找到 2 条结果 · Applied Energy
基于AGC信号特征的用户侧储能调频市场 bidding 与控制协同优化
AGC signal feature-driven bidding and control coordinated optimization for user-side energy storage in frequency regulation market
Zihang Songa · Chunyi Huang · Kangping Liab · Applied Energy · 2025年1月 · Vol.401
摘要 利用用户侧储能（User-Side Energy Storage, USES）提供频率调节（Frequency Regulation, FR）服务，是释放其在电网级灵活性方面潜在价值的重要途径。然而，现有针对USES参与FR服务的研究未能有效量化其持续跟踪随机性自动发电控制（Automatic Generation Control, AGC）信号的能力，导致频率调节收益不成比例地偏低。为此，本文提出一种新型的日前竞价与日内控制协同优化方法，通过挖掘AGC信号的关键特征，对每个时段内深度耦合...
解读: 该AGC信号特征驱动的储能调频优化技术对阳光电源ST系列PCS及PowerTitan储能系统具有重要应用价值。通过历史数据和区间预测建模AGC信号统计特征,可显著提升储能系统调频响应精度和市场收益。建议将该协调优化框架集成至iSolarCloud平台,结合阳光电源三电平拓扑和先进控制算法,实现用户侧...
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...