找到 2 条结果 · 风电变流技术
变压器短路耐受能力的理论评估及绕组累积变形识别方法
Theoretical Evaluation of Transformer Short-Circuit Withstand Capability and Identification Method of Winding Cumulative Deformation
Jun Liu · She Chen · Feng Wang · Dengfeng Zhu 等6人 · IEEE Transactions on Power Delivery · 2025年6月
随着电力系统容量增大，电力变压器常承受多次不同强度的短路冲击，现有评估方法难以准确预测其累积效应，影响运维决策。本文构建双柱三绕组模型变压器，采用WELDINST软件及中日变压器技术委员会推荐方法进行短路耐受能力理论评估，并开展不同电流比的短路冲击实验，研究径向与轴向失稳下的累积效应。结果表明，不同方法在不同失稳模式下预测精度差异显著，中国技术委员会方法在轴向失稳下表现更优，WELDINST在径向失稳下更佳，实验平均偏差分别为19.75%和8.92%。当电流比超过70%时，累积效应显著。建立了阻...
解读: 该研究对阳光电源的大功率变压器应用具有重要参考价值。研究成果可应用于ST系列储能变流器和SG系列光伏逆变器的变压器设计与运维。通过短路耐受能力评估方法和累积变形识别技术，可提升产品的以下方面：1)优化变压器设计裕度，提高产品可靠性；2)通过振动特征实时监测变压器健康状态，完善iSolarCloud平...
基于OWT-STGradRAM的超短期时空风速预测
Ultra-Short-Term Spatio-Temporal Wind Speed Prediction Based on OWT-STGradRAM
Feihu Hu · Xuan Feng · Huaiwen Xu · Xinhao Liang 等5人 · IEEE Transactions on Sustainable Energy · 2025年2月
考虑风电场中风机站点的方向与距离特征有助于提升风电功率预测精度。本文提出一种基于正交风向变换时空梯度回归激活映射（OWT-STGrad-RAM）的深度学习时空预测方法。该模型将风电场编码为图像，各风机作为图像中的点，通过时空融合卷积网络集成风速、温度和气压等多源数据进行特征融合与预训练，构建特征数据集。利用OWT消除不同主导风向的影响，结合STGrad-RAM刻画风机节点间的方位与距离关系，增强空间特征的可解释性，并用于风速预测。实验结果表明，所提方法在预测精度上显著优于对比模型。
解读: 该风速预测技术对阳光电源的储能和风电产品具有重要应用价值。OWT-STGradRAM模型通过深度学习实现的高精度风速预测，可优化ST系列储能变流器的调度策略和PowerTitan储能系统的容量配置。在风电场应用中，该技术可提升风电并网点功率预测精度，有助于改进储能系统的功率平滑控制和调频调峰性能。模...