← 返回
基于人工神经网络的多工作点阻抗模型辨识
Artificial Neural Network Based Identification of Multi-Operating-Point Impedance Model
| 作者 | Mengfan Zhang · Xiongfei Wang · Dongsheng Yang · Mads Graesboll Christensen |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2021年2月 |
| 技术分类 | 系统并网技术 |
| 技术标签 | 光伏逆变器 并网逆变器 弱电网并网 机器学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 人工神经网络 阻抗模型 电压源逆变器 黑盒建模 电网交互 工作点 稳定性分析 |
语言:
中文摘要
本文提出了一种基于人工神经网络的电压源逆变器（VSI）阻抗模型辨识方法。该方法无需获取逆变器内部控制细节，即可在终端测量黑箱阻抗模型。针对逆变器阻抗随工作点变化而改变的特性，该方法能有效实现多工作点下的阻抗特征提取，为分析逆变器与电网的交互作用提供了有力工具。
English Abstract
The black-box impedance model of voltage source inverters (VSIs) can be measured at their terminals without access to internal control details, which greatly facilitate the analysis of inverter-grid interactions. However, the impedance model of VSI is dependent on its operating point and can have different profiles when the operating point is changed. This letter proposes a method for identifying ...
S
SunView 深度解读
该技术对阳光电源的组串式和集中式光伏逆变器业务具有重要价值。随着电网环境日益复杂（如弱电网场景），逆变器与电网的谐振交互问题成为稳定性挑战的核心。该方法通过黑箱建模实现阻抗辨识，无需暴露核心控制算法，即可在iSolarCloud平台或现场运维中快速评估设备在不同工况下的并网稳定性。建议研发团队将其集成至逆变器自适应控制策略中，以提升产品在弱电网下的鲁棒性，并优化PowerTitan等储能变流器在复杂电网环境下的并网性能。