找到 4 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、...
基于矩阵编码的主级虚假数据注入攻击影响缓解方法
Matrix Coding Enabled Impact Mitigation Against Primary False Data Injection Attacks in Cyber-Physical Microgrids
Mengxiang Liu · Xin Zhang · Chengcheng Zhao · Ruilong Deng · IEEE Transactions on Power Systems · 2025年1月
针对网络物理微电网中主级虚假数据注入攻击（PFDIA）的影响缓解问题，提出一种高效轻量的防御方案。该方法通过可逆编码矩阵对传输测量值进行交替编码，并在检测到攻击后触发两个半下采样未知输入观测器，利用编码与未编码数据的残差递推重构完整偏差向量，进而消除恶意影响。通过优化编码矩阵，在保证重构稳定性与隐蔽性的同时抑制系统噪声对精度的影响。实验验证了该方案的有效性、鲁棒性与低开销特性。
解读: 该矩阵编码防御技术对阳光电源PowerTitan储能系统及ST系列储能变流器的网络安全防护具有重要应用价值。在大型储能电站中，iSolarCloud云平台需实时采集海量测量数据（电压、电流、SOC等），易遭受FDIA攻击导致BMS误判或功率调度失控。该方案的轻量级编码机制可集成至储能PCS通信模块，...
重新思考复杂约束满足下的安全策略学习：含储能单元的实时安全约束经济调度初探
Rethinking Safe Policy Learning for Complex Constraints Satisfaction: A Glimpse in Real-Time Security Constrained Economic Dispatch Integrating Energy Storage Units
Jianxiong Hu · Yujian Ye · Yizhi Wu · Peilin Zhao 等5人 · IEEE Transactions on Power Systems · 2024年6月
近年来，用于实时安全约束经济调度（RT - SCED）问题的强化学习（RL）受到了广泛的研究关注。然而，普通的强化学习方法难以确保系统和设备层面约束条件的满足，不得不对违反约束的情况分别进行惩罚。随着可再生能源渗透率的不断提高，大规模储能得以集成，这是因为储能能够缓解可再生能源的间歇性问题。这就使得实时安全约束经济调度问题需要满足时间耦合约束条件。现有的安全强化学习方法要么在每个时间步使用安全层纠正不安全的动作，这可能会导致在可行空间边界制定出次优动作，并且可能违反时间耦合约束；要么构建安全评估...
解读: 该安全约束经济调度技术对阳光电源PowerTitan储能系统及iSolarCloud云平台具有重要应用价值。强化学习结合约束分层建模可直接应用于ST系列储能变流器的实时调度优化，通过安全感知奖励机制保障储能系统在参与电网调频、削峰填谷时满足SOC约束、功率爬坡率及电网安全约束。该方法可集成至iSol...