找到 2 条结果 · 控制与算法
基于模型预测控制的逆变器空调有功/无功功率调节以改善配电网电压质量
Model Predictive Control-Based Active/Reactive Power Regulation of Inverter Air Conditioners for Improving Voltage Quality of Distribution Systems
Lunshu Chen · Hongxun Hui · IEEE Transactions on Industrial Informatics · 2024年10月
由于可再生能源发电的间歇性和不确定性不断增加，配电系统的电压波动更为频繁。为应对大量突发的电压问题，需要建立更多的运行备用。与发电机等传统调节资源相比，通过调节需求侧资源用电量实现的需求响应正受到更多关注。在需求侧，变频空调（IAC）的耗电量占比较高，具有巨大的调节潜力。然而，对大规模变频空调进行控制仍是一项重大挑战。传统控制方法仅考虑有功功率，未考虑压缩机有功和无功功率相结合的复杂特性。为解决这一问题，本文提出一种考虑系统电压质量的两阶段方法。第一阶段利用光伏运行备用来将系统电压维持在安全范围...
解读: 从阳光电源的业务视角来看，这项基于模型预测控制的有源/无源功率协同调节技术具有重要的战略价值。论文提出的两阶段电压调控方法与我司光伏逆变器和储能系统的核心功能高度契合，为构建更智能的配电网调控解决方案提供了新思路。 该技术的核心价值在于将光伏逆变器的备用容量与需求侧资源（变频空调）进行协同调控。第...
一种近似哈密顿神经网络增强的多机电力系统励磁控制
A Nearly Hamiltonian Neural Network-Enhanced Multi-Machine Power System Excitation Control
Youbo Liu · Xuexin Wang · Gao Qiu · Zhiyuan Tang 等6人 · IEEE Transactions on Power Systems · 2025年6月
广义哈密顿系统理论（GHST）是高维非线性电力系统励磁控制的有力工具，但由于实际高阶系统解析不可行以及子模块不完整，该理论依赖降阶动态，从而导致控制误差。为解决这一问题，本文提出了一种基于近哈密顿神经网络（NHNN）的非线性励磁控制方法。该方法从测量数据中学习每台发电机的结构化哈密顿量，减轻了因降阶引起的哈密顿量实现误差。然后，通过组合这些哈密顿量，提出了一种保持系统响应的全局能量函数，用于稳定控制。在双机系统上的仿真结果表明，与广义哈密顿系统理论和PID控制方法相比，该方法提高了系统稳定性，平...
解读: 该近似哈密顿神经网络控制技术对阳光电源构网型储能系统具有重要应用价值。在PowerTitan大型储能系统并网场景中，传统哈密顿励磁控制虽能保证能量结构稳定性，但对参数摄动敏感。该研究提出的深度学习补偿方案可直接应用于ST系列储能变流器的GFM控制策略：通过神经网络实时补偿电网阻抗变化、负载扰动等不确...