找到 5 条结果
基于物理信息引导的类型化图神经网络的最优潮流计算
Optimal Power Flow With Physics-Informed Typed Graph Neural Networks
Tania B. Lopez-Garcia · José Antonio Domínguez-Navarro · IEEE Transactions on Power Systems · 2024年4月
本研究介绍了一种应用类型化图神经网络解决最优潮流问题的新方法。与传统前馈神经网络模型得到的结果相比，类型化图神经网络允许用不同类型的节点表示输电系统的不同元件，从而提高了所得解决方案的准确性和可解释性。所提出的图神经网络架构无需训练数据，而是通过一个融入物理信息的损失函数进行训练，该损失函数不仅包含优化目标，还包含物理系统的运行约束。所得结果与内点法得到的结果相当，并且计算时间大幅缩短。
解读: 该物理信息引导的图神经网络技术对阳光电源的储能与光伏产品线具有重要应用价值。首先,可应用于ST系列储能变流器和PowerTitan系统的功率优化调度,提升大规模储能电站的运行效率。其次,该方法能优化SG系列光伏逆变器的MPPT控制策略,特别是在复杂拓扑的光伏电站中实现更快速的功率追踪。通过融合电网物...
不确定直流网络中的最优潮流
Optimal Power Flow in Uncertain DC Networks
Abhiram V. P. Premakumar · Ramtin Madani · Ali Davoudi · IEEE Transactions on Power Systems · 2024年6月
本文研究了负载需求不确定的直流网络中最优潮流问题。该问题为非凸优化问题，且因负载不确定性而更加复杂。本文设计了仿射控制策略，通过功率变换器调节母线电压。利用S-引理、半定规划松弛及惩罚技术，消除了不确定性变量，将原问题转化为确定性凸优化问题以求解仿射策略。所得凸化问题可直接采用标准求解器高效求解。数值实验在改进的IEEE 4、14和30节点系统上验证了所提方法的有效性，并通过4节点系统的控制器/硬件在环实验平台进行了实验验证。
解读: 该不确定性直流网络最优潮流技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。研究提出的仿射控制策略可直接应用于直流母线电压调节，解决储能系统中负载波动导致的功率分配难题。通过半定规划将非凸优化转化为凸优化问题，可显著提升ST储能变流器在光储直流耦合系统中的实时控制性...
基于相对熵的分布鲁棒联合机会约束最优潮流
Distributionally Robust Joint Chance-Constrained Optimal Power Flow Using Relative Entropy
Eli Brock · Haixiang Zhang · Javad Lavaei · Somayeh Sojoudi · IEEE Transactions on Power Systems · 2025年1月
在不确定性环境下，设计最优潮流（OPF）问题的鲁棒算法对大规模电力系统控制至关重要。机会约束最优潮流（CCOPF）为运行成本与约束满足率之间的权衡提供了自然建模方式。本文提出一种基于分布鲁棒优化（DRO）的数据驱动CCOPF算法，证明所提出的分布鲁棒机会约束重构是精确的，而现有方法多依赖保守近似。我们建立了分布外样本的鲁棒性保证，并证明该解在具有相同保证的所有方法中最优。通过IEEE标准系统的仿真，验证了所提算法相较于现有方法的优越性能。
解读: 该分布鲁棒机会约束最优潮流技术对阳光电源储能系统和光伏并网产品具有重要应用价值。在PowerTitan大型储能系统中，可应用于多时间尺度功率调度优化，在新能源出力不确定性下保证电网约束满足率与经济性平衡。对于ST系列储能变流器的能量管理系统，该数据驱动算法可提升实时调度鲁棒性，避免传统随机优化的过度...
物理信息梯度估计加速基于深度学习的交流最优潮流
Physics-Informed Gradient Estimation for Accelerating Deep Learning-Based AC-OPF
Kejun Chen · Shourya Bose · Yu Zhang · IEEE Transactions on Industrial Informatics · 2025年3月
通过采用基于神经网络的响应式在线求解器，可以快速且可靠地解决最优潮流（OPF）问题。可再生能源发电的动态特性和电网条件的多变性要求利用新的数据实例频繁更新神经网络。为满足这一需求并减少数据准备所需的时间，我们提出了一种借助数据增强的半监督学习框架。在此框架下，岭回归取代了传统求解器，便于快速预测给定输入负荷需求的最优解。此外，为了在训练过程中加速反向传播，我们开发了新颖的批量均值梯度估计方法，并采用简化支路集来降低梯度计算的复杂度。数值模拟表明，配备了所提出的梯度估计器的神经网络能够始终获得可行...
解读: 从阳光电源的业务视角来看，这项基于深度学习的交流最优潮流（AC-OPF）加速技术具有重要的战略价值。随着我司在新能源发电和储能系统领域的深度布局，如何实现分布式能源的实时优化调度已成为核心技术挑战。 该论文提出的物理信息梯度估计方法直击新能源并网的关键痛点。光伏、风电等可再生能源的间歇性和波动性要...
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...