• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Mediterranean Conference on Control and Automation >Distributed learning for optimal allocation of synchronous and converter-based generation
【24h】

Distributed learning for optimal allocation of synchronous and converter-based generation

机译：分布式学习，以获得同步和转换器的最佳分配

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Motivated by the penetration of converter-based generation into the electrical grid, we revisit the classical log-linear learning algorithm for optimal allocation of synchronous machines and converters for mixed power generation. The objective is to assign to each generator unit a type (either synchronous machine or DC/AC converter in closed-loop with droop control), while minimizing the steady state angle deviation relative to an optimum induced by unknown optimal configuration of synchronous and DC/AC converter-based generation. Additionally, we study the robustness of the learning algorithm against a uniform drop in the line susceptances and with respect to a well-defined feasibility region describing admissible power deviations. We show guaranteed probabilistic convergence to maximizers of the perturbed potential function with feasible power flows and demonstrate our theoretical findings via simulative examples of a power network with six generation units.
机译：通过将基于转换器的生成的渗透到电网的激励，我们重新审视了经典的日志线性学习算法，以实现混合发电的同步机和转换器的最佳分配。 目的是分配给每个发电机单元A类型（在闭环控制中的同步机器或DC / AC转换器），同时最小化相对于由同步和DC的未知最佳配置的最佳配置引起的最佳状态偏差。 交流转换器的生成。 另外，我们研究了学习算法对线路粘度均匀下降的鲁棒性，以及关于描述可允许的功率偏差的明确可行性区域。 我们对具有可行功率流动的扰动潜在功能的最大化器显示了保证的概率融合，并通过具有六个代单位的电力网络的模拟示例来展示我们的理论发现。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号