Robust online voltage control with an unknown grid topology
Robust online voltage control with an unknown grid topology
复制标题
具有未知电网拓扑的鲁棒在线电压控制
DOI：
10.1145/3538637.3538853
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Wierman, Adam
中科院分区：
文献类型：
--
作者：
Yeh, Christopher;Yu, Jing;Shi, Yuanyuan;Wierman, Adam
电压控制通常需要关于电网拓扑的准确信息，以确保网络稳定。然而，准确的拓扑识别对于现有的方法来说是一个具有挑战性的问题，特别是在由于采用可再生能源而导致电网重构日益频繁的情况下。此外，使用不正确的网络信息运行现有控制机制可能会导致控制不稳定。在这项工作中，我们结合了嵌套凸体追逐算法和鲁棒预测控制器，在网络拓扑初始未知的在线设置下，实现了可证明的有限时间收敛到安全电压极限。具体地说，在线控制器不知道真实的网络拓扑和线路参数，而是必须随着时间的推移通过缩小与其观测一致的网络拓扑和线路参数集并相应地调整无功发电来了解它们，以将电压保持在所需的安全范围内。我们用一个实例证明了该方法的有效性，它表明在实际设置中，控制器确实能够足够快地缩小一致的拓扑集，以做出确保稳定性的控制决策。
Voltage control generally requires accurate information about the grid's topology in order to guarantee network stability. However, accurate topology identification is a challenging problem for existing methods, especially as the grid is subject to increasingly frequent reconfiguration due to the adoption of renewable energy. Further, running existing control mechanisms with incorrect network information may lead to unstable control. In this work, we combine a nested convex body chasing algorithm with a robust predictive controller to achieve provably finite-time convergence to safe voltage limits in the online setting where the network topology is initially unknown. Specifically, the online controller does not know the true network topology and line parameters, but instead must learn them over time by narrowing down the set of network topologies and line parameters that are consistent with its observations and adjusting reactive power generation accordingly to keep voltages within desired safety limits. We demonstrate the effectiveness of the approach using a case study, which shows that in practical settings the controller is indeed able to narrow the set of consistent topologies quickly enough to make control decisions that ensure stability.
登录
查看更多内容
影响因子：
6.6
作者：
Guannan Qu;Na Li
通讯作者：
Guannan Qu;Na Li
DOI：
10.1109/naps.2015.7335248
发表时间：
2015
期刊：
2015 North American Power Symposium (NAPS)
影响因子：
--
作者：
Y. Liao;Yang Weng;Meng Wu;R. Rajagopal
通讯作者：
R. Rajagopal
DOI：
10.48550/arxiv.2203.02630
发表时间：
2022
期刊：
ArXiv
影响因子：
--
作者：
Jing Yu;Dimitar Ho;A. Wierman
通讯作者：
Jing Yu;Dimitar Ho;A. Wierman
影响因子：
3.9
作者：
Chen, Yize;Shi, Yuanyuan;Zhang, Baosen
通讯作者：
Zhang, Baosen
DOI：
10.23919/pscc.2018.8442881
发表时间：
2017-10
期刊：
2018 Power Systems Computation Conference (PSCC)
影响因子：
--
作者：
Sejun Park;Deepjyoti Deka;M. Chertkov
通讯作者：
Sejun Park;Deepjyoti Deka;M. Chertkov