找到 2 条结果
多时间尺度深度强化学习光储配电网电压优化
Multi-time Scale Deep Reinforcement Learning for Voltage Optimization in Photovoltaic-Storage Distribution Networks
黄冬梅 · 余京朋 · 崔承刚 · 董倩文 等6人 · 中国电机工程学报 · 2025年17月 · Vol.45
针对分布式光伏接入导致的配电网电压越限问题，提出一种基于多时间尺度深度强化学习的电压优化策略。该方法结合无模型深度强化学习，综合考虑多种离散与连续调压设备、光伏逆变器及储能的动作时域特性，通过事件触发机制限制储能动作次数与荷电状态变化，以最小化电压偏移与网损为目标，实现多时间尺度协同优化。仿真结果表明，所提方法在IEEE 33节点系统中显著降低电压偏移至0.0166 pu和平均网损至141.2 kW，同时将有载调压变压器与电容器组动作次数分别控制在6次与3次，储能15分钟内荷电状态变化低于30%...
解读: 该多时间尺度深度强化学习电压优化技术对阳光电源光储协同控制具有重要应用价值。可直接应用于SG系列光伏逆变器的无功调压功能与ST系列储能变流器的协同控制策略，通过事件触发机制优化储能动作频次，有效延长PowerTitan储能系统寿命。该方法将储能SOC变化控制在30%以内、动作频次降至10%以下的成果...
基于斯塔克尔伯格博弈的主动配电网与移动储能协同运行
Coordinated Operation of Active Distribution Network and Mobile Energy Storage Using Stackelberg Game
Hui Guo · Songmei Wu · Tianling Shi · Fei Wang 等5人 · IEEE Transactions on Industrial Informatics · 2025年2月
为提高系统的灵活性和可靠性，移动储能（MES）被视为主动配电网（ADN）的统一调度资源，参与运行优化和供电恢复。然而，目前的研究忽略了移动储能与主动配电网网络重构和电压调节的协同优化。特别是，关于将主动配电网和移动储能作为独立利益相关者的研究尚属空白。因此，本文提出了一种基于斯塔克尔伯格博弈的主动配电网与移动储能协同运行策略。考虑多时段动态重构、电压调节以及它们与移动储能的联合优化，作为领导者的主动配电网在预期利润和可靠性之间进行权衡，为移动储能制定合理的价格。作为追随者，移动储能基于时空网络对...
解读: 从阳光电源的业务视角来看，这项基于Stackelberg博弈的主动配电网与移动储能协调运行技术具有重要战略价值。该技术将移动储能系统（MES）作为配电网的统一调度资源，与网络重构、电压调节进行联合优化，这与我司在储能系统集成和智慧能源管理领域的核心能力高度契合。 技术价值方面，该研究通过双层优化模...