面向配电网数字孪生模型构建的边缘协作方法

扫码查看

原文链接

万方数据
维普

中文摘要：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％.

外文标题：Edge Collaboration for Construction of Distribution Network Digital Twin Model

外文关键词：

distribution networkdigital twinedge collaborationlong-term synchronization rate guaranteeefficiency and accuracy improvementdeep reinforcement learning

作者：

杨阳、陈亚鹏、舒乙凌、谢文正、于子淇、周振宇

展开 >

作者单位：

新能源电力系统全国重点实验室(华北电力大学),北京市昌平区 102206

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

基金：

国家电网总部管理科技项目国家电网总部管理科技项目

项目编号：

52094021N0105400-202199534A-0-5-ZN

出版年：

2024

DOI：

10.13335/j.1000-3673.pst.2023.0595

电网技术

国家电网公司

电网技术

CSTPCD北大核心

影响因子：2.821

ISSN：1000-3673

年,卷(期)：2024.48(3)

参考文献量28