找到 7 条结果 · IEEE Transactions on Sustainable Energy
基于数据驱动均值修正递归估计的最优分布式能源调度用于配电网电压控制
Data-Driven Mean-Corrected Recursive Estimation-Based Optimal DER Dispatch for Distribution System Voltage Control
Haoyi Wang · Yiyun Yao · Junbo Zhao · Fei Ding · IEEE Transactions on Sustainable Energy · 2025年5月
智能逆变器的最新进展为缓解配电系统中高渗透率分布式光伏（PV）引发的电压越限问题提供了可能。本文提出一种基于测量驱动、以最优潮流（OPF）为核心的分布式能源管理系统（DERMS）电压调控方法，通过递归灵敏度估计实现对分布式光伏逆变器的协调控制。该方法利用可观测的电网与可控分布式能源数据，无需依赖系统模型，具备适应性和鲁棒性。提出均值修正递归岭回归（MCRRR）算法，通过闭式解持续更新负荷灵敏度因子（LSF），有效应对功率注入变化和拓扑重构等动态运行条件。所提方法建模为线性规划（LP）问题，可扩展...
解读: 该数据驱动电压控制技术对阳光电源SG系列光伏逆变器和ST储能系统具有重要应用价值。其无模型递归灵敏度估计方法可直接集成至iSolarCloud平台，实现大规模分布式光伏电站的协调电压控制。MCRRR算法的闭式解特性适合嵌入逆变器DSP控制器，提升SG逆变器在高渗透率场景下的自适应无功调节能力。线性规...
基于矩阵自适应校正的动态降维方法用于高风电渗透率下大规模电力系统电压相关暂态安全约束最优潮流
Matrix Adaptive Correction-Based Dynamic Dimensionality Reduction Method for Voltage-Related TSCOPF in Bulk Power Systems With High Wind Power Penetration
Lin Xue · Tao Niu · Nan Feng · Sidun Fang 等6人 · IEEE Transactions on Sustainable Energy · 2025年2月
暂态安全约束最优潮流（TSCOPF）是电力系统运行中的关键问题，但在大规模电网中面临模型阶数高、电压动态复杂等挑战。本文提出动态降维矩阵自适应校正（DDR-MAC）算法，通过在节点与设备层面进行降维处理，提取主导模式并建立降维误差评估模型，确保精度。将原问题分解为混合整数线性优化模型与系数校正模型，并引入割线/切线灵敏度自适应校正方法以加速计算。在多规模IEEE及Nordic测试系统上的验证表明，该方法较传统方法计算效率提升49.07%，且精度更高。
解读: 该动态降维算法对阳光电源的储能与风电产品线具有重要应用价值。特别适用于ST系列储能变流器和大型储能系统的电压稳定控制,可提升系统在高风电渗透率场景下的运行效率。通过矩阵自适应校正方法,能够优化PowerTitan储能系统的电压暂态响应特性,提高GFM/GFL控制的动态性能。该技术可集成到iSolar...
一种考虑飓风影响的风电并网系统鲁棒储能规划新方法
A Novel Robust Energy Storage Planning Method for Grids With Wind Power Integration Considering the Impact of Hurricanes
Huaizhi Yang · Cong Zhang · Jiayong Li · Lipeng Zhu 等5人 · IEEE Transactions on Sustainable Energy · 2025年1月
本文提出了一种新型储能系统（ESS）规划方法，旨在提升飓风期间ESS的应急能力，同时增强正常天气下可再生能源的消纳水平。所提出的鲁棒储能规划（NREP）模型综合考虑了飓风期间风电出力与输电线路故障的不确定性及其相关性，有效降低了负荷损失和弃风量。通过信息融合构建了与飓风强度相关的时空不确定性集合，提高了线路故障建模精度与求解效率。进一步设计了包含非预期性约束的改进列约束生成（ICCG）算法，能够关联场景并识别发电依赖的最恶劣场景，提升了多时段发电决策在非预期性不确定性下的可行性，并减少了各类场景...
解读: 该鲁棒储能规划方法对阳光电源PowerTitan大型储能系统和ST系列储能变流器在极端气候场景下的应用具有重要价值。文章提出的时空不确定性建模和改进列约束生成算法，可直接应用于阳光电源储能系统的能量管理策略（EMS）优化，特别是在台风、飓风等极端天气下提升系统应急响应能力。该方法考虑风电出力与线路故...
基于混合惩罚函数增强型D3QN算法的微网低碳经济能量管理方法
Low Carbon Economic Energy Management Method in a Microgrid Based on Enhanced D3QN Algorithm With Mixed Penalty Function
Chanjuan Zhao · Yunlong Li · Qian Zhang · Lina Ren · IEEE Transactions on Sustainable Energy · 2025年1月
本文提出一种融合混合惩罚函数的增强型 Dueling Double Deep Q Network 算法（EN-D3QN-MPF），用于微网能量管理。构建包含光伏、风力发电、储能系统、电动汽车充电站、温控负荷及价格响应负荷的新型微网模型。通过结合混合惩罚函数与D3QN强化学习，动态平衡奖励权重，实现微网低碳经济运行与用户充电满意度的协同优化。基于中国东部2019年实测数据的仿真结果表明，所提方法在能量管理性能上优于遗传算法、粒子群算法、Dueling DQN、DDQN及D3QN。
解读: 该EN-D3QN-MPF算法对阳光电源微网能量管理系统具有重要应用价值。可直接应用于PowerTitan储能系统的智能调度模块，结合ST系列储能变流器实现多时间尺度的功率优化。算法融合的混合惩罚函数机制可嵌入iSolarCloud平台，协同优化SG系列光伏逆变器出力、储能充放电策略与充电桩负荷管理，...
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...
受脑启发的协作式自动发电控制与大规模电动汽车集成
Brain-Inspired Collaborative Automatic Generation Control With Large-Scale Electric Vehicles Integration
Zhihong Liu · Lei Xi · Yue Quan · Chen Cheng 等5人 · IEEE Transactions on Sustainable Energy · 2024年10月
分布式能源、负荷与储能设备具有间歇性和强随机性，接入电网后易引发显著的频率波动。现有基于多智能体协同神经网络的控制算法易遭遇灾难性遗忘问题，难以在强随机扰动下实现最优控制。本文提出一种基于正交权重修正策略网络更新的近端受脑启发策略优化（PBPO）算法，赋予网络类脑上下文感知能力，从而加速多区域协同控制的收敛速度，有效抑制电网严重随机扰动引起的频率波动。通过大规模电动汽车接入场景下的两个负荷频率控制模型仿真验证，所提PBPO算法在收敛速度、频率稳定性及控制性能方面均优于多种强化学习算法。
解读: 该脑启发协同控制技术对阳光电源储能与充电桩产品具有重要应用价值。针对PowerTitan大型储能系统参与电网AGC调频场景，PBPO算法的抗遗忘特性可显著提升多储能站点协同响应能力，解决ST系列储能变流器在强随机扰动下的频率稳定问题。对于新能源汽车业务，该算法可优化大规模充电桩V2G协同控制策略，实...
一种促进稀疏性的自适应调节方法用于并网太阳能光伏系统的数据驱动建模与控制
Adaptive Regulated Sparsity Promoting Approach for Data-Driven Modeling and Control of Grid-Connected Solar Photovoltaic Generation
Zhongtian Zhang · Javad Khazaei · Rick S. Blum · IEEE Transactions on Sustainable Energy · 2024年9月
本文提出一种基于稀疏性促进的新型统计学习方法，用于太阳能光伏（PV）系统的数据驱动建模与控制。针对传统稀疏回归在候选函数增多时计算复杂度高的问题，设计了自适应调节稀疏回归（ARSR）算法。该方法为各状态变量自适应调节候选函数的超参数权重，提升模型精度，并有效剔除动态模型中的无关项。基于实测数据，建立了单级和两级PV系统的开环与闭环模型，并用于控制器设计。此外，该方法还可用于故障分析，展现出优于其他数据驱动技术的能力。实时仿真验证了所提方法的有效性。
解读: 该自适应稀疏回归建模技术对阳光电源SG系列光伏逆变器和ST储能变流器的控制优化具有重要价值。其数据驱动建模方法可直接应用于iSolarCloud平台的智能诊断模块，通过实测运行数据快速建立系统动态模型，无需复杂物理建模。稀疏性促进算法能有效识别关键控制变量，优化MPPT算法和并网控制策略，提升GFL...