找到 5 条结果 · Applied Energy
一种考虑尾部风险评估的互联微电网分布鲁棒协同调度与效益分配方法
A distributionally robust collaborative scheduling and benefit allocation method for interconnected microgrids considering tail risk assessment
Jialin Du · Weihao Hu · Sen Zhang · Di Cao 等8人 · Applied Energy · 2025年8月 · Vol.391
摘要 负荷与可再生能源的不确定性给互联微电网的最优经济调度带来了巨大挑战。本文提出了一种分布鲁棒优化（DRO）协同调度与合作效益分配方法。首先，构建了一种改进的模糊集以刻画负荷和可再生能源的不确定性，从而降低调度策略不必要的保守性。然后，基于条件风险价值（CVaR）将互联微电网的日前协同调度问题构建为一个DRO模型，以准确评估调度策略的尾部平均风险。此外，由于双层定积分优化模型求解困难，本文通过对偶变换及区间约束重构，将原模型等价转化为易于求解的单层混合整数二阶锥规划（MISOCP）模型。随后，...
解读: 该分布式鲁棒优化方法对阳光电源微电网储能系统具有重要应用价值。其CVaR尾部风险评估机制可集成至ST系列PCS的调度策略,提升PowerTitan储能系统在多微网互联场景下的经济性。改进的模糊集建模可优化iSolarCloud平台的源荷不确定性预测算法,降低日前调度保守性。混合整数二阶锥规划求解方法...
解锁建筑一体化光伏与电池
BIPVB）系统深度强化学习中的预测洞察力与可解释性
Yuan Gao · Zehuan Hu · Shun Yamat · Junichiro Otomo 等9人 · Applied Energy · 2025年4月 · Vol.384
摘要 可再生能源的部署以及智能能源管理策略的实施对于建筑能源系统（BES）的脱碳至关重要。尽管数据驱动的深度强化学习（DRL）在优化BES方面已取得近期进展，但仍存在显著挑战，例如缺乏针对时间序列数据观测空间的研究以及模型可解释性的不足。本文首次将未来预测信息引入DRL算法中，以构建时间序列数据的观测空间，并采用门控循环单元（GRU）和Transformer网络与DRL算法相结合，用于建筑一体化光伏与电池（BIPVB）系统的运行控制。此外，通过将前沿的Shapley加性解释（SHAP）技术与所开...
解读: 该深度强化学习优化技术对阳光电源光储一体化系统具有重要应用价值。研究中的GRU/Transformer时序预测与DRL决策框架可直接应用于ST系列储能变流器的智能调度策略,结合电价预测信息实现成本降低10%以上。SHAP可解释性分析方法可增强iSolarCloud平台的AI决策透明度,为PowerT...
基于解聚合策略的虚拟电厂异构柔性资源优化协同调度
A De-aggregation strategy based optimal co-scheduling of heterogeneous flexible resources in virtual power plant
Zixuan Zheng · Jie Li · Xiaoming Liu · Chunjun Huang 等10人 · Applied Energy · 2025年4月 · Vol.383
摘要 虚拟电厂（VPP）作为一种有效解决方案，可在包含多种类型柔性资源（FRs）的并网型微电网中维持内部功率平衡，并参与外部削峰辅助服务。然而，随着不同类型柔性资源在响应行为上的特征异质性日益显著，以及其在削峰过程中的耦合关系，给VPP调度指令的精确分解带来了挑战。本文提出一种基于离散选择模型和特征匹配方法的解聚合策略，以动态排序柔性资源的响应顺序，同时优化VPP的削峰能力。首先，对异构特征进行精细化建模，以刻画多类型柔性资源满足并网微电网调度需求（SDGM）的响应能力。随后，构建特征差异量化模...
解读: 该VPP解聚优化策略对阳光电源ST系列储能变流器和PowerTitan系统具有重要应用价值。通过异构资源特征建模和动态响应排序,可提升储能系统参与电网调峰辅助服务的精准度。结合iSolarCloud平台的预测性维护能力,能够优化多类型柔性资源协同调度,降低70%调峰偏差。该技术可增强阳光电源微网解决...
一种考虑单体电池运行状态的锂离子电池健康状态贝叶斯迁移学习评估框架
A Bayesian transfer learning framework for assessing health status of Lithium-ion batteries considering individual battery operating states
Jiarui Zhang · Lei Mao · Zhongyong Liu · Kun Yu 等5人 · Applied Energy · 2025年3月 · Vol.382
摘要 锂离子电池（LIBs）健康状态（SOH）的快速准确评估对于实现高效的电池监测与管理具有重要意义。LIBs的退化是一个复杂的过程，每一块电池的退化路径均具有独特性，受到内部和外部多种因素共同影响。然而，现有方法通常将每块电池视为独立个体处理，未能充分挖掘和利用各单体电池的独特特征。为克服这一局限性，本研究提出了一种贝叶斯迁移学习框架，用于建模锂离子电池特有的退化过程，从而完成对SOH的评估。具体而言，构建了一个混合效应模型（MEM）以描述电池健康状态的退化过程，该模型能够捕捉不同电池之间的异...
解读: 该贝叶斯迁移学习框架对阳光电源ST系列储能变流器及PowerTitan储能系统的电池管理具有重要价值。混合效应模型可捕捉单体电池差异性,实现精准SOH评估,优化BMS策略。三种参数更新策略适配不同应用场景,可提升iSolarCloud平台预测性维护能力。该方法兼容循环老化与日历老化,适用于大规模储能...
基于联邦强化学习的多连接混合动力汽车集成热能与能量隐私保护管理
Privacy-preserving integrated thermal and energy management of multi connected hybrid electric vehicles with federated reinforcement learning
Arash Khalatbarisoltani · Jie Han · Muhammad Saee · Cong-zhi Liu 等5人 · Applied Energy · 2025年5月 · Vol.385
摘要 深度强化学习（DRL）算法在针对预定义驾驶循环下开发单个混合动力电动汽车（HEV）最优能量管理策略（EMS）方面已展现出优异的性能。然而，在该研究领域中，热负荷及热管理（TM）的影响常被忽视。此外，HEV可能面临未见过的驾驶模式，从而影响EMS的整体性能。连接型HEV（C-HEV）提供了有前景的解决方案，但仍存在隐私、安全和通信负载等问题。本文提出一种基于联邦强化学习（FRL）的新型集成热能与能量管理（ITEM）方法，旨在实现多个C-HEV之间的通用化策略。该框架能够在拓展多环境学习能力的...
解读: 该联邦强化学习架构对阳光电源充电桩及储能系统具有重要价值。其隐私保护的分布式学习机制可应用于iSolarCloud平台,实现多站点充电桩协同优化而无需上传敏感数据。热管理与能量管理集成策略可迁移至ST系列PCS的温控优化,通过多储能站点联合学习提升功率变换效率和电池热管理性能。云端-边缘协同架构与阳...