找到 2 条结果
一种基于在线强化学习的集中式控制微电网能量管理策略
An Online Reinforcement Learning-Based Energy Management Strategy for Microgrids With Centralized Control
Qinglin Meng · Sheharyar Hussain · Fengzhang Luo · Zhongguan Wang 等5人 · IEEE Transactions on Industry Applications · 2024年7月
为解决可再生能源，尤其是风能和太阳能显著的不可预测性和间歇性问题，本文提出了一种基于在线强化学习的新型优化模型。首先，考虑到风电 - 光伏储能系统（WPESS）固有的挑战，设计了一个能源管理优化模型，以实现计划执行并最小化储能（ES）运行成本。采用在线强化学习框架，为能源管理优化模型定义了各种状态变量、动作变量和奖励函数。应用状态 - 动作 - 奖励 - 状态 - 动作（SARSA）算法来学习微电网系统的联合调度策略，利用其迭代探索机制并与环境进行交互。该策略旨在实现有效功率跟踪和减少储能充放电...
解读: 从阳光电源的业务视角来看，这项基于在线强化学习的微电网能量管理技术具有重要的战略价值。该技术针对风光储系统的不确定性和间歇性问题，提出了SARSA算法驱动的实时优化方案，这与我司在光储一体化解决方案领域的核心需求高度契合。 在产品应用层面，该技术可直接赋能我司的PowerStack储能系统和微电网...
基于动态聚类的分层调控策略用于大规模5G基站经济优化
Hierarchical regulation strategy based on dynamic clustering for economic optimization of large-scale 5G base stations
Yunfei Mu · Xinyang Jiang · Xiaoyan Ma · Jiarui Zhang 等7人 · Applied Energy · 2025年1月 · Vol.377
摘要 利用5G基站（BSs）的备用储能潜力进行经济性调控，是为电力系统提供灵活性并降低运行成本的重要策略。然而，大规模基站集中式调控的决策变量维度较高，导致计算复杂度显著增加。此外，传统的聚类方法虽可提升求解速度，却未能考虑由潮汐效应和5G基站休眠机制引起的调控潜力在时空上的动态变化，这一局限性影响了调控的准确性以及基站可调潜力的充分利用。为此，本文提出一种面向大规模5G基站经济优化的基于动态聚类的分层调控策略，该策略在簇级和个体两个层级对基站进行调控。针对5G基站调控潜力的动态变化特性，提出一...
解读: 该5G基站储能分层调控技术对阳光电源ST系列储能变流器及PowerTitan系统具有重要应用价值。动态聚类算法可优化大规模分布式储能协调控制,降低计算复杂度至2.34%,提升调度精度9.32%。技术思路可应用于iSolarCloud平台的多站点储能聚合调度,结合GFM控制策略实现电网灵活性资源整合。...