Jeongdong Kim · Jonggeol Na · Joseph Sang-Il Kwon · Seongbin Ga 等6人 · IEEE Transactions on Sustainable Energy · 2025年6月 · Vol.17

本文提出一种基于深度强化学习（DRL）的小时级电-氢（PtX）系统规划模型，融合混合储能系统，采用电网惩罚奖励函数优化运行成本，并在法国真实数据下对比规则模型。结果表明DRL显著提升月利润（+1360.12%），且通过调节电网惩罚可兼顾高盈利与高可再生能源渗透率。

解读: 该研究与阳光电源ST系列储能变流器（PCS）、PowerTitan液冷储能系统及iSolarCloud智能平台高度协同：DRL策略可嵌入PCS能量管理模块实现动态充放电优化；PowerTitan的灵活功率调度能力适配PtX多时间尺度响应需求；iSolarCloud可集成此类AI算法提供区域级光储氢协...