PulseAugur
实时 08:35:09
English(EN) Federated Physics-Grounded Reinforcement Learning for Distributed Stability Control in Smart Grids

新AI框架提升智能电网稳定性控制

研究人员开发了一种新颖的、具有物理锚定邻域的联邦多智能体近端策略优化框架,命名为FedPPO-PG,以增强智能电网的暂态稳定控制。该方法将稳定性控制视为一个合作多智能体强化学习问题,其中每个发电机的控制都由其两个电气耦合最强的邻居的频率偏差来指导。在IEEE 39节点基准系统的模拟中,该系统在各种故障场景下均实现了100%的稳定率,与现有方法相比,显著缩短了稳定时间和控制功率。 AI

影响 这项研究可能通过先进的AI控制机制,实现更具韧性和效率的智能电网运行。

排序理由 详细介绍特定领域新AI方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新AI框架提升智能电网稳定性控制

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Omar Al-Refai, Ibrahim Shahbaz, Adam Ali Husseinat, Eman Hammad ·

    Federated Physics-Grounded Reinforcement Learning for Distributed Stability Control in Smart Grids

    arXiv:2607.05553v1 Announce Type: new Abstract: Transient stability control in smart grids requires rapid post-fault damping of generator frequency and rotor angle deviations to prevent cascading failures. This paper proposes FedPPO-PG, a Federated Multi-Agent Proximal Policy Opt…