找到 27 条结果 · IEEE Transactions on Sustainable Energy
基于动态灵活性聚合的分布式光伏集群二次调频控制
Secondary Frequency Regulation From Aggregated Distributed Photovoltaics: A Dynamic Flexibility Aggregation Approach
Songyan Zhang · Peixuan Wu · Chao Lu · Huanhuan Yang 等5人 · IEEE Transactions on Sustainable Energy · 2025年1月
为充分挖掘大规模小型分布式光伏（DPV）参与二次频率调节（SFR）的潜力，本文提出一种分层协调框架，引入DPV对自动发电控制（AGC）信号的动态响应特性（DRC），以表征聚合分布式光伏（ADPV）的动态灵活性。首先，考虑光伏发电不确定性及减载运行约束，确定功率备用控制（PRC）的可行调度范围；其次，构建计及PRC影响的两阶段多簇DRC聚合方法，描述ADPV的等效动态响应特性；进而建立综合成本函数（ICF），揭示SFR能力、等效DRC与调节成本间的耦合关系，实现SFR指标与PRC方案的解耦调度，并...
解读: 该动态灵活性聚合技术对阳光电源SG系列分布式光伏逆变器及iSolarCloud平台具有重要应用价值。研究提出的两阶段多簇DRC聚合方法可直接应用于SG系列逆变器的AGC响应优化，通过功率备用控制（PRC）实现减载运行，使分布式光伏具备二次调频能力。事件触发的占空比重分配机制可集成至iSolarClo...
基于深度强化学习的风光水储混合能源系统长短周期协调调度
Long-Term and Short-Term Coordinated Scheduling for Wind-PV-Hydro-Storage Hybrid Energy System Based on Deep Reinforcement Learning
Huaiyuan Zhang · Kai Liao · Jianwei Yang · Zhe Yin 等5人 · IEEE Transactions on Sustainable Energy · 2025年1月
针对多时间尺度调度复杂的风光水储混合能源系统，传统长期调度策略常削弱短期调节能力，导致资源浪费与电力短缺。本文提出一种将短期运行特性嵌入长期调度规则的协同框架，将长期调度建模为马尔可夫决策过程，并在每一步耦合基于优化模型生成的短期发电计划。通过融合数据驱动与模型驱动方法，利用深度强化学习简化长期决策，结合混合整数线性规划确保短期约束满足。实证表明，该方法使弃电率由11.67%降至0.63%，切负荷率从3.3%降至0.69%，显著优于传统方法。
解读: 该深度强化学习协调调度技术对阳光电源PowerTitan储能系统和iSolarCloud云平台具有重要应用价值。研究提出的长短周期协同框架可直接集成到ST系列储能变流器的能量管理系统中，通过MDP建模和DRL算法优化多时间尺度调度决策，显著降低弃电率（11.67%→0.63%）和切负荷率（3.3%→...
事件触发H∞俯仰控制在浮式海上风力机中的应用
Event-Triggered H-Infinity Pitch Control for Floating Offshore Wind Turbines
Ya Zhao · Xiyun Yang · Yanfeng Zhang · Qiliang Zhang · IEEE Transactions on Sustainable Energy · 2025年1月
复杂的风浪环境会加剧浮式海上风力机的外部扰动与功率波动，影响其稳定运行。为此，本文提出一种事件触发的H∞俯仰控制策略。首先建立考虑风浪复合扰动的线性变参数模型，融合系统各子系统的动态特性；进而将事件触发机制引入H∞控制框架，推导系统渐近稳定且H∞性能范数有界的判据，并给出反馈增益矩阵的设计算法，有效降低控制器更新频率。最后基于IEA 15 MW参考风力机，结合OpenFAST与MATLAB/Simulink进行仿真，结果表明所提方法相较于连续时间控制策略具有更优的控制性能。
解读: 该事件触发H∞控制技术对阳光电源储能与风电产品线具有重要参考价值。首先，其提出的线性变参数建模方法可用于优化ST系列储能变流器的扰动抑制能力；其次，事件触发机制能降低PowerTitan储能系统的控制器计算负荷，提升系统响应效率。特别是在海上风电并网应用中，该控制策略可提升阳光电源风电变流器的功率平...
一种考虑扩散性不确定性的铁路移动储能 resilient 机组组合两阶段鲁棒方法
A Two-Stage Robust Approach for Resilient Unit Commitment With Rail-Based Mobile Energy Storage Under Diffusional Uncertainties
Xiang Yang · Xinghua Liu · Tianyang Zhao · Zhonggang Yin 等6人 · IEEE Transactions on Sustainable Energy · 2024年12月
基于铁路的移动储能（RMES）为提升电力系统韧性提供了有效手段。本文提出扩展的时间-空间网络（TSN）模型，刻画飓风对铁路运输网络的影响。针对输电线路与铁路在灾害中随机故障的扩散性不确定性，构建两阶段鲁棒优化模型，协调电力系统与铁路网联合运行，最小化最恶劣场景下的运行成本。第一阶段决策机组启停与RMES预置位置，第二阶段基于实际不确定性调整RMES充放电行为以恢复负荷。设计并验证了一种改进的嵌套列与约束生成（N-C&CG）算法，在IEEE RTS系统与6节点铁路网耦合案例中表明，所提RMES策略...
解读: 该铁路移动储能鲁棒调度技术对阳光电源PowerTitan大型储能系统和ST系列储能变流器具有重要应用价值。文章提出的两阶段鲁棒优化框架可直接应用于阳光电源移动储能解决方案，通过时间-空间网络模型优化储能系统在极端天气下的预部署策略与实时调度，提升电网韧性。扩散性不确定性建模方法可集成到iSolarC...
基于时空信息增益嵌入图结构学习的风电场群超短期功率预测
Ultra-Short-Term Prediction of Wind Farm Cluster Power Based on Embedded Graph Structure Learning With Spatiotemporal Information Gain
Mao Yang · Yunfeng Guo · Fulin Fan · IEEE Transactions on Sustainable Energy · 2024年9月
风电场群超短期功率预测对日内发电计划制定具有重要意义，但受天气系统混沌效应及信息不完整性影响，预测精度提升困难。本文提出一种融合时空信息增益（STIG）理论的风电场群嵌入图结构学习方法，基于风电场间功率波形的时空传递关系构建描述信息演化关联的图结构。提出嵌入式图注意力网络（EGAN）以学习风电场间的STIG邻接关系，并构建基于STIG距离的动态冗余节点分组策略降低建模复杂度。在中国内蒙古风电场群的应用结果表明，所提方法在各时间尺度下NRMSE、NMAE和MAPE平均降低2.63%、2.09%和2...
解读: 该风电场群超短期功率预测技术对阳光电源储能系统和智能运维产品具有重要应用价值。在PowerTitan大型储能系统中，可基于时空信息增益图结构学习实现风储联合调度的精准功率预测，优化ST系列储能变流器的充放电策略制定，提升日内发电计划准确性。嵌入式图注意力网络（EGAN）可集成至iSolarCloud...
基于移动储能系统的主动配电网数据驱动电压-无功协调调度
Data-Driven Volt-VAR Coordinated Scheduling With Mobile Energy Storage System for Active Distribution Network
Yang Mi · Changkun Lu · Chunxu Li · Jinpeng Qiao 等6人 · IEEE Transactions on Sustainable Energy · 2024年9月
为改善主动配电网（ADN）的电压分布与运行成本，提出一种融合灵活资源特别是移动储能系统在ADN与交通网耦合环境下的协调调度策略。结合去噪扩散概率模型构建数据驱动的日前场景生成方法，利用历史数据学习实际与预测功率曲线的误差关系，建立可再生能源出力的概率分布模型。采用随机机会约束优化方法量化不确定环境下的电压运行风险，并充分挖掘ADN中多资源在时空尺度上的调控能力。通过线性化处理将ADN与交通网耦合模型转化为混合整数线性规划问题。基于IEEE 33节点配电网与15节点交通网的仿真验证了所提方法的有效...
解读: 该移动储能协调调度技术对阳光电源PowerTitan储能系统与充电桩业务具有重要应用价值。研究提出的数据驱动场景生成方法可集成至iSolarCloud平台，通过去噪扩散模型提升光伏出力预测精度，优化ST系列储能变流器的日前调度策略。移动储能与配电网耦合模型为阳光电源开发车载储能与V2G技术提供理论支...
考虑隐变量相互辅助的电力系统高斯混合模型不确定性建模
Gaussian Mixture Model Uncertainty Modeling for Power Systems Considering Mutual Assistance of Latent Variables
Xiao Yang · Yuanzheng Li · Yong Zhao · Yang Li 等6人 · IEEE Transactions on Sustainable Energy · 2024年1月
高斯混合模型（GMM）与狄利克雷过程混合模型（DPMM）常用于刻画电力系统中的不确定性，通常采用期望最大化（EM）算法求解。然而，在处理大规模不确定变量数据时，传统方法难以在较低时间消耗下准确获取模型参数。为此，本文提出一种考虑隐变量相互辅助的GMM不确定性建模方法。首先构建不确定变量的GMM，利用条件概率描述隐变量间的相互辅助关系；进而改进EM算法，在E步和M步中引入条件概率，并重新推导GMM参数的闭式解。基于澳大利亚实际风电与负荷数据的实验结果表明，所提方法在建模效率与精度方面均优于传统GM...
解读: 该研究提出的GMM不确定性建模方法对阳光电源储能和风电产品具有重要应用价值。该方法可应用于ST系列储能变流器和PowerTitan系统的功率预测与调度优化,提升系统对风电、负荷等不确定性的建模精度。特别是在大规模储能电站中,该方法可提高计算效率,为iSolarCloud平台提供更准确的发电/用电预测...
第 2 / 2 页