找到 2 条结果
基于连续松弛迭代法的柔性配电网分布式无功优化
Distributed Reactive Power Optimization for Flexible Distribution Networks With Successive Relaxation Iteration Method
Tao Zhang · Tianjiao Pu · Lei Dong · Xin Yuan 等6人 · IEEE Transactions on Sustainable Energy · 2024年9月
柔性软常开点（SOP）接入主动配电网（ADNs）为电压与无功控制（VVC）提供了灵活的调节手段。针对互联网络扩展带来的集中式优化挑战，本文提出一种基于局部模型解耦与迭代交互的分布式协同无功优化策略。采用交替方向乘子法（ADMM），将全局优化问题分解为多个区域子问题，实现完全分布式的本地求解。通过嵌套松弛迭代与逐次线性逼近方法，有效处理整数变量与非凸问题，提升算法收敛性与计算效率。仿真基于改进的IEEE标准系统验证了所提方法的有效性。
解读: 该分布式无功优化技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。文中提出的ADMM分布式协同优化策略可直接应用于多台储能变流器并联场景的无功功率协调控制，解决大规模储能电站集中式优化计算负担重、通信依赖高的问题。SOP柔性互联思想可启发阳光电源开发具备柔性功率路由...
基于安全运行机制的主动配电网人机协同强化学习电压/无功控制方法
Human-in-the-loop Reinforcement Learning Method for Volt/Var Control in Active Distribution Network with Safe Operation Mechanism
Yuechuan Tao · Zhao Yang Dong · Jing Qiu · Shuying Lai 等6人 · IEEE Transactions on Sustainable Energy · 2025年6月
针对分布式能源接入带来的主动配电网运行复杂性，传统调压方法难以应对。本文提出一种融合人类经验的人机协同深度强化学习（HITL-DRL）框架，并引入安全约束裁剪的近端策略优化（SC-PPO）算法以保障学习过程的安全性。通过人类示范、反馈与对抗设置三种干预策略，提升学习效率与可解释性。仿真表明，该方法在IEEE 33节点系统中相较传统DRL算法具有更快的收敛速度与更强的鲁棒性，电压越限率降低73.4%，决策时间小于1毫秒，接近最优解性能，具备实时应用潜力。
解读: 该人机协同强化学习电压/无功控制技术对阳光电源配电网侧储能系统具有重要应用价值。SC-PPO算法的安全约束机制可直接应用于PowerTitan储能系统的电压调节策略，保障分布式光伏并网场景下的安全运行。毫秒级决策响应能力契合ST系列储能变流器的实时控制需求，73.4%的电压越限率降低可显著提升含高比...