找到 2 条结果 · IEEE Transactions on Power Systems
基于序的异构智能体强化学习方法用于配电网与输电网协调的负荷频率控制
Order-based Heterogeneous Agents Reinforcement Learning Method with the Coordination of Distribution Network and Transmission Network for Load Frequency Control
Shixuan Yu · Xiaodong Zheng · Tianzhuo Shi · Ruilin Chen 等6人 · IEEE Transactions on Power Systems · 2025年8月
随着大规模分布式能源（DERs）持续接入配电网（DN），DN已具备参与负荷频率控制（LFC）的能力。本文提出一种基于序的异构智能体软演员-评论家方法（OHASAC），以解决异构可控DERs间的协调问题。通过神经网络估计异构智能体的最优更新顺序，并将最优LFC问题建模为考虑DN与输电网（TN）协调的局部可观测马尔可夫博弈。模型涵盖变辐照条件下电池储能系统（BESS）与光伏（PV）的协同调频。仿真结果表明，该方法在DN-TN协同环境中能有效管理多种分布式电源，兼具优良的泛化性与可扩展性。
解读: 该异构智能体协同控制技术对阳光电源PowerTitan储能系统与SG系列光伏逆变器的协同调频具有重要应用价值。OHASAC方法可优化ST储能变流器在变辐照条件下的BESS-PV协同响应策略，提升配电侧分布式资源参与电网LFC的能力。基于序的智能体更新机制可集成至iSolarCloud平台，实现多站点...
碳感知最优潮流
Carbon-Aware Optimal Power Flow
Xin Chen · Andy Sun · Wenbo Shi · Na Li · IEEE Transactions on Power Systems · 2024年12月
为有效促进电力系统脱碳，本文提出一种通用的碳感知最优潮流（C-OPF）方法，通过主动管理电网碳足迹来支持电力系统决策。该模型在传统最优潮流基础上，融合碳排放流方程与约束及碳相关目标，协同优化电能与碳排放流动。本文严格建立了碳排放流方程可行性和解唯一性的条件，并提出处理功率流向不确定问题的重构方法。此外，构建了两种新型储能系统碳足迹模型并纳入C-OPF框架。数值仿真验证了该方法相较于传统OPF在碳管理方面的有效性与特性优势。
解读: 该碳感知最优潮流技术对阳光电源PowerTitan储能系统和iSolarCloud云平台具有重要应用价值。C-OPF模型可集成到ST系列储能变流器的能量管理系统中，通过碳排放流方程实时优化充放电策略，在电网低碳时段充电、高碳时段放电，降低系统整体碳足迹。储能碳足迹建模方法可嵌入iSolarCloud...