← 返回
基于迁移学习的模块化多电平变换器在线阻抗辨识
Transfer Learning Based Online Impedance Identification for Modular Multilevel Converters
| 作者 | Mengfan Zhang · Yang Zhang · Qianwen Xu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2023年10月 |
| 技术分类 | 系统并网技术 |
| 技术标签 | 多电平 并网逆变器 弱电网并网 机器学习 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 模块化多电平变换器 阻抗辨识 稳定性分析 迁移学习 在线测量 电网交互 |
语言:
中文摘要
随着模块化多电平变换器（MMC）的大规模应用，系统稳定性问题日益突出。基于阻抗的稳定性分析方法因其非侵入式测量特性，成为黑盒稳定性分析的主流手段。针对数据量有限导致的阻抗辨识困难，本文提出一种基于迁移学习的在线阻抗辨识方法，旨在提升MMC与电网交互系统的稳定性分析精度与效率。
English Abstract
The large integration of modular multilevel converters (MMC) has introduced stability issues. The impedance-based stability analysis method is widely adopted, where the impedance model can be directly achieved at the terminals through nonintrusive measurement, which facilitates the black-box stability analysis of the MMC–grid interaction system. Yet, due to the limited impedance data amount in the...
S
SunView 深度解读
该技术对阳光电源的大型地面光伏电站及储能系统（如PowerTitan系列）具有重要参考价值。随着电网环境日益复杂，弱电网下的并网稳定性成为核心挑战。MMC技术在大型储能PCS及高压直流输电领域应用广泛，该研究提出的在线阻抗辨识方法，可辅助iSolarCloud平台实现更精准的电网交互特性监测，提前预警潜在的谐振风险。建议研发团队将其引入PCS控制算法中，通过迁移学习提升在不同电网工况下的自适应能力，增强产品在复杂电网环境下的并网稳定性。