Resumen

Debido a la no suavidad de la restricción de estabilidad de pequeña señal, calcular la capacidad de transferencia disponible (ATC) limitada por la estabilidad de pequeña señal de manera rigurosa a través de la programación no lineal es bastante difícil. Para abordar este desafío, este artículo propone un método de programación cuadrática secuencial (SQP) combinado con muestreo de gradientes (GS) en una formulación dual. La característica destacada es que el tamaño de la muestra del gradiente cambia dinámicamente en cada iteración, lo que resulta en un proceso de muestreo de gradientes adaptativo (AGS). Así, la eficiencia computacional mejora considerablemente gracias a la disminución y la paralelización de la evaluación del gradiente, que domina el tiempo computacional de todo el algoritmo. Simulaciones en un sistema de 10 máquinas y 39 buses del IEEE y en un sistema de 54 máquinas y 118 buses del IEEE demuestran la efectividad y alta eficiencia del método propuesto.

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Restricción de estabilidad de señal pequeña; Capacidad de transferencia disponible; Programación cuadrática secuencial; Muestreo de gradiente; Muestreo de gradiente adaptativo; Eficiencia computacional
• Keywords:Small-signal stability constraint; Available transfer capability; Sequential quadratic programming; Gradient sampling; Adaptive gradient sampling; Computing efficiency