找到 2 条结果
基于物理信息的图学习方法以实现配电系统最优切换问题求解
Physics-Informed Graph-Based Learning to Enable Solving Optimal Distribution Switching Problem
Reza Bayani · Saeed Manshadi · IEEE Transactions on Power Systems · 2024年9月
本文提出了一种新颖的图卷积神经网络（GCN）架构，用于求解配电网络中的最优切换问题，并在学习过程中融合了底层的潮流方程。该切换问题被建模为混合整数二阶锥规划（MISOCP），因其计算复杂性而在实际应用中难以求解。与现有研究不同，所提出的算法在训练及推理阶段均引入描述物理系统约束的数学模型信息，确保决策结果的可行性。研究结果表明，利用线性化模型的预测结果指导MISOCP求解具有显著潜力。
解读: 该基于物理信息的图学习配电优化技术对阳光电源PowerTitan储能系统及iSolarCloud智能运维平台具有重要应用价值。在配电网侧储能场景中，该方法可实时求解含储能系统的最优网络拓扑切换策略，通过GCN快速预测可行开关动作方案，指导MISOCP精确求解，显著提升ST系列储能变流器参与配电网优化...
面向全运行区域的不确定风能转换系统稳定随机模型预测控制
Stable Stochastic MPC for Uncertain Wind Energy Conversion System Over Whole Operating Regions
Xiangjie Liu · Shifan Guo · Lele Ma · Xiaobing Kong 等5人 · IEEE Transactions on Energy Conversion · 2024年7月
风速的随机不确定性给风力发电系统（WECS）实现可靠的功率控制带来了巨大挑战。由于随机模型预测控制（SMPC）在基于概率描述处理不确定性方面表现出色，它被认为是风力发电系统的一种有前景的控制策略。然而，由于风速具有波动特性，风力发电系统的运行点通常会发生变化。因此，将随机模型预测控制应用于风力发电系统的一个重要限制在于，传统随机模型预测控制的可行性和稳定性仅能在一个预先设计的单一运行点得到保证。针对这一问题，本文提出了一种用于不确定风力发电系统的稳定随机模型预测控制策略，以确保风力发电系统在整个...
解读: 从阳光电源的业务视角来看，这项针对风电系统的稳定随机模型预测控制技术具有重要的借鉴价值和迁移应用潜力。虽然论文聚焦于风能转换系统，但其核心方法论与我们在光伏逆变器、储能系统及多能互补解决方案中面临的不确定性控制问题高度契合。 该技术的核心价值在于通过管道式控制框架和Luenberger观测器，实现...