找到 3 条结果
高渗透率可再生能源电力系统实时调度：一种专家知识与强化学习混合方法
Real-Time Scheduling of High-Penetrated Renewable Power Systems: An Expert Knowledge and Reinforcement Learning Hybrid Approach
Sijun Du · Tao Ding · Yang Xiao · Jingyu Wan 等6人 · IEEE Transactions on Power Systems · 2024年7月
现代电力系统正向低碳可持续转型，可再生能源渗透率的提升及其不确定性给系统调度带来严峻挑战，灵活元件的引入进一步增加了调度复杂性。为此，本文提出一种融合专家知识与强化学习（RL）的混合实时调度方法。首先建立包含柔性负荷与储能的高渗透率可再生能源系统实时调度模型，并转化为马尔可夫决策过程。通过引入专家知识作为系统与RL智能体之间的中介，利用RL算法优化的机组控制序列进行调度决策。基于SG 126节点系统的算例验证了所提方法在保障系统安全稳定运行的同时，显著提升可再生能源消纳能力的有效性与潜力。
解读: 该混合调度方法对阳光电源PowerTitan储能系统和iSolarCloud平台具有重要应用价值。强化学习与专家知识融合的实时调度策略可直接应用于ST系列储能变流器的智能控制算法，优化充放电决策以应对高比例光伏接入的不确定性。该方法可集成至iSolarCloud云平台，实现多站点储能系统协同调度，提...
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...
确定和维持可再生能源主导电力系统中区域最小惯性的新方法
A Novel Approach to Determine and Maintain Area-Wise Minimum Inertia in Renewable Energy Dominated Power Systems
Pijush Kanti Dhara · Zakir Hussain Rather · IEEE Transactions on Sustainable Energy · 2024年11月
随着逆变器型资源在可再生能源富集区域的渗透率上升，同步发电机被快速替代，导致同步惯性空间分布不均。即使系统整体最小惯性得以维持，局部区域仍可能出现频率变化率越限的稳定性问题。为此，本文提出一种确定各区域最小惯性的方法，并通过缩短电气距离实现惯性从高惯性区域向低惯性区域的再分配，利用用于输送冗余可再生能源的绿色走廊作为惯性传输路径。此外，提出一种基于机器学习的同步惯性补偿装置布点方法，以弥补区域惯性不足，并量化所需新增惯性容量。该方法可指导系统运营商确定同步或虚拟惯性的配置位置与规模，确保含高比例...
解读: 该区域惯性配置方法对阳光电源PowerTitan储能系统和VSG控制技术具有重要应用价值。研究提出的惯性空间分布优化策略可指导ST系列储能变流器在电网中的选址与容量配置，通过构网型GFM控制提供虚拟惯性支撑，解决高比例光伏接入导致的局部低惯性问题。基于机器学习的布点方法可集成至iSolarCloud...