找到 2 条结果
基于深度强化学习的移动式风力发电机分配以增强配电系统韧性
Deep Reinforcement Learning-Based Allocation of Mobile Wind Turbines for Enhancing Resilience in Power Distribution Systems
Ruotan Zhang · Jinshun Su · Payman Dehghanian · Mohannad Alhazmi 等5人 · IEEE Transactions on Sustainable Energy · 2025年6月
风能资源的广泛应用在应对气候变化中展现出显著优势。移动式风力发电机（MWT）可通过运输系统灵活部署，作为应急电源参与配电系统（PDS）灾后恢复，提升系统韧性。本文提出一种基于多智能体深度强化学习（MADRL）的MWT调度框架，采用深度Q网络（DQL）与双深度Q网络（DDQL）进行训练与对比，并引入动作限制机制以抑制风电波动影响。在锡乌福尔斯交通系统与四个IEEE 33节点配电系统耦合的案例中验证了该方法在提升灾后服务恢复能力方面的有效性。
解读: 该研究的MWT调度与深度强化学习方法对阳光电源储能产品线具有重要参考价值。首先，MADRL框架可优化ST系列储能变流器的调度策略，提升PowerTitan系统在极端天气下的应急响应能力。其次，动作限制机制的设计思路可用于改进储能PCS的功率波动抑制算法。研究中的分布式协同控制方案也可集成到iSola...
海上及海港能源系统中氢基础设施扩展的双层协同规划框架
A Bilevel Collaborative Planning Framework for Hydrogen Infrastructure Expansion in Offshore and Seaport Energy Systems
Chengzhi Xie · Payman Dehghanian · Abouzar Estebsari · Farid Kochakkashani 等6人 · IEEE Transactions on Sustainable Energy · 2025年9月
在氢能技术扩展推动脱碳背景下，海上风电与绿氢贸易引发风电场业主与海港配电网运营商间的利益冲突。本文提出一种双层协同规划模型，构建领导者-跟随者间的Stackelberg博弈：风电场业主作为领导者优化氢能设施配置以提升收益与资源利用，海港业主作为跟随者部署氢能设施以满足需求、降低成本并保障电网稳定。通过Karush-Kuhn-Tucker条件将双层问题转化为单层形式，并针对下层二元投资决策导致的KKT条件违反问题，提出连续化重构方法。案例分析验证了该模型在协调多方目标、增强系统协同性及支持可持续发...
解读: 该双层协同规划框架对阳光电源的储能与风电产品线具有重要参考价值。首先，文中提出的Stackelberg博弈模型可用于优化ST系列储能系统在海港配电网中的部署策略，提升储氢-储电协同效率。其次，该规划方法有助于完善PowerTitan大型储能系统的能量管理算法，实现与风电场的最优协调运行。对于iSol...