作者未知 · IEEE Transactions on Industrial Informatics · 2025年1月

现有交直流潮流计算需要在各种直流控制模式下进行以收敛为导向的反复试算，这增加了计算负担。因此，本文提出一种基于物理引导的多智能体图学习（PG - MAGL）方法，用于可自适应直流控制模式的实时潮流分析。首先，提出一种内置直流控制模式和状态变量的定制图结构，以确保拓扑适应性。然后，提出多智能体图学习（MAGL）方法，实现对直流控制模式的自适应跳转。其关键在于组织多个智能体对各种直流控制模式下的潮流解进行参数化，并根据换流器的运行越限情况预留触发信号，以便智能体切换至后续智能体。为明确触发信号，最终...

解读: 从阳光电源的业务视角来看，这项基于物理引导的多智能体图学习（PG-MAGL）技术对我们在交直流混合电网场景下的产品优化具有重要战略价值。 当前阳光电源的光伏逆变器和储能变流器产品广泛应用于交直流混合微电网系统中，传统潮流计算需要在多种直流控制模式间反复试错求解，这在实时调度和故障响应场景下存在明显...