找到 2 条结果 · IEEE Transactions on Sustainable Energy
基于元强化学习的自适应可解释储能控制应对动态场景
Meta Reinforcement Learning Based Adaptive and Interpretable Energy Storage Control Meets Dynamic Scenarios
Yibing Dang · Jiangjiao Xu · Fan Yang · Changjun Jiang 等5人 · IEEE Transactions on Sustainable Energy · 2025年4月
随着可再生能源的广泛应用，储能系统在能量调度与经济套利中发挥关键作用。传统强化学习方法因泛化能力有限，在高动态环境下易出现性能下降。本文提出一种基于元强化学习的储能控制框架，包含离线训练与在线适应阶段，通过双循环更新机制和多任务学习获得高泛化性的初始参数，并结合Shapley值方法增强决策可解释性。实验表明，该模型在多种动态微网场景下适应性强，性能较传统方法提升20%至50%，且调度决策特征贡献分析符合人类直觉。
解读: 该元强化学习储能控制技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。其自适应双循环更新机制可显著提升储能系统在光伏出力波动、负荷变化等动态场景下的调度性能，相比传统方法提升20%-50%的经济效益直接增强产品市场竞争力。Shapley值可解释性分析可集成至iSol...
通过规划控制器参数提升海上风力机多目标性能：一种“规划-控制”分层控制器
Multi-Objective Performance Enhancement of Offshore Wind Turbines Through Planning Controller Parameter: A ‘Plan-Control’ Hierarchical Controller
Songyue Zheng · Lilin Wang · Lizhong Wang · Lijian Wu 等5人 · IEEE Transactions on Sustainable Energy · 2024年12月
针对大型海上风力机柔性结构显著且运行于风浪耦合环境的特点，提出一种“规划-控制”分层控制器（PCHC）。内环采用工业标准控制器，外环引入基于非线性模型预测控制（NMPC）的规划器优化控制器参数。NMPC规划器通过可变预测时域求解多目标优化问题，并利用高斯过程回归补偿模型失配误差。设计联合成本函数在线鲁棒调节权重，兼顾功率与转速稳定性、结构载荷抑制及执行机构动作限制。仿真验证表明，PCHC在保持现有控制器架构的同时显著提升多目标性能，利于工程应用。
解读: 该文提出的'规划-控制'分层控制架构对阳光电源的储能与风电产品具有重要借鉴价值。其中非线性MPC规划器的多目标优化思路可用于ST系列储能变流器的功率调度与电池管理，实现储能系统的经济性与寿命的动态平衡。高斯过程回归补偿模型误差的方法也可应用于PowerTitan大型储能系统的预测性维护。此外，该控制...