找到 2 条结果 · 风电变流技术
通过加速分布式控制动态最大化风电场发电功率
Dynamically Maximizing Power Production of Wind Farm Through Accelerated Distributed Control
Pengda Wang · Qiaoqiao Luo · Guan Bai · Sheng Huang 等6人 · IEEE Transactions on Industrial Informatics · 2025年4月
本文基于加速异步分布式计算方案（DCS），提出了一种用于动态最大化尾流风电场（WF）发电量的有功功率控制策略。通过采用基于模型预测控制（MPC）的二自由度（2Dof）有功功率控制策略，可以协调风力发电机（WT）的发电机转速和桨距角，以在强尾流效应的影响下提高风电场层面的长期累计发电量和功率备用。所提出的策略与现有的无模型控制策略有显著不同，它可以通过风力发电机机械状态和动态尾流的在线反馈，快速响应时变风速。所提出的策略通过两项设计可大大提高解决大规模优化问题的效率：其一，采用异步分布式计算方案来...
解读: 从阳光电源新能源综合解决方案的业务视角来看，这项基于加速分布式控制的风电场动态功率优化技术具有重要的借鉴价值和应用潜力。 该技术的核心创新在于通过模型预测控制（MPC）协同优化风机转速和桨距角，实现尾流效应下的风电场整体功率最大化。这与阳光电源在光伏电站和储能系统中面临的分布式优化问题高度相似。特...
风电场在中长期滚动交易中的策略性投标：一种双层多智能体深度强化学习方法
Strategic bidding of wind farms in medium-to-long-term rolling transactions: A bi-level multi-agent deep reinforcement learning approach
Yi Zheng · Jian Wang · Chengmin Wang · Chunyi Huang 等6人 · Applied Energy · 2025年4月 · Vol.383
摘要 随着可再生能源在电力市场中渗透率的不断提高，边际电价受到抑制，给风电生产商的盈利能力带来了挑战。为此，有效的中长期（MLT）滚动交易能够对冲现货市场价格风险，提升盈利水平。然而，传统的投标方法往往难以捕捉风电出力及交易动态在较长时间跨度内的复杂不确定性。本文提出了一种专为优化风电中长期滚动交易而设计的双层多智能体深度强化学习（DRL）方法。该方法创新性地将Black–Scholes模型与Hamiltonian函数相结合，构建了一个最优决策框架，能够在短期投标效率与长期战略定位之间实现平衡。...
解读: 该深度强化学习竞价策略对阳光电源储能系统(ST系列PCS、PowerTitan)具有重要应用价值。通过双层多智能体优化框架,可提升风储联合系统在中长期电力市场的收益能力,有效对冲现货价格风险。其时空建模技术可集成至iSolarCloud平台,实现储能参与市场交易的智能决策,优化充放电策略。结合阳光电...