找到 2 条结果 · IEEE Transactions on Sustainable Energy
考虑风电和光伏预测的嵌入双规则分布式近端策略优化
Distributed Proximal Policy Optimization with Embedded Dual Rules for Power Systems Considering Wind and Photovoltaic Forecasting
Peng Lu · Yuanbao Wu · Junhao Li · Ning Zhang 等6人 · IEEE Transactions on Sustainable Energy · 2025年6月
针对风电与光伏功率预测误差导致的最优调度偏差问题，本文提出一种嵌入双规则的分布式近端策略优化（DPPO）模型。该模型将预测及误差校正信息嵌入DPPO状态空间，并以正则形式在神经网络中融入电网功率平衡与潮流约束，结合预设规则实现状态评估与动作执行的协同优化。基于某省电网实际数据在改进IEEE-30节点系统上的仿真结果表明，所提方法能有效应对可再生能源预测不确定性，在提升风电消纳、降低运行成本及增强调度适应性方面优于三种先进方法。
解读: 该嵌入双规则DPPO调度技术对阳光电源PowerTitan储能系统和iSolarCloud智能运维平台具有重要应用价值。其预测误差校正机制可直接集成到ST系列储能变流器的EMS能量管理策略中，通过实时修正风光预测偏差优化充放电决策，提升储能系统在新能源消纳场景下的经济性。分布式优化架构与阳光电源多站...
一种用于低风力发电预测的自监督预学习方法
A Self-Supervised Pre-Learning Method for Low Wind Power Forecasting
Weiye Song · Jie Yan · Shuang Han · Ning Zhang 等6人 · IEEE Transactions on Sustainable Energy · 2025年1月
随着风电在电力系统中占比提升，其出力间歇性导致的低功率风险日益突出，准确预测低风力发电对缓解电力短缺至关重要。然而，由于低风速事件稀少，传统方法面临样本不足难题，制约了预测精度提升。为此，本文提出一种自监督预学习方法，通过挖掘低出力样本间的相似性与差异性，分别预测低风力发电事件（LWPE）的发生时段和低风力发电过程（LWPP）的功率序列。针对LWPE预测，设计基于对比学习的孪生残差收缩网络，利用样本对进行特征预学习以缓解样本不平衡；对于LWPP预测，构建基于模式识别的嵌入式预测框架，将典型波动模...
解读: 该自监督预学习方法对阳光电源储能与风电产品线具有重要应用价值。可将其集成至ST系列储能变流器的EMS能量管理系统，提升风储联合运行策略的精准度；应用于PowerTitan大型储能系统的调度优化，实现对低风力时段的精准响应。该技术可优化iSolarCloud平台的预测算法，提高风电场群的运维效率。特别...