找到 2 条结果
基于鲁棒深度强化学习的不完全可观测配电网逆变器电压无功控制
Robust deep reinforcement learning for inverter-based volt-var control in partially observable distribution networks
Qiong Liua · Ye Guoa · Tong Xub · Applied Energy · 2025年1月 · Vol.399
摘要 基于逆变器的电压无功控制在主动配电网（ADN）中调节电压和最小化功率损耗方面发挥着关键作用。然而，将深度强化学习（DRL）应用于该任务面临的一个主要挑战是ADN中量测设备部署有限，导致系统状态不完全可观测以及奖励信号未知的问题。为解决这些问题，本文提出了一种具有保守评论家（conservative critic）和代理奖励（surrogate reward）的鲁棒DRL方法。该保守评论家利用分位数回归技术，基于不完全可观测的状态估计出保守的状态-动作值函数，从而有助于训练出更具鲁棒性的策...
解读: 该鲁棒深度强化学习方法对阳光电源ST系列储能变流器及SG系列光伏逆变器的Volt-Var控制具有重要应用价值。通过保守critic和代理奖励机制,可在配电网测点有限(仅10%节点可测)条件下实现电压调节和网损优化,契合实际工程部署约束。该技术可增强PowerTitan储能系统在部分可观测环境下的自适...
偏远寒冷地区农村家庭能源解决方案：一种基于光伏的创新热能储存系统
Energy solution for rural household in remote cold regions: An innovative photovoltaic-based thermal energy storage system
Lijun Shiab1 · Yanming Liub1 · Chaoyan Sunc · Yingjun Guoc 等10人 · Energy Conversion and Management · 2025年1月 · Vol.343
太阳能光伏发电系统在解决偏远寒冷地区农村能源问题方面具有重要作用。本研究提出了一种创新的离网型光伏能源供应系统，该系统区分了电能与热能之间的能量品位差异。夜间供暖需求主要由热能储存系统满足，而生活用电则通过每栋建筑配置的紧凑型3.12 kWh电池进行灵活管理，以最小化投资成本。引入变功率技术，实现热能输出与太阳能发电的精确匹配。研究结果表明，在严寒季节，该系统在不依赖电网的情况下可实现90.5%的光伏发电消纳率，全天维持平均室内温度15.2°C，并达到100%的太阳能占比。太阳能储热墙最多可储存...
解读: 该光伏-热储能耦合系统为阳光电源户用离网解决方案提供创新思路。系统通过能量品位分级利用,夜间采暖需求由热储能满足,仅配置3.12kWh小容量电池应对生活用电,光伏消纳率达90.5%,显著降低储能成本。可结合阳光ST系列PCS与SG户用逆变器,通过变功率热交换技术优化MPPT控制策略,在严寒地区实现1...