找到 2 条结果 · Applied Energy
基于概率电压灵敏度分析与霍尔定理的主动配电网中移动式储能系统路由与调度
Routing and scheduling of mobile energy storage systems in active distribution network based on probabilistic voltage sensitivity analysis and Hall's theorem
Ting Wu · Heng Zhuang · Qisheng Huang · Shiwei Xi 等7人 · Applied Energy · 2025年1月 · Vol.386
摘要 移动式储能系统（MESSs）具有显著的时间和空间灵活性，使其成为主动配电网（ADNs）中提供辅助服务的理想选择。然而，传统的MESS调度方法严重依赖精确的负荷与交通预测，而基于深度学习的方法则可能计算成本高昂且对动态系统工况的适应性不足。为应对这些挑战，本文提出一种两阶段调度框架，融合灵敏度分析、图论与动态优化技术，从而提升调度的适应性与计算效率。在第一阶段，目的地预生成模型利用概率电压灵敏度来应对负荷预测的不确定性，并识别出最有可能需要辅助支持的关键ADN节点。在第二阶段，基于霍尔定理的...
解读: 该移动储能调度框架对阳光电源ST系列PCS及PowerTitan移动储能方案具有重要应用价值。基于概率电压灵敏度的两阶段优化算法可集成至iSolarCloud平台,实现移动储能车辆动态路径规划与充放电策略实时优化。Hall定理筛选机制可提升配电网关键节点识别精度,配合GFM控制技术增强电网支撑能力。...
基于对抗性模仿强化学习的混合储能电动汽车能量管理
Imitation reinforcement learning energy management for electric vehicles with hybrid energy storage system
Weirong Liu · Pengfei Yao · Yue Wu · Lijun Duan 等6人 · Applied Energy · 2025年1月 · Vol.378
深度强化学习已成为电动汽车能量管理的一种有前景的方法。然而，深度强化学习依赖大量试错训练才能获得近似最优性能。为此，本文提出一种面向混合储能系统的电动汽车对抗性模仿强化学习能量管理策略，以最小化电池容量损耗成本。首先，利用动态规划在多种标准驾驶条件下生成专家知识，用于引导强化学习的探索过程，该专家知识表示为最优功率分配映射。其次，在早期模仿阶段，通过对抗网络使强化学习智能体的动作快速逼近最优功率分配映射。再次，根据对抗网络中判别器的输出设计动态模仿权重，促使智能体在在线驾驶条件下逐步过渡到自主探...
解读: 该对抗模仿强化学习策略对阳光电源混合储能系统具有重要应用价值。可应用于ST系列PCS的电池-超级电容混合储能优化,通过专家知识引导的强化学习加速训练42.6%,降低电池容量损耗成本5.1%-12.4%。技术可集成至iSolarCloud平台实现在线工况自适应功率分配,延长PowerTitan储能系统...