找到 2 条结果 · 光伏发电技术
基于图元强化学习的高比例光伏接入智能配电网自主电压调节
Autonomous Voltage Regulation for Smart Distribution Network With High-Proportion PVs: A Graph Meta-Reinforcement Learning Approach
Leijiao Ge · Jingjing Li · Luyang Hou · Jingang Lai · IEEE Transactions on Sustainable Energy · 2025年5月
高比例分布式光伏接入的智能配电网常面临严峻的电压质量问题。深度强化学习（DRL）无需显式建模即可实现优化控制，但在应用于此类系统时易受环境不稳定和智能体学习不均衡等问题影响。本文将电压控制建模为部分可观测马尔可夫决策过程，提出一种基于图卷积网络的多智能体元强化学习算法，融合元学习以提升智能体对他人行为的预测能力，缓解环境非稳性；通过引入自关注机制与值分解方法改善学习不均衡。在IEEE 33、141和322节点系统上的实验验证了所提方法的有效性，并优于五种主流多智能体DRL及模型预测控制方法。
解读: 该图元强化学习电压调节技术对阳光电源SG系列光伏逆变器和ST储能系统具有重要应用价值。可直接应用于分布式光伏并网场景的智能电压控制：1）通过多智能体协同优化，提升SG逆变器在高渗透率光伏配电网中的无功调节能力，解决传统MPC建模复杂、计算负荷高的问题；2）结合ST储能变流器的有功-无功协调控制，实现...
基于爬坡率的变时间尺度协同优化用于配电网规划与运行
Ramping-Based Variable-Timescale Co-Optimization for Distribution Planning and Operation
Luomeng Zhang · Hongxing Ye · Yinyin Ge · Zuyi Li · IEEE Transactions on Power Systems · 2024年9月
分布式光伏（PV）渗透率的不断提高给配电网带来了诸如电压安全和输出不确定性等新挑战。高效、安全地大规模接入光伏最近备受关注。本文提出了一种用于规划 - 运行协同优化的新型可变时间尺度模型，旨在为光伏接入释放更多灵活性。我们引入了一种新颖的爬坡事件检测算法来调整时间尺度，重点关注关键时段。因此，这使得通过使用二进制变量调整高分辨率时段来释放灵活性成为可能，同时保持模型规模的有效性。为了确保规划的鲁棒性和非预知性，我们提出了一种具有可变不确定集的多阶段优化模型。然后，提出了一种混合求解方法来求解这一...
解读: 该变时间尺度协同优化技术对阳光电源配电网解决方案具有重要应用价值。基于爬坡率的动态响应能力量化方法可直接应用于ST系列储能变流器的功率调度策略，通过多时间尺度协调优化储能充放电计划，有效平抑光伏波动。该方法与SG系列光伏逆变器的无功调压功能结合，可实现源网荷储协同优化，提升配电网电压质量。对iSol...