← 返回
| 作者 | Sijia Li · Rui Kong · Frede Blaabjerg · Amjad Anvari-Moghaddam |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2026年2月 |
| 技术分类 | 系统并网技术 |
| 技术标签 | 并网逆变器 弱电网并网 深度学习 机器学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 电压源换流器 阻抗建模 稳定性分析 Bi-LSTM 序阻抗 并网换流器 机器学习 |
语言:
中文摘要
大规模电压源变流器（VSC）接入电网可能引发稳定性问题。基于阻抗建模的稳定性分析是解决该问题的核心框架。然而，在变流器内部结构和参数未知的情况下，现有频率扫描测量技术存在局限。本文提出一种基于Bi-LSTM神经网络的序阻抗预测方法，旨在实现对变流器阻抗特性的快速、准确评估，为复杂电网环境下的稳定性分析提供新途径。
English Abstract
The large-scale application of voltage-source converters (VSCs) to power grids may negatively impact their stability. Stability analysis methods based on impedance modeling offer a theoretical framework to analyze and address this issue. However, under conditions of uncertainty regarding the internal structure and parameters of VSCs, existing impedance measurement techniques using frequency scanni...
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、PowerTitan/PowerStack储能变流器（PCS）具有极高价值。在弱电网或复杂电网环境下，逆变器与电网的交互稳定性是核心痛点。通过引入Bi-LSTM深度学习模型，阳光电源可在iSolarCloud平台或现场运维中，无需获取逆变器内部详细参数即可实现对变流器阻抗特性的实时监测与预测。这不仅能优化构网型（GFM）与跟网型（GFL）控制策略的参数整定，还能在电网故障前预判谐振风险，显著提升系统并网的可靠性与电网适应性，是实现智能运维与主动支撑电网的关键技术储备。