找到 2 条结果
评估结合中间储能的电转X系统中基于网格惩罚的强化学习在可再生能源管理中的应用
Assessing Grid Penalized Reinforcement Learning for Renewable Energy Management of Power-to-X Integrated With Intermediate Storage
Jeongdong Kim · Jonggeol Na · Joseph Sang-Il Kwon · Seongbin Ga 等6人 · IEEE Transactions on Sustainable Energy · 2025年6月
本研究通过详细案例与对比分析，探讨了在可再生能源与电价不确定性下，基于深度强化学习（DRL）的电转X（PtX）系统规划策略。提出一种融合混合储能系统的DRL小时级规划模型，采用网格惩罚奖励函数以抑制电网电力过度使用，并考虑可再生能源出力与电价的时间不确定性。利用法国国家实际数据，将该模型与规则基线模型在不同时空不确定性下进行比较。结果表明，DRL模型在全国范围内实现月利润提升1360.12%，尽管可再生能源渗透率略低，但通过提高电网惩罚强度可有效缩小渗透率差距并维持高盈利性。该研究首次量化揭示了...
解读: 该DRL驱动的可再生能源管理技术对阳光电源PowerTitan储能系统和ST系列储能变流器具有重要应用价值。研究提出的网格惩罚强化学习策略可直接应用于储能系统的能量管理系统（EMS），通过动态优化充放电策略，在电价波动和新能源出力不确定性下实现经济性最优。混合储能系统的小时级规划模型可集成至iSol...
由聚合商驱动的深圳电动汽车充电站优化：协同智能充电、可再生能源整合与储能
Aggregator-driven optimisation of electric vehicle charging stations in Shenzhen: Synergising smart charging, renewable energy integration and energy storage
Wentao Xin1 · Zhenwei Lu1 · Zhe Yu1 · Zhaoxuan He1 等6人 · Applied Energy · 2025年1月 · Vol.397
摘要 电动汽车（EV）的广泛采用带来了诸多挑战，例如峰值负荷增加、电力基础设施加速老化以及经济效率下降。为应对这些问题，本研究提出了一种集成多种技术的充电站模型，并构建了一个创新的分析框架，用于评估充电聚合商的综合效益。该框架融合了随机化负荷预测模型与智能充电策略，并利用来自中国深圳1682座充电站（共计24,798个独立充电桩）的实际数据进行了验证。在结合深圳市分时电价机制和超过80%的可再生能源渗透率条件下，实施所提出的充电站模型使平准化用电成本、碳排放量和峰值负荷均降低了每千瓦时0.38元...
解读: 该研究验证了储能系统与智能充电协同的关键价值,与阳光电源ST系列PCS及PowerTitan储能方案高度契合。深圳实证数据显示:智能充电场景下储能可降低碳排放(1.402Mt),而即充模式反增至1.688Mt,印证了阳光电源EMS能量管理策略的优越性。研究提出的>80%可再生能源渗透率、削峰30%的...