找到 2 条结果
面向约束RoCoF的弹性隐私保护协同控制在信息物理微电网中的应用
Resilient Privacy-Preserving Cooperative Control for Constrained RoCoF in Cyber-Physical Microgrids
Jingang Lai · Chang Yu · Zhigang Zeng · IEEE Transactions on Industry Applications · 2025年10月 · Vol.62
本文提出一种弹性分布式控制策略，兼顾频率动态约束（RoCoF与偏差限值）与通信中敏感数据（频率/功率）的隐私保护。通过饱和归一化机制实现数据掩蔽，并基于稳定性条件设计增益选择算法。在IEEE标准微网系统上验证了其在动态扰动下兼顾安全、隐私与暂态性能的有效性。
解读: 该研究对阳光电源ST系列储能变流器（PCS）及PowerTitan大型储能系统的微电网级协同控制具有直接参考价值，尤其适用于含高比例新能源的构网型微网场景。其约束驱动的RoCoF控制可增强组串式逆变器与PCS在弱电网下的惯量响应鲁棒性；隐私保护机制有助于iSolarCloud平台在多主体（源-网-荷...
基于图元强化学习的高比例光伏接入智能配电网自主电压调节
Autonomous Voltage Regulation for Smart Distribution Network With High-Proportion PVs: A Graph Meta-Reinforcement Learning Approach
Leijiao Ge · Jingjing Li · Luyang Hou · Jingang Lai · IEEE Transactions on Sustainable Energy · 2025年5月
高比例分布式光伏接入的智能配电网常面临严峻的电压质量问题。深度强化学习（DRL）无需显式建模即可实现优化控制，但在应用于此类系统时易受环境不稳定和智能体学习不均衡等问题影响。本文将电压控制建模为部分可观测马尔可夫决策过程，提出一种基于图卷积网络的多智能体元强化学习算法，融合元学习以提升智能体对他人行为的预测能力，缓解环境非稳性；通过引入自关注机制与值分解方法改善学习不均衡。在IEEE 33、141和322节点系统上的实验验证了所提方法的有效性，并优于五种主流多智能体DRL及模型预测控制方法。
解读: 该图元强化学习电压调节技术对阳光电源SG系列光伏逆变器和ST储能系统具有重要应用价值。可直接应用于分布式光伏并网场景的智能电压控制：1）通过多智能体协同优化，提升SG逆变器在高渗透率光伏配电网中的无功调节能力，解决传统MPC建模复杂、计算负荷高的问题；2）结合ST储能变流器的有功-无功协调控制，实现...