找到 2 条结果
融合动态特性的高比例可再生能源下稳定性约束调度建模框架
Dynamics-Incorporated Modeling Framework for Stability Constrained Scheduling Under High-Penetration of Renewable Energy
Jinning Wang · Fangxing Li · Xin Fang · Hantao Cui 等6人 · IEEE Transactions on Sustainable Energy · 2025年1月
本文提出一种模块化建模框架，支持高比例可再生能源接入下的融合动态特性电力系统调度。该框架采用改进的混合符号-数值方法，有效衔接设备级与系统级优化模型，简化调度建模流程。其适应性体现在四个方面：通过建模模块实现可扩展的调度模型、基于向量化与稀疏性技术的可伸缩性能、与动态仿真器兼容的潮流数据结构，以及稳态调度与时域动态仿真间的双向数据交互接口。多场景基准测试验证了框架的准确性与可扩展性，案例研究表明其显著提升了调度与动态仿真的协同效率，减少了稳定性约束调度中的模型转换工作量。
解读: 该动态特性融合调度框架对阳光电源储能与光伏并网产品具有重要应用价值。框架的模块化建模方法可直接应用于PowerTitan储能系统的多机协调调度，通过稳态优化与动态仿真双向交互，优化ST系列储能变流器的功率响应策略。其稳定性约束建模能力可提升SG系列逆变器在高比例新能源场景下的构网型GFM控制性能，特...
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...