找到 2 条结果
面向多场景泛化的多阶段动态规划在线调度方法：基于通用价值函数学习的配电网调度
Scenario-Generalized Multi-Stage Dynamic Programming for Online Dispatch of Distribution Networks via Universal Value Function Learning
Zhenning Pan · Yukun Deng · Tao Yu · Yufeng Wu 等7人 · IEEE Transactions on Power Systems · 2025年8月 · Vol.41
本文提出场景泛化的多阶段动态规划（S-MSDP）方法，通过学习映射场景上下文到价值函数的通用模型，实现配电网在线调度的零样本适应能力，无需重训练即可应对分布外不确定性，提升调度最优性、泛化性与可扩展性。
解读: 该研究对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能PCS的实时协同调度具有重要价值。其通用价值函数框架可嵌入iSolarCloud的AI调度引擎，提升光储系统在负荷/新能源出力突变等未知场景下的自适应决策能力；建议在PowerTitan集群调度中集成S-MSDP算...
知识增强的群体深度强化学习用于大规模电网实时网络约束经济调度
Knowledge-Augmented Population-Based Deep Reinforcement Learning for Real-Time Network-Constrained Economic Dispatch of Large-Scale Power Grid
Yixi Chen · Jizhong Zhu · Hanjiang Dong · Cong Zeng 等5人 · IEEE Transactions on Power Systems · 2025年6月
近年来，深度强化学习（DRL）因其在在线前瞻决策和应对不确定性方面的优势，被广泛应用于实时网络约束经济调度（NCED）。然而，传统DRL方法在计算效率与并行性方面存在局限，难以适应大规模电网环境。为此，本文提出一种新型知识增强的群体深度强化学习（PDRL）方法。PDRL通过扰动代理参数生成种群进行探索，并聚合个体结果构建代理梯度以更新模型，具有高效探索能力与高并行性。结合电网物理知识，提出序贯安全投影（S2P）技术，显著提升决策安全性并降低训练难度。在39节点、500节点和2383节点系统上的仿...
解读: 该知识增强群体深度强化学习技术对阳光电源PowerTitan大型储能系统及iSolarCloud云平台具有重要应用价值。在储能侧，PDRL的高并行性与序贯安全投影技术可优化ST系列储能变流器的实时调度策略，确保大规模储能电站在电网约束下实现经济最优充放电决策，提升电网友好性。在光伏侧，该方法可集成至...