找到 3 条结果
基于斯塔克尔伯格博弈的软演员评论家-深度强化学习方法用于锂离子电池及冷却系统的快速充电管理
Fast Charging Management of a Lithium-Ion Battery and Cooling System: A Stackelberg Game-Based Soft Actor Critic−Deep Reinforcement Learning Method
Hongrong Yang · Quanyi Chen · Xiaoying Shi · Yinliang Xu 等5人 · IEEE Transactions on Industrial Electronics · 2025年5月
本文提出了一种针对锂离子电池和冷却系统的快速充电管理策略，旨在解决在多种物理约束条件下实现快速充电，同时将冷却能耗和电池老化降至最低的难题。将电池与冷却系统之间的复杂耦合关系构建为基于斯塔克尔伯格博弈的双层优化框架，以反映充电和冷却过程的顺序交互。为此，开发了一种基于斯塔克尔伯格博弈的软演员 - 评论家深度强化学习方法，并对其收敛性进行了严格证明，确保了该方法的可靠性。大量实验结果验证了该方法的有效性，表明其优于现有先进策略，包括单智能体深度强化学习、贝叶斯方法以及恒流 - 恒压（CCCV） -...
解读: 从阳光电源的业务视角来看，这项基于Stackelberg博弈和深度强化学习的快充管理技术具有重要的战略价值。该技术通过将电池充电与热管理系统的耦合关系建模为双层优化框架，实现了充电速度、能耗控制和电池寿命之间的动态平衡，这与我司储能系统的核心技术需求高度契合。 在储能业务层面，该技术可直接应用于我...
基于多智能体深度强化学习的氢储能系统参与式分散电压控制
Hydrogen Energy Storage System Participated Decentralized Voltage Control With Multi-Agent Deep Reinforcement Learning Method
Xian Zhang · Changlei Gu · Hong Wang · Guibin Wang 等6人 · IEEE Transactions on Industry Applications · 2025年1月
随着电力电子技术的发展，智能逆变器和储能系统正逐步应用于有源配电网（ADN）的电压调节。本文将氢能储能系统（HESS）纳入配电网电压控制，并提出一种协同电压控制框架。首先，考虑不同电压调节设备的特性，构建了一个双时间尺度电压控制问题。对HESS进行精确建模并引入快速时间尺度。为了实现该问题的分散高效求解，将其重新表述为双时间尺度马尔可夫博弈问题，然后提出一种改进的多智能体软演员 - 评论家（MASAC）算法来求解。具体而言，将优先经验回放引入MASAC算法，即PER - MASAC，以增强训练过...
解读: 该多智能体深度强化学习的分散电压控制技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。氢储能系统的无功调节策略可直接迁移至电化学储能PCS控制，增强ST储能变流器在配电网中的自主电压支撑能力。多智能体协同框架可应用于PowerTitan多机并联场景，实现分布式协同控...
一种避免模仿现象的短期概率波浪能功率预测方法
A Mimicking-Avoiding Short-Term Probabilistic Power Forecasting Method for Wave Energies
Haoxuan Chen · Yinliang Xu · Hongbin Sun · IEEE Transactions on Sustainable Energy · 2024年10月
波浪能在可持续海洋开发中具有重要作用，但复杂的海洋气象条件导致波浪功率输出波动，引发预测中的模仿现象。此外，精确数值天气预报（NWP）数据的缺乏加剧了预测偏差。为此，本文提出一种序列特征感知（SCP）方法，并结合改进的混合模型——分位数自由损失门控循环单元核密度估计（QLB-GRU-KDE），用于浮式波浪能吸收系统的概率化功率预测。首先通过集成方法获取先验知识，再利用自由损失函数缓解模仿现象，并采用GRU与KDE融合模型实现概率预测。同时提出量化模仿严重程度的评估指标。基于真实波浪数据的实验验证...
解读: 该波浪能概率预测方法对阳光电源储能系统和智能运维平台具有重要借鉴价值。其提出的序列特征感知与QLB-GRU-KDE混合模型可迁移至ST系列储能变流器的功率预测场景，解决海上风电、光伏等新能源输出波动导致的预测'模仿现象'问题。该方法的分位数自由损失函数可优化iSolarCloud平台的预测性维护算法...