找到 3 条结果
基于深度强化学习算法的分布式光伏-EV互补系统智能调度
Intelligent Scheduling of Distributed Photovoltaic-EV Complementary Systems Based on Deep Reinforcement Learning Algorithm
陈宁李法社王霜张慧聪唐存靖倪梓皓 · 高电压技术 · 2025年3月 · Vol.51
针对分布式光伏与电动汽车大规模接入电网带来的冲击，构建了光伏-EV互补调度模型，以平抑并网功率波动、提升用户经济性为目标，综合考虑光伏出力、负荷波动、EV接入随机性、实时电价及电池老化成本等因素，提出采用梯度随机扰动改进的近端策略优化算法（GRP-PPO）求解。通过调整目标函数获得两种运行策略：策略一优先满足出行需求与功率稳定，并网点功率稳定率达91.84%；策略二侧重用户收益，单日EV收益达82.6元，有效激励用户参与调度，较传统PPO算法性能提升3.48%。
解读: 该深度强化学习调度技术对阳光电源光储充一体化解决方案具有重要应用价值。GRP-PPO算法可直接集成至iSolarCloud云平台，实现分布式光伏SG系列逆变器、ST储能变流器与充电桩的协同优化调度。91.84%的并网功率稳定率可显著降低PowerTitan储能系统的功率波动应对压力，延长电池寿命；双...
基于快速响应单元的韧性电力系统实时动态调度多阶段鲁棒优化
Multi-Stage Robust Optimization of Real-Time Dynamic Dispatch With Fast-Acting Units in Resilient Power Systems
Houbo Xiong · Yunhui Shi · Mohammad Shahidehpour · Chuangxin Guo 等5人 · IEEE Transactions on Power Systems · 2024年4月
提出一种基于动态规划的多阶段随机-鲁棒优化模型，用于含快速响应单元的电力系统实时调度，以提升极端事件下的系统韧性。该方法包含离线求解与在线调度：离线阶段将T时段实时调度建模为T阶段优化问题，采用改进的快速鲁棒对偶动态规划算法求解；在线阶段利用生成的成熟代价函数作为各时段策略，快速指导单元状态调整与调度决策。通过场景法建模多阶段故障，并构建风电不确定性集以降低计算复杂度。在改进的IEEE 14、118和300节点系统上的算例验证了所提方法的有效性。
解读: 该研究的多阶段鲁棒优化调度方法对阳光电源的储能与光储系统具有重要应用价值。可直接应用于ST系列储能变流器和PowerTitan大型储能系统的调度控制,提升极端工况下的系统韧性。特别是其快速响应调度算法,可优化储能系统的AGC调频和事故备用等辅助服务能力。研究中的风电不确定性建模方法也可用于改进iSo...
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...