找到 5 条结果
基于深度强化学习的含储能船舶的海岛-海上渔排能源运输策略研究
Energy Transportation Strategy for Island-Marine Fish Farm System with Energy Storage Vessels Based on Deep Reinforcement Learning
朱振山陈豪陈炜龙黄缨惠 · 中国电机工程学报 · 2025年7月 · Vol.45
针对海上渔排与风光资源富余岛屿间的能源交互问题，提出一种包含全电船舶的能源运输策略，并构建考虑移动式储能电池组状态细分的混合动作空间马尔可夫决策过程模型。采用基于多批次前向传播的参数化双深度Q网络求解，通过解耦离散与连续动作提升训练稳定性与收敛性能。仿真结果表明，该方法能有效实现多节点间能量调配，在大规模场景下优于传统深度强化学习方法，具备更强灵活性与优化能力。
解读: 该深度强化学习能源调度技术对阳光电源移动储能业务具有重要应用价值。研究中的混合动作空间MDP模型和参数化双深度Q网络可直接应用于PowerTitan移动储能系统的智能调度，优化多场景间能量转运策略。其电池状态细分建模方法可增强ST系列储能变流器的SOC管理精度，提升电池全生命周期效益。该技术与iSo...
基于模型优化的残差深度强化学习在逆变器型电压-无功控制中的应用
Residual Deep Reinforcement Learning With Model-Based Optimization for Inverter-Based Volt-Var Control
Qiong Liu · Ye Guo · Lirong Deng · Haotian Liu 等6人 · IEEE Transactions on Sustainable Energy · 2024年9月
提出一种基于近似模型驱动优化的残差深度强化学习（RDRL）方法，用于主动配电网中的逆变器型电压-无功控制（IB-VVC）。通过改进的马尔可夫决策过程统一建模模型驱动与RDRL方法，RDRL在模型基策略动作基础上学习残差动作。该方法继承了近似模型优化的控制能力，并通过残差策略学习增强策略优化性能。由于实际中获取的近似模型通常较为可靠，模型优化所得动作接近最优，从而缩小残差动作搜索空间，提升评论器逼近精度并降低执行器搜索难度。仿真结果表明，RDRL在学习过程中显著提升优化性能，并在69节点和141节...
解读: 该残差深度强化学习方法对阳光电源ST系列储能变流器和PowerTitan大型储能系统的电压-无功控制具有重要应用价值。技术可直接应用于：1）ST系列储能变流器的智能VVC控制策略，通过残差学习优化逆变器无功输出，提升电网电压支撑能力；2）PowerTitan储能系统的多机协调控制，在iSolarCl...
边缘计算环境中基于分布式深度强化学习的多域物联网网络任务卸载优化
Optimized Task Offloading in Multi-Domain IoT Networks Using Distributed Deep Reinforcement Learning
Ojonukpe Sylvester Egwuche · Japie Greeff · Absalom El-Shamir Ezugwu · IEEE Access · 2025年1月
物联网网络中，传感器、网关和服务在不同层级互操作为终端用户提供服务。IoT设备数量增加且计算能力有限，需要资源高效的网络中间层任务处理。本研究利用深度强化学习智能建模卸载策略为马尔可夫决策过程，将IoT设备视为分布式决策代理，考虑环境动态进行卸载决策。为应对高维度问题实现最优策略，采用深度Q网络建模代理在动态环境中的交互。架构允许IoT边缘节点基于连接、资源可用性和邻近性向边缘服务器卸载任务进行本地决策。不同学习率、批次大小和内存大小的大量仿真显示，所提方案采用CNN近似器生成最优策略，相比传统...
解读: 该边缘计算卸载技术对阳光电源分布式能源物联网具有应用价值。阳光iSolarCloud平台管理大量光伏逆变器和储能设备，边缘侧需要智能决策任务分配。该研究的深度强化学习策略可应用于阳光SG逆变器的边缘AI单元，优化数据处理和上传策略。在大型光伏电站中，该技术可实现组串逆变器与汇流箱、边缘控制器的协同计...
考虑HCSY-MG并网系统强非线性的输出功率分配控制策略
Output Power Allocation Control Strategy Considering Strong Nonlinearity of HCSY-MG Grid-connected System
Jinjian Li · Xinggui Wang · Hailiang Wang · Weiman Yang 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年8月
针对半桥变换器串联Y型连接微网（HCSY-MG）并网系统的输出功率分配问题，提出一种基于拉格朗日-近端策略优化（Lagrange-PPO）算法的控制策略。建立了载波层叠正弦脉宽调制（CD-SPWM）下的系统输出功率数学模型，推导了各发电模块（GM）与载波层的对应关系，并将强非线性约束下的功率控制问题建模为受限马尔可夫决策过程以降低求解复杂度。通过仿真与实验验证了该策略在多模块功率协调分配中的有效性与优越性。
解读: 该Lagrange-PPO算法控制策略对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。HCSY-MG拓扑的多模块功率分配问题与阳光电源模块化储能系统架构高度契合，其CD-SPWM调制下的强非线性约束求解方法可直接应用于多机并联场景的功率协调控制。基于受限马尔可夫决策过...
基于深度强化学习的风光水储混合能源系统长短周期协调调度
Long-Term and Short-Term Coordinated Scheduling for Wind-PV-Hydro-Storage Hybrid Energy System Based on Deep Reinforcement Learning
Huaiyuan Zhang · Kai Liao · Jianwei Yang · Zhe Yin 等5人 · IEEE Transactions on Sustainable Energy · 2025年1月
针对多时间尺度调度复杂的风光水储混合能源系统，传统长期调度策略常削弱短期调节能力，导致资源浪费与电力短缺。本文提出一种将短期运行特性嵌入长期调度规则的协同框架，将长期调度建模为马尔可夫决策过程，并在每一步耦合基于优化模型生成的短期发电计划。通过融合数据驱动与模型驱动方法，利用深度强化学习简化长期决策，结合混合整数线性规划确保短期约束满足。实证表明，该方法使弃电率由11.67%降至0.63%，切负荷率从3.3%降至0.69%，显著优于传统方法。
解读: 该深度强化学习协调调度技术对阳光电源PowerTitan储能系统和iSolarCloud云平台具有重要应用价值。研究提出的长短周期协同框架可直接集成到ST系列储能变流器的能量管理系统中，通过MDP建模和DRL算法优化多时间尺度调度决策，显著降低弃电率（11.67%→0.63%）和切负荷率（3.3%→...