← 返回
面向韧性与电池感知的可解释深度强化学习微电网控制
Explainable deep reinforcement learning for resilient and battery-aware microgrid control
| 作者 | Mohammad Hossein Nejati Amiri · Florimond Guéniat |
| 期刊 | Energy Conversion and Management |
| 出版日期 | 2026年4月 |
| 卷/期 | 第 353 卷 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 强化学习 微电网 储能变流器PCS 电池管理系统BMS |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 |
本文提出一种可解释的深度强化学习框架，用于提升微电网在扰动下的运行韧性，并显式建模电池老化与荷电状态约束，实现储能系统寿命优化与实时协同控制。
S
SunView 深度解读
该研究高度契合阳光电源ST系列PCS、PowerTitan及iSolarCloud平台在光储微网智能控制中的实际需求。其可解释强化学习方法可嵌入PCS能量管理策略，提升电池循环寿命预测精度与充放电决策透明度；建议在PowerTitan系统中集成该算法模块，结合BMS数据实现电池健康感知型调度，并通过iSolarCloud进行策略可视化与远程优化迭代。