找到 2 条结果
面向氢-电配电网协同与移动储氢的量子辅助组合Benders算法
Quantum Assisted Combinatorial Benders' Algorithm for the Synergy of Hydrogen and Power Distribution Systems With Mobile Storage
Mingze Li · Siyuan Wang · Lei Fan · Zhu Han · IEEE Transactions on Power Systems · 2025年1月
氢能基础设施的发展有望促进可再生能源在配电网中的消纳。为利用氢能系统的灵活性，本文提出一种混合二进制二次规划模型，用于氢-电配电网协同运行，并建模车载移动储氢设施的路径调度及装卸量。设计了一种量子辅助的组合Benders分解算法，将主问题与子问题分别部署于量子处理单元和经典CPU求解。主问题被重构为量子退火器可高效求解的无约束二进制二次优化问题。在混合量子-经典计算平台上的测试结果表明，随着问题规模增大，该方法呈现优于传统CPU商业求解器的趋势。
解读: 该量子辅助优化算法对阳光电源氢-电综合能源系统具有重要应用价值。在PowerTitan储能系统与氢能耦合场景中，可优化移动储氢车辆调度与充放策略，提升系统灵活性。对于工商业光伏配储项目，该算法可协同SG逆变器、ST储能变流器与氢储能设施的多时间尺度调度，解决大规模混合整数优化难题。量子计算加速特性可...
基于深度强化学习的移动式风力发电机分配以增强配电系统韧性
Deep Reinforcement Learning-Based Allocation of Mobile Wind Turbines for Enhancing Resilience in Power Distribution Systems
Ruotan Zhang · Jinshun Su · Payman Dehghanian · Mohannad Alhazmi 等5人 · IEEE Transactions on Sustainable Energy · 2025年6月
风能资源的广泛应用在应对气候变化中展现出显著优势。移动式风力发电机（MWT）可通过运输系统灵活部署，作为应急电源参与配电系统（PDS）灾后恢复，提升系统韧性。本文提出一种基于多智能体深度强化学习（MADRL）的MWT调度框架，采用深度Q网络（DQL）与双深度Q网络（DDQL）进行训练与对比，并引入动作限制机制以抑制风电波动影响。在锡乌福尔斯交通系统与四个IEEE 33节点配电系统耦合的案例中验证了该方法在提升灾后服务恢复能力方面的有效性。
解读: 该研究的MWT调度与深度强化学习方法对阳光电源储能产品线具有重要参考价值。首先，MADRL框架可优化ST系列储能变流器的调度策略，提升PowerTitan系统在极端天气下的应急响应能力。其次，动作限制机制的设计思路可用于改进储能PCS的功率波动抑制算法。研究中的分布式协同控制方案也可集成到iSola...