找到 3 条结果
风电场在中长期滚动交易中的策略性投标：一种双层多智能体深度强化学习方法
Strategic bidding of wind farms in medium-to-long-term rolling transactions: A bi-level multi-agent deep reinforcement learning approach
Yi Zheng · Jian Wang · Chengmin Wang · Chunyi Huang 等6人 · Applied Energy · 2025年1月 · Vol.383
摘要 随着可再生能源在电力市场中渗透率的不断提高，边际电价受到抑制，给风电生产商的盈利能力带来了挑战。为此，有效的中长期（MLT）滚动交易能够对冲现货市场价格风险，提升盈利水平。然而，传统的投标方法往往难以捕捉风电出力及交易动态在较长时间跨度内的复杂不确定性。本文提出了一种专为优化风电中长期滚动交易而设计的双层多智能体深度强化学习（DRL）方法。该方法创新性地将Black–Scholes模型与Hamiltonian函数相结合，构建了一个最优决策框架，能够在短期投标效率与长期战略定位之间实现平衡。...
解读: 该深度强化学习竞价策略对阳光电源储能系统(ST系列PCS、PowerTitan)具有重要应用价值。通过双层多智能体优化框架,可提升风储联合系统在中长期电力市场的收益能力,有效对冲现货价格风险。其时空建模技术可集成至iSolarCloud平台,实现储能参与市场交易的智能决策,优化充放电策略。结合阳光电...
基于分类的空间插值法的区域分布式光伏功率预测太阳辐照度插值
Categorical Spatial Interpolation of Solar Irradiance for Regional Distributed Photovoltaic Power Forecasting
Chenglong Ruan · Kangping Li · Zhenghui Li · Chunyi Huang 等5人 · IEEE Transactions on Sustainable Energy · 2025年4月
高空间分辨率太阳辐照度预报数据对区域分布式光伏发电预测至关重要。现有插值方法在云量变化等复杂天气下因局部辐照突变易产生较大误差。本文提出一种分类空间插值方法，通过自适应阈值将卫星短波辐射图像转化为二值辐照图，并训练3D U-net模型预测各网格未来辐照类别概率。概率图动态引导两个并行插值过程：分别利用晴空与多云区域站点数据，最终通过概率加权融合确定辐照值。真实数据案例验证了该方法的有效性与优越性。
解读: 该分类空间插值技术对阳光电源iSolarCloud智能运维平台和区域级储能系统调度具有重要应用价值。通过3D U-net模型实现高精度区域辐照预测，可直接应用于：1）PowerTitan大型储能系统的多时间尺度功率预测与充放电策略优化，提升储能参与电网调度的经济性；2）SG系列逆变器集群的区域功率预...
用于提升高压-中压配电网韧性的储能系统协调分布鲁棒优化配置
Coordinated Distributionally Robust Optimal Allocation of Energy Storage System for HV-MV Distribution Network Resilience Enhancement
Kuan Cao · Yutian Liu · Chunyi Wang · IEEE Transactions on Industry Applications · 2024年11月
为解决高渗透率光伏接入的高压（HV）和中压（MV）配电网在极端和正常场景下的功率不平衡问题，本文提出一种兼顾韧性与经济性的储能系统（ESS）分布鲁棒优化配置方法。首先，鉴于提升韧性与储能选址密切相关，采用选址 - 定容顺序更新方法，基于规划韧性指标进行储能选址。其次，为生成具有连续标签的正常和极端光伏 - 负荷场景，通过引入条件神经网络对结合迁移学习的对抗自编码器（AAE）进行改进。基于改进的 AAE 和聚类技术，构建基于 Kullback - Leibler 散度的模糊集来表征光伏和负荷的联合...
解读: 从阳光电源的业务视角来看，这项针对高中压配电网储能系统优化配置的研究具有重要的战略价值。该技术通过分布式鲁棒优化方法，系统性地解决了高比例光伏渗透下电网韧性与经济性的平衡问题，这与我司"光储一体化"解决方案的核心诉求高度契合。 该研究的技术亮点在于三个层面：首先，采用选址-定容序贯更新方法，为储能...