找到 4 条结果
增强智能配电网安全性：面向虚假数据注入攻击的近端策略协同优化
Enhancing Security in Smart Distribution Networks: Proximal Policy Cooperative Optimization Against False Data Injection Attacks
Songtao Liu · Lei Xi · Hongjun Chen · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
虚假数据注入攻击（FDIA）严重威胁智能配电网稳定运行。本文将自动发电控制系统中的FDIA反制问题建模为马尔可夫决策过程，提出基于近端策略协同优化的实时反制方法，通过多策略协同探索与集中式信息共享，提升响应速度与协调性。仿真表明该方法可有效维持频率稳定与联络线功率平衡。
解读: 该研究提出的强化学习驱动的FDIA实时反制算法，可深度集成至阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能变流器的边缘侧安全控制器中，提升其在微电网、光储融合场景下的主动防御能力。建议在新一代构网型PCS（如ST50KWH）中嵌入轻量化策略模型，结合SCADA数据流实...
一种基于云边智能的配电网分区与运行优化方法
A Cloud-Edge Intelligence-Based Optimization Method for Distribution Network Partitioning and Operation Considering Simulation Inaccuracy
Renjun Wang · Hongjun Gao · Haifeng Qiu · Longbo Luo 等6人 · IEEE Transactions on Power Systems · 2025年1月
针对分布式可再生能源和负荷波动对配电网运行安全的影响，本文提出一种基于云边协同智能的优化方法，用于配电网分区与实时运行控制。该方法在云端集中训练，在边缘侧实时执行，通过新型分区策略降低计算负担，并引入开关重要性评估方法以压缩动作空间维度。建立多智能体马尔可夫决策过程模型，结合改进的混合多智能体软Actor-Critic算法与域随机化方法，提升策略在仿真与实际系统存在模型失配时的鲁棒性。IEEE 33节点系统及实际445节点网络的仿真验证了所提方法的有效性与优势。
解读: 该云边协同优化技术对阳光电源PowerTitan储能系统和iSolarCloud平台具有重要应用价值。其云端训练-边缘执行架构可直接应用于ST系列储能变流器的分布式协调控制，通过多智能体强化学习实现储能集群的实时功率调度与电网分区管理。域随机化方法增强的鲁棒性可提升储能系统在模型失配场景下的控制可靠...
配电网中分布式模块化储能系统的最优鲁棒配置以实现电压调节
Optimal robust allocation of distributed modular energy storage system in distribution networks for voltage regulation
Zirong Xu · Zhiyuan Tang · Yongdong Chen · Youbo Liu 等6人 · Applied Energy · 2025年6月 · Vol.388
本文研究了在主动式低压配电网（DNs）中为减小电压偏差而进行的分布式模块化储能（DMES）最优鲁棒配置（位置与数量）问题。在所提出的配置问题中，设计了一种新颖的集中-本地控制框架（CLCF）用于DMES的电压调节，并对该框架下的下垂系数设定方案进行了优化确定。此外，为了应对有功与无功功率注入之间的不确定性及其相关性，本文在一种新型的相关多面体不确定性集（CPUS）下构建了鲁棒优化模型来表述DMES配置问题，从而避免解的过度保守性。进一步地，为使所提出的非线性非凸配置问题在计算上具有可追踪性，将其...
解读: 该分布式模块化储能优化配置技术对阳光电源ST系列PCS及PowerTitan储能系统具有重要应用价值。论文提出的集中-本地控制框架与下垂系数优化调度,可直接应用于我司储能变流器的电压调节策略,提升低压配网场景下的电压质量。其鲁棒优化模型能有效应对功率不确定性,为iSolarCloud平台的智能运维算...
基于深度学习与遥感的城市土地分类对光伏潜力的分析
PV potential analysis through deep learning and remote sensing-based urban land classification
Hongjun Tan · Zhiling Guo · Yuntian Chen · Haoran Zhang 等7人 · Applied Energy · 2025年6月 · Vol.387
城市土地在商业、居住、草地及其他行政分区中的利用情况将影响可再生能源基础设施（如光伏板）的可用安装面积。将土地利用类型纳入光伏潜力评估对于优化空间配置、贴近能源需求中心以及提升系统效率至关重要。为解决以往研究忽视城市土地利用问题的局限性，本文提出一个融合遥感数据与深度学习方法的框架，实现八类细粒度和三类粗粒度的土地利用分类。该框架针对每种土地利用类型计算其可安装光伏系统的面积，并结合2023年年均太阳辐照量评估其发电潜力。案例研究表明，德国海尔布隆（Heilbronn）地区的土地适合地面光伏安装...
解读: 该研究基于深度学习和遥感数据的城市土地分类与光伏潜力评估框架,对阳光电源SG系列逆变器和iSolarCloud平台具有重要应用价值。通过精细化土地利用分类(商业、住宅、未利用地等),可优化地面光伏与屋顶光伏的配置策略。研究中不同地类的单位面积发电潜力差异,可指导阳光电源1500V系统和MPPT优化技...