找到 2 条结果 · Applied Energy
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...
基于知识与数据驱动融合Koopman方法的双馈感应发电机风电场频率支撑能力在线评估
Online assessment of frequency support capability of the DFIG-based wind farm using a knowledge and data-driven fusion Koopman method
Yimin Ruan · Wei Yao · Qihang Zong · Hongyu Zhou 等8人 · Applied Energy · 2025年1月 · Vol.377
摘要 随着可再生能源在电力系统中渗透率的不断提高，系统的频率稳定性有所下降。因此，风电场（WFs）等可再生能源电站必须具备足够的频率支撑能力。为了最大化风电场的频率支撑能力，准确确定其频率支撑能力边界（FSCB）至关重要。由于风资源分布不均以及风电机组运行状态复杂，精确评估风电场FSCB具有挑战性。针对这一问题，本文提出一种基于知识与数据驱动融合的Koopman方法，用于评估基于双馈感应发电机（DFIG）的风电场的FSCB。本文分析了FSCB的特性，并构建了一个多维指标体系，从理论和实际两个层面...
解读: 该Koopman融合方法对阳光电源风储协同系统具有重要价值。可应用于ST系列储能变流器与风电场的协调调频控制,通过在线评估风电场频率支撑能力边界,动态优化PowerTitan储能系统的调频响应策略。该方法评估误差小于2%且速度提升10倍,可集成至iSolarCloud平台实现预测性调频资源管理。结合...