找到 5 条结果 · 风电变流技术
一种基于张量的风电场动态等值建模聚类方法
A Tensor-Based Clustering Method for Dynamic Equivalent Modeling of Wind Farms
Yihao Yang · Yijun Xu · Wei Gu · Lamine Mili 等6人 · IEEE Transactions on Sustainable Energy · 2025年9月
采用详细风电机组模型仿真大规模风电场计算成本高昂，亟需兼顾精度的简化建模方法。针对复杂风速条件与网络结构带来的风电场暂态等值精度难题，本文首次提出一种基于张量分解的聚类方法，通过合理分组捕捉风电场高维动态特征，实现精确降阶建模。首先构建保持时空特性的张量结构数据集，进而设计兼顾稀疏性与平滑性的张量分解策略以提取低维特征并指导聚类；最后定制网络聚合策略降低功率损耗误差。多种布局、故障与风况下的仿真结果验证了该方法的优越性能。
解读: 该张量聚类建模方法对阳光电源的大型储能及风电产品具有重要应用价值。可直接应用于PowerTitan储能系统的多机组协调控制和ST系列储能变流器的群控优化,通过降维聚类提升计算效率。对于风电场接入的储能系统,该方法能更精确地预测风电波动特性,优化储能容量配置和调度策略。技术创新点在于通过张量分解捕捉高...
基于特征谱与扩张因果卷积及Squeeze-Excitation ShuffleNet轻量级深度学习的区域风电场日前低功率输出事件预测
Prediction of Day-Ahead Low-Power Output Events in Regional Wind Farms Using Feature Spectrums with Dilated Causal Convolution and Squeeze-Excitation ShuffleNet Lightweight Deep Learning
Zimin Yang · Xiaosheng Peng · Xiaobin Zhang · Guoyuan Qin 等6人 · IEEE Transactions on Power Systems · 2025年5月
区域风电场低功率输出事件的准确预测对电力系统的电网调度至关重要。然而，传统的风电预测方法主要侧重于提高整体预测精度，因此很少单独讨论风电低功率输出事件。本文提出了一种创新的区域风电场日前低功率输出事件预测方法，该方法利用特征频谱，结合扩张因果卷积（DCC）和挤压 - 激励（SE）改进的ShuffleNet网络。首先，将时间序列区域特征转换为频谱图像，在特征创建和选择后，引入并讨论了三种可能的特征排列方式。其次，提出了DCC - SE - ShuffleNet轻量级深度学习神经网络作为低功率输出事...
解读: 该研究的深度学习预测方法对阳光电源的新能源发电及储能产品具有重要应用价值。特征谱分析与轻量级深度学习模型可集成到ST系列储能变流器和SG系列光伏逆变器的控制系统中,提升功率预测精度。具体应用包括:(1)优化储能系统的充放电调度策略,提高PowerTitan等大型储能系统的经济性;(2)改进光伏/风电...
FDCA-DSTGCN：一种基于频域信息增益与动态趋势感知的风电场群功率日前预测模型
FDCA-DSTGCN: A Wind Farm Cluster Power Day-Ahead Prediction Model Based on Frequency Domain Information Gain and Dynamic Trend Sensing
Mao Yang · Jiajun Niu · Bo Wang · Dawei Huang 等6人 · IEEE Transactions on Sustainable Energy · 2025年5月
准确的风电场群功率预测对大规模风电接入的新一代电力系统至关重要。现有建模方法忽略风向及频域信息的作用，导致空间信息利用不足，预测精度提升受限。为此，本文提出一种融合频域信息增益与动态趋势感知的风电场群日前功率预测模型。首先，基于图论与多信息渐进融合进行集群划分并设置虚拟信息节点；其次，提出时间窗内主导风向识别方法，构建基于主导风向与风速的动态加权有向图结构；进而，设计引入频域增益通道注意力机制的动态时空图卷积网络（FDCA-DSTGCN）完成预测。在中国内蒙古某风电场群的实证结果表明，所提方法较...
解读: 该风电场群功率预测技术对阳光电源储能与电网侧产品具有重要应用价值。首先可应用于ST系列储能系统的调度优化，通过频域信息增益提升储能容量配置精度，优化充放电策略。其次可集成到iSolarCloud平台，为新能源电站群的智能运维提供更准确的功率预测支持。该模型的动态时空图卷积网络架构也可迁移应用于光伏电...
基于风险场景感知的日前风电出力预测框架
A Framework of Day-Ahead Wind Supply Power Forecasting by Risk Scenario Perception
Mao Yang · Yutong Huang · Zhao Wang · Bo Wang 等5人 · IEEE Transactions on Sustainable Energy · 2025年1月
大规模风电并网背景下，风电功率预测对电力系统安全稳定运行至关重要。现有预测方法重统计精度而轻应用风险，导致预测值与实际调度需求脱节。为此，本文提出一种考虑风险场景感知的风电出力预测（WSPF）框架。首先结合数值天气预报风速波动信息，利用TimesNet识别预测中的风险场景；其次构建有效消纳区与供电风险区评价指标，并据此优化预测曲线修正方案；最后融合多种预测模型进行验证。在中国内蒙古某风电集群的应用结果表明，该方法使WSPF平均精度提升37%，验证了其有效性与普适性。
解读: 该风电预测框架对阳光电源的储能和风电变流产品具有重要应用价值。首先，TimesNet风险场景识别技术可集成至ST系列储能变流器的调度控制系统，优化储能容量配置和充放电策略。其次，风险区评价方法可应用于PowerTitan大型储能系统的调峰调频功能设计，提升系统对风电波动的响应能力。此外，该预测框架也...
基于趋势分类与空间信息集成模型的日前风电场群功率预测
Day-ahead wind farm cluster power prediction based on trend categorization and spatial information integration model
Mao Yang · Yuxi Jiang · Chuanyu Xu · Bo Wang 等6人 · Applied Energy · 2025年1月 · Vol.388
摘要 随着风电产业的快速发展和风电装机容量的不断增加，影响发电量的因素在时间和空间上呈现出高度耦合的关系，这给风电场群功率预测（WFCPP）带来了极大的挑战。为解决这一问题，本文提出了一种考虑风电集群趋势聚合特性与空间信息集成（SII）的区域风电功率预测（WPP）精度提升方法。首先，引入一种考虑空间特征的趋势聚类方法以实现集群划分。该方法采用静态分区策略应对持续随机变化的动态环境，削弱了风速空间离散性对集群划分的影响。其次，深入挖掘多个风电场群（WFC）之间的多维时空耦合特性，并构建了融合时空信...
解读: 该风电集群功率预测技术对阳光电源储能系统具有重要应用价值。通过趋势聚类和空间信息融合,可显著提升区域风电预测精度(RMSE降低2.07%),为ST系列PCS和PowerTitan储能系统提供更精准的充放电调度依据。其时空耦合特征挖掘方法可集成至iSolarCloud平台,优化风储协同控制策略,配合G...