找到 2 条结果
基于深度强化学习的可再生能源与储能系统在多电力市场中最大化收益策略
Deep reinforcement learning-based strategy for maximizing returns from renewable energy and energy storage systems in multi-electricity markets
Javier Cardo-Miota · Hector Beltran · Emilio Pérez · Shafi Khadem 等5人 · Applied Energy · 2025年1月 · Vol.388
摘要 可再生能源（RES）与储能系统（ESS）的集成在优化其参与电力市场的过程中带来了挑战与机遇。本研究提出了一种新方法，利用深度强化学习（RL）算法为共址配置的可再生能源与电池储能系统（BESS）开发最优投标策略，实现同时参与电能量市场和辅助服务（AS）市场的多市场运作。所提出的方法采用马尔可夫决策过程（MDP）框架，根据市场状况和技术约束动态管理BESS的使用。作为强化学习智能体，采用了名为双延迟深度确定性（TD3）策略梯度算法的Actor-Critic方法。数据驱动的训练过程有助于模型学习...
解读: 该深度强化学习多市场竞价策略对阳光电源ST系列储能变流器及PowerTitan系统具有重要应用价值。研究中TD3算法实现的动态BESS调度与我司储能系统的智能能量管理高度契合,可集成至iSolarCloud平台实现日前市场与辅助服务的联合优化。案例中光储协同参与调频备用服务的模式,可直接应用于我司1...
LLM协调的频率调节自动竞价：交叉注意力分布强化学习智能体框架
LLM-coordination in auto-bidding of frequency regulation: Cross-attention distributional reinforcement agentic learning
Borui Zhang · Chaojie Lia · Guo Chena · Zhao Xub 等5人 · Applied Energy · 2025年1月 · Vol.401
摘要 电池储能系统（BESS）涉及大量资本投入，因此盈利能力成为关键关注点。在澳大利亚国家电力市场（NEM）中，频率控制辅助服务（FCAS）市场已成为BESS的主要收入来源。然而，FCAS市场的高波动性和复杂动态特性使得捕捉潜在市场机会并制定盈利性竞价策略极具挑战性。为应对这些挑战，本文提出了一种面向联合电能与FCAS市场的电池储能系统的大语言模型（LLM）协调式自动竞价系统。该系统引入了一种LLM驱动的智能体协调框架，通过多智能体工作流以及基于心智理论（ToM）推理的交互机制，实现自动化且可解...
解读: 该LLM协同自动竞价技术对阳光电源ST系列储能变流器及PowerTitan系统在澳洲等调频市场具有重要应用价值。论文提出的交叉注意力机制可增强市场动态识别,分布式深度强化学习算法能优化FCAS市场不确定性下的竞价策略,可集成至iSolarCloud平台实现储能资产智能竞价。该方法显著优于传统预测优化...