找到 18 条结果
基于多目标优化的重载卡车双燃料电池系统分层能量管理策略
Hierarchical energy management strategy for dual fuel cell systems in heavy-duty trucks based on multi-objective optimization
Zhou Chena · Xiaohua Wuab · Jianwei Maoa · Lei Gaoc 等9人 · Energy Conversion and Management · 2025年12月 · Vol.345
摘要 多个燃料电池系统与电池系统集成已成为长途重载卡车领先的动力系统配置。然而，多源架构固有的复杂性为有效的能量管理带来了重大挑战。当前针对此类混合系统的能量管理策略通常依赖于单目标优化，这限制了其在燃料效率和系统耐久性之间有效平衡的能力，特别是在动态运行条件下。本研究提出了一种双层能量管理策略，旨在优化多个燃料电池系统与电池系统之间的功率分配，从而在燃油经济性和系统寿命之间实现更优的权衡。所提出的策略包含两个层次：底层在两个并联的燃料电池子系统之间执行最优功率分配，上层则采用Q学习算法调节聚合...
解读: 该双层能源管理策略对阳光电源储能及充电桩产品具有重要借鉴价值。其多目标优化思路可应用于ST系列PCS的多电源协调控制,平衡电池寿命与系统效率。Q-learning自适应算法可集成至iSolarCloud平台,实现储能系统的预测性维护和动态功率分配。对于重卡充电站产品,该分层架构可优化充电桩与储能系统...
基于学习增强型模型预测控制的混合储能系统实时能量管理策略及其在波浪能转换器中的应用
Real-Time Energy Management of Hybrid Energy Storage System with Application to Wave Energy Converters: A Learning-Augmented MPC Strategy
Xuanyi Zhu · Zechuan Lin · Xuanrui Huang · Kemeng Chen 等6人 · IEEE Transactions on Sustainable Energy · 2025年7月
将混合储能系统（HESS）集成到波浪能转换器（WEC）中可有效抑制多时间尺度下的功率波动，但需依赖高效的能量管理策略（EMS）。模型预测控制（MPC）虽能逼近全局最优并满足约束，但非线性优化问题带来高计算负担，且多目标权衡下的代价函数权重因子（WF）整定困难。为此，本文提出一种学习增强型MPC策略。该方法结合模糊逻辑非对称动作裁剪技术以降低计算耗时，并引入高效暖启动Q学习框架实现WF的在线自整定。为缩小仿真与实际间的差距，设计了基于神经网络的电流预测器以感知功率转换中的非线性损耗。仿真与实验结果...
解读: 该学习增强型MPC策略对阳光电源ST系列储能变流器及PowerTitan大型储能系统具有重要应用价值。其模糊逻辑动作裁剪技术可显著降低MPC实时计算负担，适配储能变流器DSP/FPGA控制平台；Q学习框架实现的权重因子在线自整定能优化多目标权衡（功率平滑、电池寿命、效率），提升ESS集成方案的全生命...
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...
微网储能侧DC-DC变换器的强化学习自抗扰控制策略
Reinforcement Learning-based Active Disturbance Rejection Control Strategy for Energy Storage Side DC-DC Converters in Microgrids
马幼捷 · 刘熠铭 · 周雪松 · 王博 等6人 · 太阳能学报 · 2025年3月 · Vol.46
直流微电网电压稳定性是新型电力系统的关键问题。针对微电网中直流母线电压波动大、抗干扰能力弱等问题，提出一种基于Q-learning算法的DC-DC变换器自抗扰控制策略。引入线性扩张状态观测器精确估计并补偿内外扰动，结合Q-learning实现控制参数自适应优化，有效提升输出电压稳定性。通过理论分析证明Q-learning算法在范数意义下的收敛性及系统Lyapunov稳定性。仿真结果表明，所提策略在不同工况下较传统线性自抗扰与双闭环PI控制具有更强的抗扰能力与鲁棒性。
解读: 该强化学习自抗扰控制策略对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。Q-learning自适应参数优化结合线性扩张状态观测器的方案，可直接应用于储能侧DC-DC变换器的母线电压控制，显著提升直流微电网场景下的电压稳定性和抗扰能力。该技术可优化现有储能PCS的双向D...
基于混合规则与优化的新型多堆集成氢储能系统能量管理策略
Energy management strategy for a novel multi-stack integrated hydrogen energy storage system based on hybrid rules and optimization
Xinyu Lu · Wenjie Gang · Shanshan Cai · Zhengkai Tu · Applied Energy · 2025年3月 · Vol.381
摘要 为提升离网能源系统的性能，本文基于一种新型多堆集成氢储能系统，提出了一种结合混合规则与优化的全生命周期能量管理策略（EMS）。该系统由四个质子交换膜电解槽（PEMEC）、四个质子交换膜燃料电池（PEMFC）以及一组电池组构成。所提出的EMS包括在线参数估计、基于规则的初级功率分配和基于优化的次级功率分配。首先，根据串联运行规则，结合高效率工作区间及多堆电压退化一致性，将功率在PEMEC/PEMFC堆之间进行分配；随后，剩余的波动功率优先由电池通过Q学习强化学习算法吸收。在随机风能、光伏出力...
解读: 该多堆栈氢储能系统的混合能量管理策略对阳光电源ST系列储能变流器与PowerTitan系统具有重要借鉴价值。其分层优化架构(规则初分配+强化学习二次优化)可应用于光储氢耦合场景,通过Q-learning算法优化电池吸收波动功率,延长PEMFC寿命17.2%并降低系统年化成本9.2%。该策略可集成至i...
基于解析目标级联的含储能系统的输配电网协同优化
Analytical Target Cascading Based Co-Optimization of Transmission and Distribution Systems With Energy Storage System
Sophia Owais · Md Jamal Ahmed Shohan · Md Omar Faruque · IEEE Transactions on Power Systems · 2025年2月
在输配电网络中集成可再生能源和储能系统（ESS），在优化潮流和高效调度储能系统方面带来了重大挑战，这需要解决复杂的时域耦合约束问题。为解决这一问题，我们提出了一种名为基于Q学习的解析目标级联（ATC - Q）优化的新型双层协同优化框架，用于解决输配联合网络中的交流最优潮流（ACOPF）问题。该算法在24小时滚动时域内同时考虑输电网和配电网的储能系统，同时考虑实时电价、储能系统当前荷电状态、预测的光伏发电量（PV）和负荷需求。所提出的解决方案旨在通过解耦时域约束并根据储能系统当前和未来状态构建队列...
解读: 该输配电网协同优化技术对阳光电源PowerTitan大型储能系统和ST系列储能变流器具有重要应用价值。ATC分层优化框架可直接应用于iSolarCloud云平台的多站点协调调度，实现输电侧集中式储能电站与配电侧分布式ESS的协同运行。多时间尺度调度策略可优化储能变流器的充放电曲线，提升可再生能源消纳...
优化住宅能源成本：一种基于启发式电价信号调度的太阳能光伏与电动汽车集成的新型机器学习方法
Optimizing Residential Energy Costs: A Novel Machine Learning Approach for Solar PV and EV Integration Through Heuristic Price Signal Dispatch
Muhammad Irfan · Tayyab Tahir · Shujuan Huang · Sara Deilami 等5人 · IEEE Transactions on Industry Applications · 2025年1月
将太阳能光伏（PV）系统与电动汽车（EV）技术相结合，正逐渐成为一种可持续且前景广阔的方法，可用于应对不断增长的能源需求、减轻环境影响，并减少住宅和交通领域的碳排放。本研究聚焦于澳大利亚悉尼地区并网“光伏 + 电动汽车”系统的住宅应用，着重强调了将双向电动汽车电池与屋顶光伏系统结合使用的益处。除了系统顾问模型（SAM）软件工具中依赖手动调度和削峰分析的启发式价格信号调度算法外，本研究还采用了机器学习方法领域内一种新颖的基于 Q 学习的模型（QLBM）算法，以增进对系统动态的理解。这种新方法旨在通...
解读: 从阳光电源的业务视角来看，这篇论文所探讨的"光伏+电动汽车"双向能量管理技术具有重要的战略参考价值。该研究基于Q学习算法的能量调度优化方案，与我司在智能能源管理系统（EMS）领域的技术路线高度契合，为光储充一体化解决方案的智能化升级提供了新思路。 论文的核心价值在于通过机器学习算法实现动态价格响应...
点对点市场机制中通过分布式储能实现的协同行为和多能耦合
Cooperative Behaviors and Multienergy Coupling Through Distributed Energy Storage in the Peer-to-Peer Market Mechanism
Zeynep Tanis · Ali Durusu · IEEE Access · 2025年1月
分布式储能系统集成到多能源系统中因可再生能源使用增加和能源管理改善需求而受到广泛关注。本研究探索通过点对点市场促进储能的多能源耦合概念。提出创新点对点市场结构，由先进算法支持，实现产消者间直接能源交易。通过系统方法解决关键挑战，涵盖用户注册、涉及电力热力和燃气的多能源系统、储能成本优化、多能源交易和基于区块链的交易。联盟区块链框架确保安全私密注册。点对点网络促进多能源交易，实现高效能源生成和储能。开发储能虚拟化模型以最小化储能成本，非线性规划多目标模型优化电池储能。对于多能源交易，引入不确定性下...
解读: 该点对点多能交易技术对阳光电源虚拟电厂和能源互联网解决方案有前瞻性参考价值。阳光iSolarCloud平台可探索点对点能源交易功能，实现分布式光伏储能资源的市场化交易。区块链技术可应用于阳光能源交易平台，确保交易安全和数据可信。多能源耦合的思路可启发阳光拓展综合能源服务。储能虚拟化模型对阳光云储能和...
基于SPP拓扑的海上风电场直流集电系统布局优化
DC Collector System Layout Optimization for Offshore Wind Farm With SPP Topology
Chunyang Pan · Shuli Wen · Miao Zhu · Jianjun Ma 等5人 · IEEE Transactions on Sustainable Energy · 2024年12月
随着全球海上风电的快速发展，风电场规模不断扩大，提升整体经济性至关重要。现有研究多集中于直流串并联（SP）拓扑，成本较高。本文提出一种基于分层强化学习（HRL）的优化框架，采用先进的直流串-并-并（SPP）拓扑以提升经济性。该框架通过分层开环多旅行商问题（HOMTSP）建模SPP结构，并将集电系统布局优化（CSLO）分解为子问题，采用分层双Q学习（DQL）求解，结合拓扑引导机制修正交叉线路。基于真实风电场GIS数据与机组连接方案的案例研究表明，所提方法较直流SP和交流双端环状拓扑显著提升经济性。
解读: 该研究的SPP拓扑优化方法对阳光电源的海上风电和储能产品线具有重要参考价值。首先，优化后的直流集电系统布局可直接应用于我司ST系列储能变流器的集成设计，提升大型储能电站的经济性。其次，文中的分层强化学习框架可用于优化PowerTitan储能系统的拓扑结构和功率分配策略。此外，该方法也可迁移应用到SG...
基于深度强化学习的氢燃料电池列车能量与热管理协同优化策略
Collaborative optimization strategy of hydrogen fuel cell train energy and thermal management system based on deep reinforcement learning
Kangrui Jiang · Zhongbei Tian · Tao Wen · Kejian Song 等6人 · Applied Energy · 2025年9月 · Vol.393
摘要 轨道交通脱碳已成为轨道交通行业未来发展的主要方向。氢燃料电池（HFC）列车因其零碳排放和较低的改造成本，成为具有竞争力的潜在解决方案。然而，由于氢气在储存、运输和利用方面面临的挑战，其成本较高，仍是制约HFC列车商业化的主要因素。温度对HFC的能量转换效率和寿命具有显著影响，其热管理要求比内燃机更为严格。现有的HFC列车能量管理系统（EMS）通常忽略了HFC温度变化对能量转换效率的影响，难以根据环境动态条件实现能量与热管理的实时平衡控制。为解决这一问题，本文提出一种基于深度强化学习（DRL...
解读: 该深度强化学习能量-热管理协同优化技术对阳光电源氢能及储能系统具有重要借鉴价值。其MDP建模与双深度Q学习算法可应用于ST系列PCS的多能源协调控制,实现电池SOC动态平衡与温控优化。该方法在充电站EV Solutions中可优化充电功率分配,降低设备热应力;在PowerTitan储能系统中可提升变...
面向波浪能发电的混合储能系统实时能量管理：一种学习增强型模型预测控制策略
Real-Time Energy Management of Hybrid Energy Storage System With Application to Wave Energy Converters: A Learning-Augmented MPC Strategy
Xuanyi Zhu · Zechuan Lin · Xuanrui Huang · Kemeng Chen 等6人 · IEEE Transactions on Sustainable Energy · 2025年7月 · Vol.17
本文针对波浪能转换器（WEC）中混合储能系统（HESS）的能量管理难题，提出一种学习增强型MPC策略：结合模糊逻辑异步裁剪降低计算负担，采用暖启动Q学习在线优化权重因子，并引入神经网络电流预测器补偿功率转换非线性损耗。
解读: 该研究提出的MPC+强化学习协同能量管理框架，可直接迁移至阳光电源ST系列PCS及PowerTitan储能系统的智能EMS升级中，尤其适用于风光储多源波动场景下的实时功率分配与寿命协同优化。建议在iSolarCloud平台中集成该算法模块，支撑光储/风储/海储多场景智能调度；同时适配组串式逆变器与P...
基于深度强化学习的移动式风力发电机分配策略以提升配电网韧性
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 · Vol.17
本文提出一种多智能体深度强化学习框架，用于极端事件后调度移动式风力发电机（MWTs）开展配电网服务恢复；采用DQL与DDQL算法，并引入动作约束抑制风电波动影响；在电力-交通耦合系统上验证了其提升系统韧性的有效性。
解读: 该研究虽聚焦风电场景，但其MADRL调度框架与动态功率协同控制思想可迁移至阳光电源PowerTitan/PowerStack储能系统在灾害响应中的智能调度，尤其适用于iSolarCloud平台集成AI运维模块。建议将DDQL算法适配至ST系列PCS的黑启动与孤岛微网协同控制逻辑中，增强光储柴多源应急...
基于竞争深度Q网络的移动边缘计算部分卸载与资源分配深度强化学习
Deep Reinforcement Learning With Dueling DQN for Partial Computation Offloading
Ehzaz Mustafa · Junaid Shuja · Faisal Rehman · Abdallah Namoun 等6人 · IEEE Access · 2025年5月
计算卸载将IoT设备资源密集型任务转移到强大边缘服务器，最小化延迟并降低计算负载。深度强化学习广泛用于优化卸载决策，但现有研究存在两大不足：未全面优化状态空间，且Q学习和DQN在大动作空间中难以辨别最优动作。本文提出多分支竞争深度Q网络MBDDQN，解决高维状态-动作空间和动态环境长期成本优化挑战。竞争DQN缓解同步卸载和资源分配决策复杂性，每个分支独立控制决策变量子集，随IoT设备增加高效扩展，避免组合爆炸。实施LSTM网络和独特优势-价值层增强短期动作选择和长期成本估计，提升模型时序学习能力...
解读: 该多分支强化学习技术可应用于阳光电源储能系统的智能调度优化。阳光ST储能变流器在电网侧和工商业场景面临多目标优化挑战，需同时考虑能耗、响应延迟和功率分配。该MBDDQN算法的自适应权重机制可集成到阳光EMS能量管理系统，实现储能系统在削峰填谷、调频调峰和需求响应等多场景下的动态优化。结合阳光iSol...
EEMLCR：基于机器学习的无线传感器网络节能聚类与路由
Energy-Efficient Machine Learning-Based Clustering and Routing for Wireless Sensor Networks
Muhammad Akram · Sibghat Ullah Bazai · Muhammad Imran Ghafoor · Saira Akram 等6人 · IEEE Access · 2025年4月
无线传感器网络WSN受限于低功耗传感单元、通信约束和处理能力，需要通过聚类和路由节约能源延长生命周期。本文研究Q-learning和K-means聚类算法应用，提出EEMLCR节能机器学习聚类与路由方法。与LEACH算法及其多跳变体DMHT LEACH和EDMHT LEACH对比验证有效性。在400节点网络600轮后，EEMLCR在存活节点数、平均能耗、剩余能量和数据包接收率等关键指标上显著优于LEACH及其变体，与EECDA和CMML等最新算法相比性能相当或更优。
解读: 该无线传感器网络节能技术对阳光电源分布式光伏监控系统有应用价值。阳光户用光伏系统中大量传感器节点需要低功耗通信和数据采集。EEMLCR聚类路由算法可优化阳光监控设备间通信拓扑，延长电池供电传感器寿命。该技术结合阳光智能运维系统，可实现大规模分布式电站的高效数据采集和传输，降低通信能耗和维护成本，提升...
高密度NOMA网络中网络切片的子信道分配和功率分配优化：Q学习方法
Optimizing Subchannel Assignment and Power Allocation for Network Slicing in High-Density NOMA Networks: A Q-Learning Approach
Suhare Solaiman · IEEE Access · 2025年2月
高密度环境下连接设备数量增长给不同网络切片服务带来严峻挑战，如超可靠低延迟通信和大规模机器类型通信，每种服务有独特QoS要求。主要困难是分配网络资源最大化频谱利用同时满足mMTC大规模连接需求和URLLC超可靠低延迟通信需求。本研究利用非正交多址网络切片在各种服务间共享无线资源，改善大规模设备部署连接性。提出优化算法用于高密度NOMA网络中URLLC和mMTC设备的子信道分配和功率分配，采用Q学习算法优化决策过程确保URLLC和mMTC设备间高效资源共享并满足各自QoS要求。大量仿真显示所提算法...
解读: 该网络切片优化技术可应用于阳光电源虚拟电厂通信系统。阳光管理的大规模分布式光伏储能资源需要低延迟高可靠的通信网络，该NOMA和Q学习方法可优化海量设备接入和实时调度指令传输。阳光可将该技术应用于iSolarCloud平台边缘通信，实现储能聚合和需求响应，提升系统实时响应能力和调度灵活性。...
边缘计算环境中基于分布式深度强化学习的多域物联网网络任务卸载优化
Optimized Task Offloading in Multi-Domain IoT Networks Using Distributed Deep Reinforcement Learning
Ojonukpe Sylvester Egwuche · Japie Greeff · Absalom El-Shamir Ezugwu · IEEE Access · 2025年1月
物联网网络中，传感器、网关和服务在不同层级互操作为终端用户提供服务。IoT设备数量增加且计算能力有限，需要资源高效的网络中间层任务处理。本研究利用深度强化学习智能建模卸载策略为马尔可夫决策过程，将IoT设备视为分布式决策代理，考虑环境动态进行卸载决策。为应对高维度问题实现最优策略，采用深度Q网络建模代理在动态环境中的交互。架构允许IoT边缘节点基于连接、资源可用性和邻近性向边缘服务器卸载任务进行本地决策。不同学习率、批次大小和内存大小的大量仿真显示，所提方案采用CNN近似器生成最优策略，相比传统...
解读: 该边缘计算卸载技术对阳光电源分布式能源物联网具有应用价值。阳光iSolarCloud平台管理大量光伏逆变器和储能设备，边缘侧需要智能决策任务分配。该研究的深度强化学习策略可应用于阳光SG逆变器的边缘AI单元，优化数据处理和上传策略。在大型光伏电站中，该技术可实现组串逆变器与汇流箱、边缘控制器的协同计...
基于Q-learning算法的无线电能传输系统兼容性与性能提升研究
Compatibility and Performance Improvement of the WPT Systems Based on Q-Learning Algorithm
Xu Liu · Jie Chao · Cancan Rong · Zhijuan Liao 等5人 · IEEE Transactions on Power Electronics · 2024年8月
针对无线电能传输（WPT）系统中不同补偿拓扑导致负载功率不一致，以及互感和负载电阻变化导致系统效率难以恒定的问题，本文提出了一种基于Q-learning算法的优化控制策略，旨在提升系统在参数波动下的动态性能与兼容性。
解读: 该研究涉及的无线电能传输（WPT）技术是电动汽车充电领域的前沿方向。阳光电源在电动汽车充电桩业务中，目前以有线快充为主，但随着无线充电技术的成熟，该算法可用于优化充电桩与不同车型间的能量传输效率与兼容性。建议研发团队关注Q-learning在动态负载匹配中的应用，以提升未来无线充电产品在复杂工况下的...
无人机无线电能传输应用中的抗偏移能力增强与智能最小激活路径决策
Misalignment Tolerance Enhancement and Intelligent Minimal-Activation Pathway Decision for Unmanned Aerial Vehicles WPT Applications
Shuai Wu · Jingjie Yang · Chunwei Cai · Wenping Chai 等5人 · IEEE Transactions on Power Electronics · 2026年3月
本文提出了一种针对无人机无线充电的强化学习增强型系统，解决了自主着陆场景下抗偏移能力差及线圈匹配能效低的问题。通过可重构磁阵列产生二维旋转磁场以适应位置与角度偏差，并利用Q-learning框架实现最优线圈激活路径决策，显著提升了无线充电系统的灵活性与能量传输效率。
解读: 该研究聚焦于无线电能传输（WPT）的抗偏移控制与智能路径优化，虽目前阳光电源核心业务集中在光伏逆变器与储能系统，但该技术在电动汽车充电桩（EV Charger）的无线充电演进方向具有参考价值。特别是其利用强化学习实现动态磁场重构的思路，可为未来充电桩产品在复杂工况下的自适应调节提供算法借鉴。建议研发...