找到 2 条结果
考虑隐变量相互辅助的电力系统高斯混合模型不确定性建模
Gaussian Mixture Model Uncertainty Modeling for Power Systems Considering Mutual Assistance of Latent Variables
Xiao Yang · Yuanzheng Li · Yong Zhao · Yang Li 等6人 · IEEE Transactions on Sustainable Energy · 2024年1月
高斯混合模型（GMM）与狄利克雷过程混合模型（DPMM）常用于刻画电力系统中的不确定性，通常采用期望最大化（EM）算法求解。然而，在处理大规模不确定变量数据时，传统方法难以在较低时间消耗下准确获取模型参数。为此，本文提出一种考虑隐变量相互辅助的GMM不确定性建模方法。首先构建不确定变量的GMM，利用条件概率描述隐变量间的相互辅助关系；进而改进EM算法，在E步和M步中引入条件概率，并重新推导GMM参数的闭式解。基于澳大利亚实际风电与负荷数据的实验结果表明，所提方法在建模效率与精度方面均优于传统GM...
解读: 该研究提出的GMM不确定性建模方法对阳光电源储能和风电产品具有重要应用价值。该方法可应用于ST系列储能变流器和PowerTitan系统的功率预测与调度优化,提升系统对风电、负荷等不确定性的建模精度。特别是在大规模储能电站中,该方法可提高计算效率,为iSolarCloud平台提供更准确的发电/用电预测...
基于鲁棒强化学习的网络化微电网韧性运行方法
Robust Reinforcement Learning-Based Resilient Operation of Networked Microgrids
Guokai Hao · Yuanzheng Li · Yang Li · Jiehui Zheng 等7人 · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
针对工业园区微电网（PIPMG）在主网故障下供电韧性不足问题，本文提出连接园区微电网与社区微电网的网络化微电网（NMG）架构，并设计鲁棒强化学习算法优化调度策略，确保仿真到实机迁移中性能下界可控，提升关键负荷支撑能力与跨微电网功率动态协同能力。
解读: 该研究高度契合阳光电源在构网型微电网与智能能量管理领域的战略布局。其鲁棒强化学习调度框架可直接赋能iSolarCloud平台的微电网群协同决策模块，并适配ST系列PCS及PowerTitan系统在多微电网互联场景下的动态功率分配与黑启动支援功能。建议将该算法集成至PowerStack集群控制器固件，...