找到 4 条结果
考虑时空负荷调节的可持续互联网数据中心灵活储能系统与可再生能源规划
Flexible Energy Storage System and Renewable Energy Planning for Sustainable Internet Data Center Considering Temporal and Spatial Load Regulation
Tong Wan · Jing Qiu · Yuechuan Tao · Shuying Lai 等5人 · IEEE Transactions on Industry Applications · 2025年5月
鉴于人们对环境问题的担忧与日俱增，可持续发展理念已深入人心。随着互联网数据中心（IDC）的计算负载持续增加，它们已成为电力行业的一种新型用电负荷。然而，如果数据中心依靠主要由化石燃料供电的电网运行，尤其是当能源来自热力发电机时，它们会间接导致碳排放。本文提出了一种将电池储能系统（BESS）与可再生能源规划相结合的方法，重点进行时空负荷调整，以减少数据中心的碳排放，推动其实现绿色计算。我们引入了碳强度演变公式和改进的碳排放流（CEF）方法，以衡量和监测数据中心的间接碳排放。为应对可再生能源接入所固...
解读: 该研究的时空负荷调节与储能-可再生能源协同规划技术对阳光电源PowerTitan大型储能系统和iSolarCloud云平台具有重要应用价值。数据中心场景的灵活储能配置方法可直接应用于ST系列储能变流器的容量优化设计，通过时间维度的削峰填谷和空间维度的多站点协同调度，提升储能系统经济性。该研究提出的可...
面向主动配电网电压支撑的移动充电解决方案多时间尺度运行优化：一种两阶段协同方法
Multi-Timescale Operational Optimization for Mobile Charging Solutions Considering Voltage Regulation Support for ADN: A Two-Stage Coordination Approach
Zhijun Zhang · Tianjing Wang · Zhao Yang Dong · Christine Yip 等7人 · IEEE Transactions on Sustainable Energy · 2025年6月 · Vol.17
本文提出两阶段协同优化方法，协调移动充电机器人（MCR）与主动配电网（ADN）。第一阶段以帧为单位最大化MCR集群收益；第二阶段利用空闲MCR无功功率提供ADN电压支撑，降低网损。采用Lyapunov优化解耦有功/无功调度，兼顾经济性与电压安全。
解读: 该研究与阳光电源ST系列储能变流器（PCS）及iSolarCloud平台高度契合：MCR集群可类比为分布式柔性资源，其无功电压支撑能力可复用ST PCS的VSG/下垂控制与无功调节功能；iSolarCloud可扩展支持MCR集群调度与ADN协同优化。建议将相关算法集成至PowerTitan智能EMS...
面向主动配电网安全运行的人在环路强化学习伏/无功控制方法
Human-in-the-Loop Reinforcement Learning Method for Volt/Var Control in Active Distribution Network With Safe Operation Mechanism
Yuechuan Tao · Zhao Yang Dong · Jing Qiu · Shuying Lai 等8人 · IEEE Transactions on Sustainable Energy · 2025年6月 · Vol.17
本文提出一种人在环路深度强化学习（HITL-DRL）框架，结合人类专家经验与Security-Clipped PPO算法，提升主动配电网中光伏与储能系统的电压/无功快速协同调控能力，显著降低电压越限率（73.4%），增强鲁棒性与可解释性。
解读: 该研究高度契合阳光电源在光储协同智能调控领域的战略布局。其HITL-DRL框架可直接赋能ST系列PCS、PowerTitan及iSolarCloud平台的Volt/Var自适应调节功能，提升组串式逆变器在弱电网下的动态无功响应精度与安全性；建议将SC-PPO算法嵌入iSolarCloud边缘控制器，...
基于安全运行机制的主动配电网人机协同强化学习电压/无功控制方法
Human-in-the-loop Reinforcement Learning Method for Volt/Var Control in Active Distribution Network with Safe Operation Mechanism
Yuechuan Tao · Zhao Yang Dong · Jing Qiu · Shuying Lai 等6人 · IEEE Transactions on Sustainable Energy · 2025年6月
针对分布式能源接入带来的主动配电网运行复杂性，传统调压方法难以应对。本文提出一种融合人类经验的人机协同深度强化学习（HITL-DRL）框架，并引入安全约束裁剪的近端策略优化（SC-PPO）算法以保障学习过程的安全性。通过人类示范、反馈与对抗设置三种干预策略，提升学习效率与可解释性。仿真表明，该方法在IEEE 33节点系统中相较传统DRL算法具有更快的收敛速度与更强的鲁棒性，电压越限率降低73.4%，决策时间小于1毫秒，接近最优解性能，具备实时应用潜力。
解读: 该人机协同强化学习电压/无功控制技术对阳光电源配电网侧储能系统具有重要应用价值。SC-PPO算法的安全约束机制可直接应用于PowerTitan储能系统的电压调节策略，保障分布式光伏并网场景下的安全运行。毫秒级决策响应能力契合ST系列储能变流器的实时控制需求，73.4%的电压越限率降低可显著提升含高比...