找到 2 条结果
一种面向场景依赖的可信度评估通用框架用于机器学习驱动的电力系统暂态稳定评估
A Generic Scene-Dependent Credibility Evaluation Framework for Machine Learning-Based Transient Stability Assessment of Power Systems
Jiacheng Liu · Jun Liu · Tao Ding · Chao Ren 等5人 · IEEE Transactions on Power Systems · 2025年11月 · Vol.41
本文提出场景依赖可信度评估（SCE）框架，通过改进局部泛化误差估计（ILGEE）推导预测误差方差上界，并结合Neumann边界条件建模系统稳定性概率密度，定义基于信息熵的场景依赖可信度指数（SCI）。验证表明SCI=0.93时可实现100%准确暂态稳定评估。
解读: 该框架可增强阳光电源iSolarCloud智能运维平台对光储电站暂态稳定性的实时可信评估能力，尤其适用于构网型PowerTitan和ST系列PCS在弱电网/高比例新能源场景下的动态响应可信度量化。建议将SCI指标嵌入iSolarCloud的AI预警模块，与组串式逆变器的LVRT/HVRT动作逻辑联动...
基于多目标与多智能体深度强化学习的光伏逆变器寿命考虑下配电网实时分散式电压/无功控制
Multi-Objective and Multi-Agent Deep Reinforcement Learning for Real-Time Decentralized Volt/VAR Control of Distribution Networks Considering PV Inverter Lifetime
Rudai Yan · Yan Xu · IEEE Transactions on Power Systems · 2024年8月
光伏逆变器能够为配电网的电压/无功控制（VVC）提供快速且灵活的无功功率支持，但额外的无功功率输出会显著缩短其使用寿命。为平衡电压/无功控制性能与逆变器使用寿命之间的矛盾，本文首先提出了一种多目标实时分散式电压/无功控制框架。然后，开发了一种多目标多智能体深度强化学习（MOMADRL）算法，通过集中训练和分散执行来协调光伏逆变器，为传统的基于模型的方法提供了一种更具优势的替代方案，并且无需进行集中通信。通过引入多个智能体和基于智能体的并行训练方案（ABPTS），可以同时学习多种策略以找到帕累托前...
解读: 该多目标多智能体强化学习技术对阳光电源SG系列光伏逆变器的智能控制具有重要应用价值。研究提出的寿命损耗模型可直接应用于逆变器功率器件（IGBT/SiC模块）的热应力管理，通过优化无功调节频次降低温度循环冲击，延长功率模块使用寿命。分散式控制架构与iSolarCloud云平台的边缘智能策略高度契合，可...