找到 3 条结果
基于物理信息强化学习的可再生能源实时最优潮流控制
Physics-Informed Reinforcement Learning for Real-Time Optimal Power Flow With Renewable Energy Resources
Zhuorui Wu · Meng Zhang · Song Gao · Zheng-Guang Wu 等5人 · IEEE Transactions on Sustainable Energy · 2024年8月
针对可再生能源大规模接入带来的强不确定性，电力系统调度对实时性提出了更高要求。为实现实时环境下经济且可行的发电运行，本文提出一种基于约束强化学习（CRL）的物理信息强化学习（PIRL）方法用于最优潮流（OPF）求解。该方法设计了基于潮流方程的物理信息执行器，确保生成满足等式约束的发电方案，并通过在策略梯度中引入不等式约束来修正不可行动作。特别地，与传统CRL中使用网络逼近不同，所提方法可直接基于执行器输出精确计算约束相关成本。在IEEE 118节点系统上的仿真结果表明，该方法在获得相近发电成本的...
解读: 该物理信息强化学习技术对阳光电源储能与光伏并网系统具有重要应用价值。针对PowerTitan大型储能系统和SG系列光伏逆变器的实时功率调度，该方法可嵌入iSolarCloud云平台，实现毫秒级最优潮流计算，显著优于传统优化算法。其约束强化学习框架可直接应用于储能变流器的多目标协调控制，在满足电网安全...
最优潮流：最新技术综述与未来展望
Optimal Power Flow: A Review of State-of-the-Art Techniques and Future Perspectives
Ahmed Babiker · Sulaiman S. Ahmad · Ijaz Ahmed · Muhammad Khalid 等6人 · IEEE Access · 2025年1月
最优潮流OPF问题在现代电力系统规划和运行中日益关键。随着电网规模扩大、智能电网技术出现和可再生能源RES不可预测性，对OPF兴趣激增。新能源和储能挑战给电力系统运行和规划带来更高不确定性。OPF被视为实现资源优化配置、提高电网效率等不同目标的重要工具。然而OPF问题因非线性特性本质上难以求解，实际电网固有的各种约束和限制进一步加剧复杂性。本文提供OPF的全面基础性综述，涵盖主要概念、数学表述、OPF类型、综合优化问题概念及求解各种方法。探讨从传统方法到先进最新技术的演变，包括数学方法和人工智能...
解读: 该OPF综述对阳光电源智慧能源管理系统的优化算法开发有重要参考价值。阳光iSolarCloud平台需要实时优化海量光伏储能电站的功率分配。文章综述的元启发式算法和机器学习方法可应用于阳光虚拟电厂VPP的资源调度优化。凸松弛方法对阳光储能充放电策略优化有借鉴意义。该综述强调的不确定性处理，与阳光面临的...
基于交易型能源框架的智能家居集成与配电网优化——综述
Smart home integration and distribution network optimization through transactive energy framework – a review
Sadam Hussain · M.Imran Azimb · Chunyan Laia · Ursula Eicker · Applied Energy · 2025年1月 · Vol.395
摘要 在当今世界，由于政策激励，越来越多的居民用户正在使用分布式能源资源（DERs），包括太阳能光伏（PV）和其他储能系统（ESSs）。然而，为实现利润最大化而运行储能系统可能导致功率流动超出配电网的电压和热稳定极限。本文在交易型能源框架下，深入分析了智能家居能源管理系统（SHEMS）、配电变压器以及系统约束之间的相互关系。主要研究重点包括SHEMS、聚合商、点对点（P2P）能源交易、最优潮流（OPF）以及运行限值。SHEMS是不可或缺的工具，可优化能源使用、促进DERs的运行、管理ESS和电动...
解读: 该交易型能源框架研究对阳光电源智慧能源生态具有战略价值。文中SHEMS与配电网协同优化场景,可直接应用于ST系列储能变流器与SG逆变器的协同控制策略,通过iSolarCloud平台实现聚合商功能和P2P交易管理。最优潮流算法可优化PowerTitan储能系统的充放电策略,配合VSG虚拟同步机技术保障...