找到 2 条结果
基于物理引导的强化学习进行停电缓解
Blackout Mitigation via Physics-Guided RL
Anmol Dwivedi · Santiago Paternain · Ali Tajer · IEEE Transactions on Power Systems · 2024年10月
本文研究针对系统异常的顺序校正控制策略设计，以防止停电事故。提出一种物理引导的强化学习框架，综合考虑长期稳定性影响，识别有效的实时前瞻性校正决策序列。控制空间包含离散的线路投切操作与连续的发电机调节。通过引入电力网络潮流灵敏度因子指导智能体训练过程中的探索，提升策略质量。基于Grid2Op平台的实验表明，融合物理信号显著优于黑箱方法。值得注意的是，战略性地断开部分输电线路并配合多步发电机调节，常可形成有效延缓或避免停电的长周期决策。
解读: 该物理引导强化学习框架对阳光电源PowerTitan储能系统和构网型控制技术具有重要应用价值。研究中的潮流灵敏度因子引导策略可直接应用于ST系列储能变流器的实时功率调节决策，在电网异常时通过多步序列控制优化有功/无功输出，配合线路投切信号实现主动支撑。该方法与阳光电源GFM构网型控制技术深度契合，可...
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...