找到 3 条结果 · IEEE Transactions on Power Systems
面向氢-电配电网协同与移动储氢的量子辅助组合Benders算法
Quantum Assisted Combinatorial Benders' Algorithm for the Synergy of Hydrogen and Power Distribution Systems With Mobile Storage
Mingze Li · Siyuan Wang · Lei Fan · Zhu Han · IEEE Transactions on Power Systems · 2025年1月
氢能基础设施的发展有望促进可再生能源在配电网中的消纳。为利用氢能系统的灵活性，本文提出一种混合二进制二次规划模型，用于氢-电配电网协同运行，并建模车载移动储氢设施的路径调度及装卸量。设计了一种量子辅助的组合Benders分解算法，将主问题与子问题分别部署于量子处理单元和经典CPU求解。主问题被重构为量子退火器可高效求解的无约束二进制二次优化问题。在混合量子-经典计算平台上的测试结果表明，随着问题规模增大，该方法呈现优于传统CPU商业求解器的趋势。
解读: 该量子辅助优化算法对阳光电源氢-电综合能源系统具有重要应用价值。在PowerTitan储能系统与氢能耦合场景中，可优化移动储氢车辆调度与充放策略，提升系统灵活性。对于工商业光伏配储项目，该算法可协同SG逆变器、ST储能变流器与氢储能设施的多时间尺度调度，解决大规模混合整数优化难题。量子计算加速特性可...
基于机器学习增强的大规模并行暂态仿真方法用于大规模可再生能源电力系统
Machine-Learning-Reinforced Massively Parallel Transient Simulation for Large-Scale Renewable-Energy-Integrated Power Systems
Tianshi Cheng · Ruogu Chen · Ning Lin · Tian Liang 等5人 · IEEE Transactions on Power Systems · 2024年6月
可再生能源系统（RESs）在向绿色智能电网转型中起关键作用，但其受光照、风速等自然因素影响，具有复杂性与不确定性，给并网带来挑战。电磁暂态（EMT）仿真可有效研究RES并网问题，但现有方法受限于模型非线性和计算复杂度，难以实现大规模精细化仿真。本文提出一种面向数据、结合机器学习的CPU-GPU大规模并行EMT仿真方法，采用人工神经网络构建数据驱动的RES模型，并基于实体-组件-系统架构集成。模型训练依托传统物理EMT模型生成的数据，并通过MATLAB/Simulink验证。将RES元件组建成微网...
解读: 该机器学习增强的大规模并行EMT仿真技术对阳光电源具有重要战略价值。在PowerTitan储能系统和大型光伏电站并网设计中，可快速仿真数百万级SiC逆变器的暂态交互特性，400倍加速性能显著缩短产品开发周期。对ST系列储能变流器的构网型GFM控制策略优化尤为关键，能高效评估微电网场景下多台设备的协同...
基于稀疏逆因子的GPU加速不平衡配电网潮流计算
Accelerating Unbalanced Distribution Power Flow on GPUs Using Sparse Inverse Factors
Ravi Teja Alla · Amarsagar Reddy Ramapuram Matavalam · IEEE Transactions on Power Systems · 2025年10月 · Vol.41
本文提出一种基于稀疏逆LU因子矩阵-向量乘法（SIF-MVM）的GPU加速电流注入法（CIM-PF）潮流求解器，显著提升大规模不平衡配电网（最高16.8万节点）单场景及批量潮流计算效率，适用于时序分析、概率性评估与规划仿真。
解读: 该GPU加速潮流算法可增强阳光电源iSolarCloud智能运维平台在配网级多节点光伏+储能系统（如PowerTitan集群、ST系列PCS群）的实时协同仿真与动态优化能力，尤其适用于工商业光储微电网在弱电网下的潮流收敛性保障。建议将SIF-MVM内核集成至iSolarCloud的数字孪生引擎，支撑...