为了应对海量分布式资源分层分布接入柔性配电网给无功优化引入的不确定性,提出了基于概率场景驱动的柔性配电网分布式无功优化方法。首先,以最小化系统损耗为目标建立了柔性配电网无功优化模型,其次,综合考虑1-范数和∞-范数的置信约束...为了应对海量分布式资源分层分布接入柔性配电网给无功优化引入的不确定性,提出了基于概率场景驱动的柔性配电网分布式无功优化方法。首先,以最小化系统损耗为目标建立了柔性配电网无功优化模型,其次,综合考虑1-范数和∞-范数的置信约束,构建基于概率场景模糊集的柔性配电网分布鲁棒无功优化模型。在此基础上,以分布式优化模型为外部框架,采用一致性加速梯度交替方向乘子法(alternating direction method of multipliers,ADMM)进行全局协调与更新迭代求解,以各子区域分布鲁棒优化模型为内部框架,采用列与约束生成(column and constraint generation,CCG)算法求解。基于改进的IEEE-33节点系统的算例仿真结果表明,所提出的柔性配电网分布式无功优化方法具有较好的收敛性,兼顾了经济性和鲁棒性的平衡。展开更多
为了缓解5G授权频谱资源短缺的问题,使用非授权频谱成为重要的解决方案。随着电力终端的大规模接入,面向电力业务保障的NR-U(NR in unlicensed spectrum)与Wi-Fi频谱共享成为重要的研究热点。首先,提出了一种NR-U上行传输机制,在保障Wi...为了缓解5G授权频谱资源短缺的问题,使用非授权频谱成为重要的解决方案。随着电力终端的大规模接入,面向电力业务保障的NR-U(NR in unlicensed spectrum)与Wi-Fi频谱共享成为重要的研究热点。首先,提出了一种NR-U上行传输机制,在保障Wi-Fi用户平均速率的同时实现了电力业务终端的数据上行传输。此外,还提出了联合传输时间和子载波分配(joint transmission time and subcarrier allocation,TTSA)的资源优化算法,以保障各类型电网业务的服务质量(quality of service,QoS),并最大化终端的总速率。将该优化问题解耦,使用近端策略优化(proximal policy optimization,PPO)为终端分配子载波。仿真结果表明,与已有算法相比,提出的TTSA资源优化算法在保障电力业务QoS和最大化终端总速率方面性能优越。展开更多
文摘为了应对海量分布式资源分层分布接入柔性配电网给无功优化引入的不确定性,提出了基于概率场景驱动的柔性配电网分布式无功优化方法。首先,以最小化系统损耗为目标建立了柔性配电网无功优化模型,其次,综合考虑1-范数和∞-范数的置信约束,构建基于概率场景模糊集的柔性配电网分布鲁棒无功优化模型。在此基础上,以分布式优化模型为外部框架,采用一致性加速梯度交替方向乘子法(alternating direction method of multipliers,ADMM)进行全局协调与更新迭代求解,以各子区域分布鲁棒优化模型为内部框架,采用列与约束生成(column and constraint generation,CCG)算法求解。基于改进的IEEE-33节点系统的算例仿真结果表明,所提出的柔性配电网分布式无功优化方法具有较好的收敛性,兼顾了经济性和鲁棒性的平衡。
文摘为了缓解5G授权频谱资源短缺的问题,使用非授权频谱成为重要的解决方案。随着电力终端的大规模接入,面向电力业务保障的NR-U(NR in unlicensed spectrum)与Wi-Fi频谱共享成为重要的研究热点。首先,提出了一种NR-U上行传输机制,在保障Wi-Fi用户平均速率的同时实现了电力业务终端的数据上行传输。此外,还提出了联合传输时间和子载波分配(joint transmission time and subcarrier allocation,TTSA)的资源优化算法,以保障各类型电网业务的服务质量(quality of service,QoS),并最大化终端的总速率。将该优化问题解耦,使用近端策略优化(proximal policy optimization,PPO)为终端分配子载波。仿真结果表明,与已有算法相比,提出的TTSA资源优化算法在保障电力业务QoS和最大化终端总速率方面性能优越。
