找到 3 条结果
基于序贯决策的异构智能体强化学习方法——面向配网与输网协同的负荷频率控制
Order-Based Heterogeneous Agents Reinforcement Learning Method With the Coordination of Distribution Network and Transmission Network for Load Frequency Control
Shixuan Yu · Xiaodong Zheng · Tianzhuo Shi · Ruilin Chen 等6人 · IEEE Transactions on Power Systems · 2025年8月 · Vol.41
针对高比例分布式能源接入下配网参与负荷频率控制（LFC）的需求，本文提出一种序贯驱动的异构智能体软演员-评论家算法（OHASAC），建模为部分可观测马尔可夫博弈，实现配网（含光伏与储能）与输网的协同调频。仿真验证其在多源协调、泛化性与可扩展性上的优势。
解读: 该研究高度契合阳光电源ST系列PCS、PowerTitan及iSolarCloud平台在构网型调频与光储协同控制中的技术演进需求。OHASAC算法可嵌入PCS实时控制层，提升PowerTitan在电网侧/用户侧储能场景下的动态调频响应精度与多设备协同效率；建议将序贯决策机制集成至iSolarClou...
基于扰动下鲁棒近似动态规划的无人机规定性能优化控制
Prescribed Performance Optimized Control of UAV With Robust Approximate Dynamic Programming Under Disturbance
Shuangsi Xue · Junkai Tan · Tiansen Niu · Kai Qu 等6人 · IEEE Transactions on Industrial Electronics · 2025年10月 · Vol.73
本文提出融合规定性能反步法与强化学习优化的无人机控制框架，通过内外环协同设计实现抗扰下的高精度轨迹跟踪；内环采用Critic-Actor神经网络求解HJB方程，外环基于HJI方程优化位置性能；Lyapunov分析证明误差一致最终有界。
解读: 该文聚焦无人机控制中的强化学习与非线性最优控制，与阳光电源核心业务（光伏逆变器、储能PCS、iSolarCloud平台）直接关联度低。但其提出的在线自适应优化、扰动鲁棒性设计及神经网络实时求解HJB/HJI方法，可迁移至储能系统功率分配策略优化（如PowerTitan多时间尺度调度）、组串式逆变器M...
基于序的异构智能体强化学习方法用于配电网与输电网协调的负荷频率控制
Order-based Heterogeneous Agents Reinforcement Learning Method with the Coordination of Distribution Network and Transmission Network for Load Frequency Control
Shixuan Yu · Xiaodong Zheng · Tianzhuo Shi · Ruilin Chen 等6人 · IEEE Transactions on Power Systems · 2025年8月
随着大规模分布式能源（DERs）持续接入配电网（DN），DN已具备参与负荷频率控制（LFC）的能力。本文提出一种基于序的异构智能体软演员-评论家方法（OHASAC），以解决异构可控DERs间的协调问题。通过神经网络估计异构智能体的最优更新顺序，并将最优LFC问题建模为考虑DN与输电网（TN）协调的局部可观测马尔可夫博弈。模型涵盖变辐照条件下电池储能系统（BESS）与光伏（PV）的协同调频。仿真结果表明，该方法在DN-TN协同环境中能有效管理多种分布式电源，兼具优良的泛化性与可扩展性。
解读: 该异构智能体协同控制技术对阳光电源PowerTitan储能系统与SG系列光伏逆变器的协同调频具有重要应用价值。OHASAC方法可优化ST储能变流器在变辐照条件下的BESS-PV协同响应策略，提升配电侧分布式资源参与电网LFC的能力。基于序的智能体更新机制可集成至iSolarCloud平台，实现多站点...