找到 2 条结果 · 风电变流技术
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1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...
考虑日前风浪预测的多港口海上风电场维护调度与船舶路径规划
Maintenance scheduling and vessel routing for offshore wind farms with multiple ports considering day-ahead wind-wave predictions
Guojin Si · Tangbin Xi · Dong Wang · Nagi Gebraeel 等6人 · Applied Energy · 2025年1月 · Vol.379
摘要 风能持续成为增长最快的可再生能源来源，其中海上风电的开发在全球范围内发挥着关键作用。然而，一个重要的挑战是海上风电港口容量不足，可能导致安装和维护计划的延误。现有的运维（OAM）框架通常忽略了港口和船舶可用性受限所带来的约束，主要关注资源无限制条件下对维护调度的影响。为解决这一问题，本文提出一种新颖的以资源为中心的维护策略（RCMS），该策略纳入了多种资源条件对机会性维护调度及多类型船舶路径规划的影响。与传统的以设备健康状态为中心的维护策略不同，RCMS通过量化动态风速变化带来的机会来优化...
解读: 该资源中心维护策略对阳光电源海上风电储能系统(PowerTitan/ST系列PCS)具有重要借鉴价值。文中基于气象预测的动态调度优化思路可应用于iSolarCloud平台,通过整合风-光-储多资源协同调度,优化储能系统充放电策略与运维计划。特别是多端口协同调度方法可启发分布式储能集群的灵活资源配置,...