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Sajid Kamal、Yichen Zhang、Feng Qiu、Tianqiao Zhao 发布预印本论文,提出一种带稳定性认证的模仿学习框架,用于低惯量微电网频率调节。方法上,先用离线数值最优控制生成近最优的状态—控制数据对来训练深度神经网络反馈控制器,再依据绝对稳定性理论推导的 Lyapunov 约束保证闭环稳定性。 验证在修改的 IEEE 33 节点柴油—风电微电网上进行:深度神经网络控制器部署于风电机组,提供分散式附加有功支撑。作者称,在不同扰动下频率偏差均保持在预设安全范围内,同时维持闭环稳定。该结果来自预印本,尚未经同行评审。

AI 根据报道生成 · 46 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月17日
  1. arXiv 电力系统研究
    基于稳定性约束模仿学习的微电网性能保障神经反馈频率控制

    该预印本提出一种稳定性认证的模仿学习框架,用于低惯量微电网频率调节:先由离线数值最优控制生成近最优状态—控制数据对训练深度神经网络反馈控制器,并基于绝对稳定性理论推导的Lyapunov约束保证闭环稳定性。在修改的IEEE 33节点柴油—风电微电网上验证,DNN控制器部署于风电机组,提供分散式附加有功支撑,使不同扰动下频率偏差保持在预设安全范围内。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。