功率变化下的储能变流器高效充电控制

在分布式储能变流器中,输入源的功率波动以及负载的变化会对蓄电池状态以及充电功率造成影响。为了提高蓄电池的充电效率,设计了一种具有稳定系统直流母线电压的变电流充电控制策略。针对直流输入采用恒压控制,维持母线电压恒定;充电时提出了一种带有功率优化配置的电流预测控制,从而提高跟踪随充电功率波动的电流期望值的快速性,实现了在系统无法达到充电额定功率或蓄电池电量不足的情况下及时对蓄电池补充电能。最后,通过仿真和实验分析验证了所提控制策略的有效性。     

基于深度强化学习算法的风光互补可再生能源制氢系统调度方案

风光可再生能源制备“绿氢”是实现能源低碳化的重要途径，但风能、太阳能的波动性、间歇性等问题会使系统存在“弃风、弃光”现象。为解决该问题，构建了可再生能源并网制氢系统，针对传统CPLEX需要精准预测数据、基于状态控制法的监控策略控制效果不够理想的缺点，将协调控制转化为序列决策问题，采用深度强化学习连续近端策略优化算法进行解决。在发电量、负荷等多种因素变化的情况下，设计了适合解决可再生能源制氢系统调度问题的深度强化学习模型(renewable energy to hydrogen-proximal policy optimization,R2H-PPO)，经过足够的训练后能够实现在线决策控制，并与日前控制方案和基于状态控制法的监控策略进行了对比，证明所采用方法避免了传统方案的不足，并能有效处理不同时刻、天气、季节的场景。结果证明了所提出的R2H-PPO方法的可行性和有效性。