-
题名面向配电网数字孪生模型构建的边缘协作方法
- 1
-
-
作者
杨阳
陈亚鹏
舒乙凌
谢文正
于子淇
周振宇
-
机构
新能源电力系统全国重点实验室(华北电力大学)
-
出处
《电网技术》
EI
CSCD
北大核心
2024年第3期1053-1061,共9页
-
基金
国家电网有限公司总部管理科技项目(面向智慧园区低碳业务的多模态通信关键技术研究及试点应用)(52094021N010(5400-202199534A-0-5-ZN))。
-
文摘
边缘计算通过计算资源的下沉为配电网数字孪生(digital twin,DT)模型训练提供算力支撑,但仍需对边缘层计算资源进行整合优化,提升模型构建效率与精度。针对此,该文提出面向配电网DT模型构建的边缘协作方法。首先,建立基于边缘协作的配电网DT模型构建框架,通过局部模型训练与全局模型整合实现配电网孪生。其次,建立协作训练损失函数,在保障DT模型长时同步率约束前提下,最小化模型损失。最后,借助李雅普诺夫优化构建与DT模型长时同步率约束相关的虚拟队列,针对无线信道时变性以及协作决策耦合性带来的信息不确定、不对称问题,提出基于深度强化学习的配电网DT模型边缘协作构建算法。仿真结果表明,相较于其他两种传统算法,所提算法在保障DT模型长时同步率约束前提下,可分别降低全局模型损失34.94%和55.93%,降低样本数据队列积压27.40%和19.68%。
-
关键词
配电网
数字孪生
边缘协作
长时同步率保障
效率与精度提升
深度强化学习
-
Keywords
distribution network
digital twin
edge collaboration
long-term synchronization rate guarantee
efficiency and accuracy improvement
deep reinforcement learning
-
分类号
TM721
[电气工程—电力系统及自动化]
-