找到 5 条结果 · IEEE Transactions on Power Systems
一种基于改进直流解的物理信息图卷积网络用于交流最优潮流
A Physics-Informed Graph Convolution Network for AC Optimal Power Flow Via Refining DC Solution
Yundi Liu · Yuanzheng Li · Shangyang He · Yang Li 等6人 · IEEE Transactions on Power Systems · 2025年7月
求解大规模电力系统的交流最优潮流（AC - OPF）问题对于整合可再生能源的电力系统运行至关重要。然而，随着系统规模的增大，传统的交流最优潮流数值方法面临计算成本高和收敛困难等挑战。为应对这些挑战，现有研究采用直流最优潮流（DC - OPF）或数据驱动方法。直流最优潮流通过考虑电力系统的固有物理特性（如电压变化）对交流最优潮流问题进行线性化处理，从而提供近似解。同时，数据驱动方法利用其强大的端到端学习能力有效求解交流最优潮流。尽管这两种方法速度都足够快，但直流最优潮流由于其简化假设（忽略了无功功...
解读: 该物理信息图卷积网络技术对阳光电源PowerTitan大型储能系统及ST系列储能变流器的能量管理系统具有重要应用价值。通过快速求解AC-OPF问题，可显著提升储能系统在电网侧的实时调度响应速度，优化多台储能变流器并联运行时的功率分配策略。该方法融合物理约束的特性与阳光电源构网型GFM控制技术高度契合...
考虑历史飓风灾害的大规模合成配电网风险评估框架
A Risk Assessment Framework for Large-Scale Synthetic Power Distribution Networks Considering Historical Hurricane Disasters
Shuo Li · Shouxiang Wang · Qianyu Zhao · Dong Liu 等5人 · IEEE Transactions on Power Systems · 2025年1月
针对飓风灾害对配电网影响日益加剧的问题，本文提出一种面向大规模合成配电网的飓风风险评估框架，显著提升了评估的实用性与准确性。通过为负荷点分配具体建筑类型与重要性等级，精细化生成配电网拓扑结构与物理特征，并结合真实历史飓风数据模拟贴近实际的风暴场景与停电情况。引入基于加权负荷削减的新型风险指标进行定量评估，在Emporia和Portsmouth构建合成网络并基于1940至2024年历史飓风事件开展验证。结果表明，城市尺度配电网建模及飓风空间异质性对风险评估精度具有关键影响。
解读: 该飓风风险评估框架对阳光电源PowerTitan大型储能系统及ST系列储能变流器的韧性设计具有重要价值。通过历史灾害数据建模与负荷重要性分级，可优化储能系统在飓风高发区的选址部署与容量配置策略。基于加权负荷削减的风险指标可指导iSolarCloud平台开发极端天气预警模块，实现储能系统在灾前预充电、...
考虑混合不确定性风险量化的发电机组维修调度方法
Generation Maintenance Scheduling for Power Systems Considering the Risk Quantification of Hybrid Uncertainty
Xiao Yang · Yong Zhao · Yuanzheng Li · Cheng Huang 等5人 · IEEE Transactions on Power Systems · 2025年1月
准确量化不确定性引发的风险是制定电力系统发电维修调度（GMS）的关键基础。然而，风电和负荷等不确定变量的概率分布函数难以精确建模或未知，导致其经济风险难以度量，GMS难以合理制定。为此，本文考虑风电与负荷的混合不确定性，提出一种基于区间-概率最差条件风险价值（IP-WCVaR）的GMS方法。首先构建IP-WCVaR风险度量模型，并通过典型概率修正场景推导其解析数学表达式；进而建立基于IP-WCVaR的正负旋转备用模型并嵌入GMS框架，提升系统韧性；最终将风险规避型GMS建模为上下界优化问题，并基...
解读: 该研究提出的混合不确定性风险量化方法对阳光电源的储能和光伏产品线具有重要应用价值。特别是在PowerTitan大型储能系统和SG系列光伏逆变器的调度优化中,可将IP-WCVaR风险度量模型应用于系统维护调度,提升设备可靠性。通过正负旋转备用模型可优化iSolarCloud平台的预测性维护策略,实现储...
同步发电机与基于逆变器资源联合发电系统的多摆暂态稳定性
Multi-Swing Transient Stability of Synchronous Generators and IBR Combined Generation Systems
Songhao Yang · Bingfang Li · Zhiguo Hao · Yiwen Hu 等6人 · IEEE Transactions on Power Systems · 2024年9月
传统观点认为，故障期间加速能量的积累会导致同步发电机（SGs）典型的首摆功角失稳。本文提出新见解：电网跟随型逆变器资源（GFL-IBRs）在低电压穿越及恢复控制过程中产生的减速能量累积，亦可能引发SGs的暂态功角失稳。该减速摆动阶段积聚的暂态能量将在后续摆动中转化为加速能量，导致多摆失稳现象。理论分析与仿真结果均验证了该机理。
解读: 该研究揭示的GFL-IBR低电压穿越引发的多摆失稳机理，对阳光电源SG系列光伏逆变器和ST系列储能变流器的LVRT控制策略优化具有重要指导意义。建议在现有GFL控制基础上：1)优化电压恢复过程中的功率输出曲线,避免过快恢复导致的减速能量累积; 2)在SG3125HV等大功率机型中引入虚拟惯量控制,提...
基于模仿专家经验的可解释深度强化学习在电动汽车智能充电中的应用
Interpretable Deep Reinforcement Learning With Imitative Expert Experience for Smart Charging of Electric Vehicles
Shuangqi Li · Alexis Pengfei Zhao · Chenghong Gu · Siqi Bu 等6人 · IEEE Transactions on Power Systems · 2024年7月
深度强化学习（DRL）因计算效率高，有望实现复杂系统的在线优化控制，但其可解释性与可靠性限制了在智能电网能量管理中的工程应用。本文首次提出一种新颖的模仿学习框架，用于解决电网连接电动汽车（GEV）充电管理中的高效计算问题。通过基于车网互动（V2G）成本效益分析的先验优化模型生成最优策略，并构建专家经验池以配置学习环境。设计双Actor-Imitator网络结构，实现专家知识向强化学习模型的有效迁移，提升训练效率与调度性能。实验结果表明，该方法在英国某示范微网中有效提升了V2G经济效益并缓解了电池...
解读: 该可解释深度强化学习技术对阳光电源充电桩产品线及储能系统具有重要应用价值。文章提出的模仿学习框架可直接应用于阳光电源V2G充电桩的智能调度算法，通过专家经验池加速DRL训练，提升充电策略的可靠性与可解释性，解决传统黑盒AI在电网能量管理中的工程化难题。该方法可集成至iSolarCloud云平台，实现...