找到 1 条结果
面向配电网电压调节的原型化联邦强化学习方法：融合物理感知时空图神经网络
Prototype Federated Reinforcement Learning for Voltage Regulation in Distribution Systems With Physics-Aware Spatial-Temporal Graph Perception
Huayi Wu · Zhao Xu · IEEE Transactions on Sustainable Energy · 2025年6月 · Vol.17
针对主动配电网在线电压调节中隐私保护与新能源不确定性挑战，提出STT-PFRL模型：基于时空Transformer的联邦强化学习框架，通过传输本地原型而非原始数据保障隐私；嵌入物理拓扑的时空图感知提升策略鲁棒性；ProtoFedSAC算法增强环境异构适应能力。在33/118节点系统验证其高效性。
解读: 该研究对阳光电源ST系列储能变流器（PCS）及iSolarCloud智能运维平台具有直接应用价值：可嵌入PCS本地控制层实现分布式电压协同调节，提升光储系统在弱电网下的动态响应能力；其联邦学习架构适配iSolarCloud边缘-云协同架构，支持多电站隐私安全的联合策略优化。建议在PowerTitan...