找到 2 条结果
基于软演员-评论家算法与逻辑型Benders分解相结合的风电不确定性下月度安全约束机组组合
Soft Actor-Critic Combined with Logic-Based Benders Decomposition Algorithm for Monthly Security Constrained Unit Commitment under Wind Power Uncertainty
Jianbing Feng · Zhouyang Ren · Wenyuan Li · IEEE Transactions on Power Systems · 2025年6月
月度安全约束机组组合（M - SCUC）从长期视角确保了高比例可再生能源渗透下电力系统运行的可靠性和灵活性。本文基于深度强化学习，提出了一种结合基于逻辑的Benders分解（LBD - SAC）的软演员 - 评论家算法，以高效求解M - SCUC问题。该算法无需进行任何紧凑性近似，即可处理M - SCUC模型中的高维、非凸和复杂不确定性问题。在LBD - SAC算法中，开发了一种任务分解和优化辅助的训练机制，以确保运行约束并提高收敛性能。M - SCUC问题被分解为主问题和子问题，主问题带有用于...
解读: 该研究提出的强化学习与Benders分解混合优化方法对阳光电源的储能与光伏产品线具有重要参考价值。具体而言：1) 可应用于ST系列储能变流器的调度优化,提升PowerTitan大型储能系统对风电波动的适应能力；2) 可优化SG系列光伏逆变器的MPPT控制策略,提高系统在复杂天气条件下的发电效率；3)...
基于鲁棒软演员-评论家算法的时空相关性风险调度方法
Risk-Based Dispatch of Power Systems Incorporating Spatiotemporal Correlation Based on the Robust Soft Actor-Critic Algorithm
Jianbing Feng · Zhouyang Ren · Wenyuan Li · IEEE Transactions on Power Systems · 2024年11月
基于安全深度强化学习（SDRL），本文提出一种考虑时空相关性的风险调度方法（SC-RD），同时建模违规风险的时间相关性与风电不确定性的空间相关性。为此设计了一种新型鲁棒软演员-评论家算法（R-SAC），无需近似或不确定性分布假设，即可在线求解非线性、非凸且含积分形式的SC-RD模型。通过构建鲁棒约束马尔可夫决策过程（R-CMDP），将违规风险作为智能体探索成本，并以成本的CVaR作为安全探索的风险指标。引入二阶中心矩评估模块高效估计CVaR，并结合加速原对偶优化实现最大熵自适应学习。在IEEE-...
解读: 该研究提出的时空相关性风险调度方法对阳光电源的储能与风电产品具有重要应用价值。R-SAC算法可优化ST系列储能变流器的调度策略,提升PowerTitan大型储能系统在风电场景的运行稳定性。具体而言:(1)可应用于储能电站EMS的调度优化,提高储能容量配置合理性;(2)可集成到iSolarCloud平...