找到 6 条结果 · 风电变流技术
基于广义动态因子模型与生成对抗网络的风电场景生成
Wind Power Scenario Generation based on the Generalized Dynamic Factor Model and Generative Adversarial Network
Young-ho Cho · Hao Zhu · Junghyeop Im · Duehee Lee 等5人 · IEEE Transactions on Power Systems · 2025年9月
为开展资源充足性研究，我们利用时空特征（空间和时间相关性、波形、边际和爬坡率分布、功率谱密度以及统计特征）合成了分布式风电场的多个长期风电情景。在情景中生成空间相关性需要为相邻风电场设计公共因子，为远距离风电场设计对立因子。广义动态因子模型（GDFM）可以通过互谱密度分析提取公共因子，但它无法精确复制波形模式。生成对抗网络（GAN）可以通过假样本判别器验证样本，从而合成能体现时间相关性的合理样本。为结合GDFM和GAN的优势，我们使用GAN提供一个滤波器，从观测数据中提取包含时间信息的动态因子，...
解读: 该风电场景生成技术对阳光电源储能与并网产品具有重要应用价值。通过广义动态因子模型与GAN网络的结合，可以准确预测风电功率波动特征，这对ST系列储能变流器的调度策略优化和PowerTitan系统的容量配置具有重要指导意义。该方法可集成到iSolarCloud平台，提升风储联合运行的经济性。同时，其时空...
可解释性增强模糊集用于配电鲁棒最优调度中区域风电不确定性量化
Interpretable Augmented Ambiguity Set for Quantifying Regional Wind Power Uncertainty in Distributionally Robust Optimal Dispatch
Zhuo Li · Lin Ye · Ming Pei · Xuri Song 等6人 · IEEE Transactions on Sustainable Energy · 2025年7月
大规模风电并网给电力系统运行带来严峻的不确定性挑战。本文提出一种基于深度学习的可解释增强模糊集，用于分布鲁棒优化框架下的两阶段经济调度，以精确刻画区域风电不确定性。该模糊集融合各风电场细粒度误差模型及站点间交互依赖关系。首次提出多教师知识蒸馏-时间生成对抗网络（MKD-time GAN），通过级联学习机制构建单风电场预测误差的球形模糊集；进一步结合Nataf变换将多个模糊集映射为表征区域联合误差分布的增强模糊集，并推导出可 tractable 的两阶段调度求解算法。IEEE 118节点系统验证了...
解读: 该研究提出的深度学习增强模糊集方法对阳光电源的储能和风电产品线具有重要应用价值。具体而言：1) 可应用于ST系列储能变流器的调度优化,提升大规模风储联合系统的经济性和可靠性；2) 其多教师知识蒸馏框架可优化PowerTitan储能系统的功率预测算法,提高调度精度；3) 研究的区域联合误差建模方法可用...
经济高效的混合型换流器用于大规模远海风电传输
Cost-Efficient Hybrid Converter for Large-Scale Offshore Wind Power Transmission
Huichen Gan · Huangqing Xiao · Ying Huang · Lidong Zhang · IEEE Transactions on Power Delivery · 2025年4月
随着海上风电场规模和距离的增大，亟需更经济可靠的换流技术用于远海风电高压直流输电系统。本文提出一种基于二极管整流单元（DRU）与模块化多电平换流器（MMC）并联的混合型换流器拓扑。相比DRU与MMC站级并联方案，该方案省去DRU侧工频变压器，且避免谐波流经剩余换流变压器，同时降低子模块电容需求，有利于降低成本。建立了混合换流器的数学模型，分析其工作原理与谐波传递特性，并提出有功功率协调控制与谐波抑制策略。基于PSCAD/EMTDC对1000 MW海上风电并网系统的仿真验证了方案的有效性，进一步的...
解读: 该混合型换流器技术对阳光电源的大功率储能和海上风电产品具有重要参考价值。DRU与MMC并联的创新拓扑可应用于PowerTitan储能系统的高压直流接口设计,有助于降低系统成本和提升可靠性。其谐波抑制策略可优化ST系列储能变流器的并网性能。该方案省去工频变压器的设计思路,对简化阳光电源储能系统的拓扑结...
基于量子机器学习的风力涡轮机状态监测：研究现状与未来展望
Quantum machine learning based wind turbine condition monitoring: State of the art and future prospects
Zhefeng Zhang · Yueqi Wu · Xiandong Ma · Energy Conversion and Management · 2025年1月 · Vol.332
摘要 近几十年来，风能作为一种广受欢迎的可再生能源，得到了广泛的发展和应用。有效的状态监测与故障诊断对于保障风力涡轮机的可靠运行至关重要。尽管传统的机器学习方法已在风力涡轮机状态监测中得到广泛应用，但在处理大规模、高维度且复杂的數據集时，这些方法常常面临诸如特征提取复杂、模型泛化能力有限以及计算成本高等挑战。量子计算的兴起为机器学习算法开辟了全新的范式。量子机器学习结合了量子计算与机器学习的优势，具备超越经典计算能力的潜力。本文首先回顾了当前基于机器学习的风力涡轮机状态监测技术的应用现状及其局限...
解读: 量子机器学习在风电状态监测中的应用为阳光电源智能运维体系提供前瞻性技术路径。该技术可集成至iSolarCloud平台,提升ST储能系统和SG逆变器的预测性维护能力。量子算法在高维数据特征提取和故障分类方面的优势,能有效解决大规模新能源场站设备健康管理中的计算瓶颈,为功率器件(SiC/GaN)热管理预...
考虑NWP风速误差容忍度的功率预测：一种在风速偏差场景下提升短期风电功率预测精度的策略
Power prediction considering NWP wind speed error tolerability: A strategy to improve the accuracy of short-term wind power prediction under wind speed offset scenarios
Mao Yang · Yunfeng Guo · Tao Huang · Wei Zhang · Applied Energy · 2025年1月 · Vol.377
摘要 短期风电功率预测对于风电参与日前调度具有重要意义。然而，不可避免的数值天气预报（NWP）误差给高精度风电功率预测带来了严峻挑战，尤其是在功率峰谷时段，极端误差尤为显著。针对这一问题，本文提出了一种考虑风速偏差场景及加权改进偏差损失函数（WIOLF）的短期风电功率预测精度提升策略。该方法引入多层级有向无环图结构以识别风速偏差场景，并采用带有梯度惩罚的Wasserstein生成对抗网络（WGAN-GP）解决样本不平衡问题。在功率预测部分，将WIOLF集成至时间卷积网络（TCN）与多头自注意力机...
解读: 该风电功率预测技术对阳光电源储能系统具有重要应用价值。针对NWP风速误差导致的功率预测偏差,可应用于ST系列PCS的智能调度策略优化。通过风速偏移场景识别与WGAN-GP样本平衡技术,能提升PowerTitan储能系统在风储联合调度中的日前计划准确性。TCN-MHSA组合模型的加权损失函数思路,可借...
基于知识与数据驱动融合Koopman方法的双馈感应发电机风电场频率支撑能力在线评估
Online assessment of frequency support capability of the DFIG-based wind farm using a knowledge and data-driven fusion Koopman method
Yimin Ruan · Wei Yao · Qihang Zong · Hongyu Zhou 等8人 · Applied Energy · 2025年1月 · Vol.377
摘要 随着可再生能源在电力系统中渗透率的不断提高，系统的频率稳定性有所下降。因此，风电场（WFs）等可再生能源电站必须具备足够的频率支撑能力。为了最大化风电场的频率支撑能力，准确确定其频率支撑能力边界（FSCB）至关重要。由于风资源分布不均以及风电机组运行状态复杂，精确评估风电场FSCB具有挑战性。针对这一问题，本文提出一种基于知识与数据驱动融合的Koopman方法，用于评估基于双馈感应发电机（DFIG）的风电场的FSCB。本文分析了FSCB的特性，并构建了一个多维指标体系，从理论和实际两个层面...
解读: 该Koopman融合方法对阳光电源风储协同系统具有重要价值。可应用于ST系列储能变流器与风电场的协调调频控制,通过在线评估风电场频率支撑能力边界,动态优化PowerTitan储能系统的调频响应策略。该方法评估误差小于2%且速度提升10倍,可集成至iSolarCloud平台实现预测性调频资源管理。结合...