Chunyang Pan · Shuli Wen · Miao Zhu · Jianjun Ma 等5人 · IEEE Transactions on Sustainable Energy · 2024年12月

随着全球海上风电的快速发展，风电场规模不断扩大，提升整体经济性至关重要。现有研究多集中于直流串并联（SP）拓扑，成本较高。本文提出一种基于分层强化学习（HRL）的优化框架，采用先进的直流串-并-并（SPP）拓扑以提升经济性。该框架通过分层开环多旅行商问题（HOMTSP）建模SPP结构，并将集电系统布局优化（CSLO）分解为子问题，采用分层双Q学习（DQL）求解，结合拓扑引导机制修正交叉线路。基于真实风电场GIS数据与机组连接方案的案例研究表明，所提方法较直流SP和交流双端环状拓扑显著提升经济性。

解读: 该研究的SPP拓扑优化方法对阳光电源的海上风电和储能产品线具有重要参考价值。首先，优化后的直流集电系统布局可直接应用于我司ST系列储能变流器的集成设计，提升大型储能电站的经济性。其次，文中的分层强化学习框架可用于优化PowerTitan储能系统的拓扑结构和功率分配策略。此外，该方法也可迁移应用到SG...