针对高比例分布式能源和灵活可调负荷接入下,虚拟电厂(virtual power plant,VPP)调度特性复杂、各主体隐私数据保护困难的问题,本文提出一种基于联邦强化学习的多VPP安全协同隐私数据保护方法,实现多VPP可调资源协同优化与敏感数据的可...针对高比例分布式能源和灵活可调负荷接入下,虚拟电厂(virtual power plant,VPP)调度特性复杂、各主体隐私数据保护困难的问题,本文提出一种基于联邦强化学习的多VPP安全协同隐私数据保护方法,实现多VPP可调资源协同优化与敏感数据的可用不可见.首先,通过分析VPP内部可调资源的时空耦合性和时变性,构建了多VPP协同的全网调频备用资源调度模型和VPP内部可调资源物理模型.其次,将VPP可调资源的响应行为转化为一个时序马尔可夫决策过程,建立VPP内部深度Q网络(deep Q-network,DQN)优化调度模型,以经济优化为目标响应调度需求.然后,提出了基于改进横向联邦平均算法的多个DQN模型协同训练方法,通过联邦平均优化全局模型训练参数,并设计全局模型更新间隔自适应调整机制,提升DQN模型训练效率与精度.整个训练过程各VPP无需向上层调度中心上报详细物理模型,无需在训练过程中对等交互信息.最后,结合某地区调频辅助服务市场数据与IEEE-39节点网络算例,对提出算法进行仿真验证,并讨论了不同调度策略对不确定性调节资源的适应能力.与同类算法的对比结果表明,所提算法隐私泄露方差为0.11,调度成本最大可降低22.5%,在各调节时段,能够保护VPP运行和物理模型数据并实现可调资源高效低成本参与电力市场.展开更多
宽带电力线载波通信采用自适应正交频分复用(orthogonal frequency division multiplexing,OFDM)技术有效提升了通信速率,为实现电力多业务应用提供了丰富的通信资源保证。现有研究多是基于单一层级的网络状态进行资源划分,各业务所需...宽带电力线载波通信采用自适应正交频分复用(orthogonal frequency division multiplexing,OFDM)技术有效提升了通信速率,为实现电力多业务应用提供了丰富的通信资源保证。现有研究多是基于单一层级的网络状态进行资源划分,各业务所需速率多为静态预先设定且为固定值,因此会导致各子载波信噪比存在明显差异性的情况下,系统无法根据业务的不同QoS需求及网络中实时队列长度对所需资源进行自适应调整。抑或缺乏依据当前网络状态的动态调配灵活性,导致通信资源的浪费或通信需求无法满足。文章针对并发多业务的资源分配问题,通过应用层、数据链路层、物理层间的数据映射,建立了跨层资源分配模型。根据应用层电力多业务的QoS需求、数据链路层缓存区内队列长度以及底层物理层子载波和系统功率,将数据分组等待时延以及分组损耗映射为实时/非实时类用户的最低传输速率,进而提出基于效用函数的MAC层用户调度和物理层资源分配算法。最后通过典型电力线信道环境仿真实验发现:所提算法比现有2个电力线载波资源分配算法在多业务并发场景下单用户的吞吐量最高可提升47.62%,分组等待时延缩短37.25%,分组损耗降低72.04%。更好的资源分配使得文章所提算法能够在保证QoS需求情况下,允许更多的用户同时接入系统,有效提升了基于OFDM的宽带电力线载波通信资源利用率。展开更多
文摘针对高比例分布式能源和灵活可调负荷接入下,虚拟电厂(virtual power plant,VPP)调度特性复杂、各主体隐私数据保护困难的问题,本文提出一种基于联邦强化学习的多VPP安全协同隐私数据保护方法,实现多VPP可调资源协同优化与敏感数据的可用不可见.首先,通过分析VPP内部可调资源的时空耦合性和时变性,构建了多VPP协同的全网调频备用资源调度模型和VPP内部可调资源物理模型.其次,将VPP可调资源的响应行为转化为一个时序马尔可夫决策过程,建立VPP内部深度Q网络(deep Q-network,DQN)优化调度模型,以经济优化为目标响应调度需求.然后,提出了基于改进横向联邦平均算法的多个DQN模型协同训练方法,通过联邦平均优化全局模型训练参数,并设计全局模型更新间隔自适应调整机制,提升DQN模型训练效率与精度.整个训练过程各VPP无需向上层调度中心上报详细物理模型,无需在训练过程中对等交互信息.最后,结合某地区调频辅助服务市场数据与IEEE-39节点网络算例,对提出算法进行仿真验证,并讨论了不同调度策略对不确定性调节资源的适应能力.与同类算法的对比结果表明,所提算法隐私泄露方差为0.11,调度成本最大可降低22.5%,在各调节时段,能够保护VPP运行和物理模型数据并实现可调资源高效低成本参与电力市场.
文摘宽带电力线载波通信采用自适应正交频分复用(orthogonal frequency division multiplexing,OFDM)技术有效提升了通信速率,为实现电力多业务应用提供了丰富的通信资源保证。现有研究多是基于单一层级的网络状态进行资源划分,各业务所需速率多为静态预先设定且为固定值,因此会导致各子载波信噪比存在明显差异性的情况下,系统无法根据业务的不同QoS需求及网络中实时队列长度对所需资源进行自适应调整。抑或缺乏依据当前网络状态的动态调配灵活性,导致通信资源的浪费或通信需求无法满足。文章针对并发多业务的资源分配问题,通过应用层、数据链路层、物理层间的数据映射,建立了跨层资源分配模型。根据应用层电力多业务的QoS需求、数据链路层缓存区内队列长度以及底层物理层子载波和系统功率,将数据分组等待时延以及分组损耗映射为实时/非实时类用户的最低传输速率,进而提出基于效用函数的MAC层用户调度和物理层资源分配算法。最后通过典型电力线信道环境仿真实验发现:所提算法比现有2个电力线载波资源分配算法在多业务并发场景下单用户的吞吐量最高可提升47.62%,分组等待时延缩短37.25%,分组损耗降低72.04%。更好的资源分配使得文章所提算法能够在保证QoS需求情况下,允许更多的用户同时接入系统,有效提升了基于OFDM的宽带电力线载波通信资源利用率。
