找到 2 条结果 · Applied Energy
基于分布式近端策略优化的输配电网电动汽车与可变能源调度双层求解策略
A bi-level solution strategy based on distributed proximal policy optimization for transmission and distribution network dispatch with EVs and variable energy
Peng Lu · Hanqing Lan · Qiwei Yuan · Zhihao Jiang 等14人 · Applied Energy · 2025年1月 · Vol.384
摘要 将大规模风电与大量电动汽车（EV）负荷接入电力系统，对电网的安全性与经济运行带来显著影响，带来了诸如电网调度指令频繁变动、电动汽车充放电行为无序以及网络损耗增加等一系列挑战。为此，本文建立了一种考虑大规模电动汽车的输配电网双层优化调度策略模型，采用分布式近端策略优化方法，高效管理机组出力及系统的充放电能力，并实时将这些能力分配至各个节点。上层模型以最小化系统总运行成本为目标，优化热电机组的运行状态，并调控输电网络中参与充放电的电动汽车数量；下层模型则通过优化配电网络中电动汽车的充放电功率、...
解读: 该输配电网双层优化策略对阳光电源储能及充电桩业务具有重要价值。文中分布式近端策略优化算法可应用于ST系列储能变流器的多站点协调控制,优化PowerTitan储能系统在电网调度中的充放电策略,降低网损成本。针对大规模电动汽车接入场景,可指导充电桩产品开发智能调度功能,结合iSolarCloud平台实现...
结合尺度自适应与位置引导模块的联合任务学习框架以改进遥感图像中户用屋顶光伏分割
Joint-task learning framework with scale adaptive and position guidance modules for improved household rooftop photovoltaic segmentation in remote sensing image
Liang Li · Ning Lu · Jun Qin · Applied Energy · 2025年1月 · Vol.377
摘要 从遥感图像中分割户用屋顶光伏（PV）系统时，边缘检测不准确是一个常见挑战，这阻碍了获取精确的光伏分布信息，而该信息对于光伏发展的规划与管理至关重要。一种广泛采用的解决方案是将额外的边缘检测任务引入联合任务学习框架中，以增强对边缘的感知能力。然而，现有的联合任务学习方法通常难以准确检测光伏边缘，并且缺乏有效机制来区分光伏边缘与相似物体的边缘。为应对上述挑战，本文提出了一种新颖的联合任务学习框架。该框架引入了尺度自适应模块（Scale Adaptive Module, SAM），能够根据光伏的...
解读: 该户用光伏分割技术对阳光电源户用光伏业务具有重要应用价值。通过精准识别屋顶光伏边缘与分布信息,可优化SG系列户用逆变器的选型与布局规划,提升MPPT优化效率。结合iSolarCloud平台,该技术可实现分布式光伏资产的智能巡检与容量评估,支撑预测性运维。其边缘检测与语义分割联合学习框架,为阳光电源开...