找到 2 条结果
受脑启发的深度强化学习在复合干扰下电力系统负荷频率控制中的应用
Brain-Inspired Deep Reinforcement Learning for Load Frequency Control of Power Systems With Composite Interference
Xiaoming Sun · Chen Peng · Xinchun Jia · Yajian Zhang · IEEE Transactions on Industrial Informatics · 2025年4月
本文针对存在内部噪声和外部负荷波动复合干扰的电力系统，提出了一种受大脑启发的基于深度强化学习（DRL）的负荷频率控制框架。具体而言，受人类大脑决策过程的启发，系统状态的一些历史、当前和未来特征被充分提取到经验池中，以便深度强化学习智能体进行高效训练。同时，设计了一种渐进式训练机制，通过逐步增加训练目标将训练过程划分为多个阶段，以减少训练过程中的盲目性。此外，针对复合干扰，预先学习一些模拟干扰，以提高深度强化学习智能体的适应性。在单发电机组电力系统上的实验结果表明，所提出的方法能够在复合干扰下有效...
解读: 从阳光电源的业务视角来看，这项基于脑启发式深度强化学习的负荷频率控制技术具有重要的战略价值。随着公司光伏逆变器和储能系统在全球电网中的装机规模持续扩大，如何应对新能源接入带来的频率波动问题已成为核心技术挑战。 该技术的创新点与阳光电源的实际需求高度契合。首先，其针对"内部噪声与外部负荷波动复合干扰...
基于级联扩张状态观测器的主动抗扰控制在抽水风筝发电系统中的鲁棒直流链路电压控制
Active Disturbance Rejection Control With a Cascaded Extended State Observer for Pumping Kite Generator Systems Robust DC-Link Voltage Control
Mouaad Belguedri · Yassine Amirat · Abdeldjabar Benrabah · Farid Khoucha 等6人 · IEEE Transactions on Energy Conversion · 2024年10月
抽水风筝发电系统（PKGS）通过利用风筝捕获更强且更稳定的高空风，为风力发电提供了一种开创性的解决方案。在这类系统中，直流母线电压调节对于确保高效的能量生成和可靠的电网接入至关重要。然而，PKGS独特的运行特性，包括发电阶段的周期性扰动和过渡阶段的突发扰动，给传统控制策略带来了重大挑战。本文提出了一种专门为PKGS应用量身定制的增强型自抗扰控制（ADRC）方法。通过将级联扩张状态观测器（CESO）与已知扰动补偿相结合，所开发的控制方法克服了传统ADRC和积分 - 比例（IP）控制器在处理多方面扰...
解读: 从阳光电源的业务视角来看，这项针对风筝发电系统的自抗扰控制技术虽然应用场景较为前沿，但其核心控制策略对我司现有产品线具有重要的技术借鉴价值。 该论文提出的级联扩张状态观测器（CESO）与已知扰动补偿相结合的控制方法，本质上解决了新能源系统中DC-link电压在面对周期性扰动和突发扰动时的鲁棒控制问...