找到 2 条结果
知识增强的群体深度强化学习用于大规模电网实时网络约束经济调度
Knowledge-Augmented Population-Based Deep Reinforcement Learning for Real-Time Network-Constrained Economic Dispatch of Large-Scale Power Grid
Yixi Chen · Jizhong Zhu · Hanjiang Dong · Cong Zeng 等5人 · IEEE Transactions on Power Systems · 2025年6月
近年来，深度强化学习（DRL）因其在在线前瞻决策和应对不确定性方面的优势，被广泛应用于实时网络约束经济调度（NCED）。然而，传统DRL方法在计算效率与并行性方面存在局限，难以适应大规模电网环境。为此，本文提出一种新型知识增强的群体深度强化学习（PDRL）方法。PDRL通过扰动代理参数生成种群进行探索，并聚合个体结果构建代理梯度以更新模型，具有高效探索能力与高并行性。结合电网物理知识，提出序贯安全投影（S2P）技术，显著提升决策安全性并降低训练难度。在39节点、500节点和2383节点系统上的仿...
解读: 该知识增强群体深度强化学习技术对阳光电源PowerTitan大型储能系统及iSolarCloud云平台具有重要应用价值。在储能侧，PDRL的高并行性与序贯安全投影技术可优化ST系列储能变流器的实时调度策略，确保大规模储能电站在电网约束下实现经济最优充放电决策，提升电网友好性。在光伏侧，该方法可集成至...
面向最少控制数量的超大规模电网热过载缓解方法
Toward Minimal Number of Controls for Thermal Violation Mitigation for Very Large-Scale Grids
Lin Zeng · Hsiao-Dong Chiang · Dong Liang · IEEE Transactions on Power Systems · 2025年9月
为快速消除输电线路热过载以保障系统安全，需高效计算控制措施。本文提出一种新颖的两阶段方法，用于在大规模电网中快速求解最小控制动作集合，并在45000节点系统上以2秒内完成计算。第一阶段提取相关子网络，第二阶段采用迭代可行性检验（IFC）方法确定子网内最少控制数量。该方法综合考虑交流有功与无功潮流方程及混合整数非线性规划（MINLP）模型，常可达到全局最优。通过多规模系统测试，验证了方法的可扩展性与有效性，计算速度较传统方法提升三个数量级，且显著减少所需控制动作，适用于在线应用。
解读: 该超大规模电网热过载快速缓解技术对阳光电源PowerTitan储能系统和ST系列储能变流器具有重要应用价值。文中提出的两阶段最小控制动作算法可直接应用于储能系统的电网支撑功能：当检测到输电线路过载时，通过子网络提取和迭代可行性检验，在2秒内快速确定最少数量的储能单元参与有功/无功调节，避免全站响应造...