找到 4 条结果 · 风电变流技术
考虑尾流延迟特性的海上风电场LPV模型预测控制
LPV Model Predictive Control for Offshore Wind Farms Considering Wake Delay Characteristics
Yang Liu · Jiahao Lin · Ling-ling Huang · Cheng Hua 等6人 · IEEE Transactions on Sustainable Energy · 2025年7月
大规模海上风电场中显著的尾流效应要求充分考虑其延迟特性，而该特性在控制中常被忽视。针对尾流动态演化与风机控制模型参数变化之间的耦合问题，本文提出一种考虑尾流延迟特性的线性参数可变（LPV）模型预测控制方法。通过构建准稳态尾流模型，将尾流延迟特性融入风电场LPV模型，并结合两阶段降维策略简化计算，协同优化疲劳损伤均衡与发电量提升。16台风机的仿真结果表明，所建模型能准确描述尾流延迟的空间分布，所提控制方法在风速风向动态变化下有效捕捉机组间风速延迟与波动特性，显著提高发电量并降低疲劳应力，且相比静态...
解读: 该研究的尾流延迟LPV模型预测控制技术对阳光电源的储能和风电产品具有重要参考价值。首先，其动态建模方法可优化ST系列储能变流器的功率预测算法，提升大型储能电站的调度效率。其次，文中的疲劳损伤均衡策略可应用于PowerTitan系统的电池管理，延长储能设备寿命。此外，该控制方法在处理多设备耦合方面的创...
一种防御风力发电系统零动态攻击的方法
A Defense Method Against Zero-Dynamics Attack on Wind Power System
Heng Zhang · Qiang Cheng · Xin Wang · Chensheng Liu 等6人 · IEEE Transactions on Industrial Informatics · 2025年6月
随着风力发电系统规模不断扩大、复杂度日益增加，网络安全措施的必要性愈发凸显，尤其是考虑到零动态攻击所带来的威胁不断升级。遗憾的是，当连续时间系统的相对阶大于 2 且采样周期较小时，采样数据系统不可避免地会引入不稳定零点，使其易受攻击者的攻击。同时，传统的基于输出的系统监测方法难以检测到此类攻击。目前主流的方法是采用广义保持器或广义采样器来实现零点迁移，但实施起来颇具挑战性。在本文中，我们提出了一种基于电可调无源元件的防御方法来应对这一挑战。该方法通过引入增益调度，并结合电可调无源元件的实时参数调...
解读: 从阳光电源的业务视角来看，这项针对风电系统零动态攻击的防御技术具有重要的跨领域应用价值。虽然研究聚焦风电领域，但其核心思想——通过电子可调无源元件防御采样数据系统不稳定零点漏洞——与我司光伏逆变器、储能变流器等产品面临的网络安全挑战高度相关。 当前我司大型地面电站、工商业储能系统普遍采用数字控制架...
基于直驱PMSG风力发电机系统恢复过程中的快速功率调节方法
Fast Power Regulation Method During System Restoration for D-PMSG-Based Wind Turbines
Guohang Huang · Sheng Huang · Juan Wei · Hesong Cui 等6人 · IEEE Transactions on Sustainable Energy · 2024年9月
桨距动作速度是限制风力发电机功率爬坡速率的主要因素之一。通过在风轮、叶片和发电机转子中存储动能，可在减少桨距调节的情况下实现更快的功率调控，适用于 blackout 后系统恢复等需快速注入功率的场景。本文提出一种适用于直驱永磁同步风力发电机（D-PMSG）的新型快速功率调节方法，提前完成耗时的桨距角减小过程，并在外部系统恢复前储备动能，从而在系统恢复初期即实现最大功率输出。分析了D-PMSG风机的可行运行边界及其对外部系统的最大功率支撑能力，避免高动能储备引起的变流器调制问题。该方法可显著提升功...
解读: 该快速功率调节技术对阳光电源储能和风电产品线具有重要参考价值。通过动能储备和桨距预调节实现的快速功率响应机制,可应用于ST系列储能变流器的黑启动和系统恢复功能优化。其动能管理思路可借鉴到PowerTitan储能系统的功率调节策略中,提升大规模储能电站的一次调频性能。该方法对变流器功率边界的分析也可用...
一种原理约束的风场图像生成框架用于短期风电功率预测
A Principle-Constrained Wind Field Image Generation Framework for Short-Term Wind Power Forecasting
Jingxuan Liu · Haixiang Zang · Tao Ding · Lilin Cheng 等6人 · IEEE Transactions on Power Systems · 2024年8月
随机且非平稳的风特性给风电带来了相当大的不确定性，这对电网管理和市场出清构成了挑战。研究风场的时空特性对于预测未来风电变化至关重要。然而，目前在更精确地描述风场演变特征方面仍有提升空间。在本研究中，通过多阶偏微分方程建模，可将风场演变过程分解为对流、扩散、环流以及其他未知过程。在先验知识和深度学习的共同驱动下，提出了一种新型的物理单元（Phycell），用于从连续的风场图像中学习时间依赖关系。由此，建立了一个递归风场预测框架，以获取未来多步的风场图像。此外，通过引导注意力机制处理风场预测结果，以...
解读: 该风场图像生成框架对阳光电源的风电变流器和智能运维系统具有重要应用价值。可集成至iSolarCloud平台的预测分析模块，提升风电场发电功率预测精度，优化储能调度策略。对ST系列储能变流器的功率调节控制和PowerTitan系统的容量配置提供更准确的数据支撑。通过提前预知风电出力变化，可实现储能系统...