找到 2 条结果 · 风电变流技术
一种新型复用臂选择模块化多电平变换器的拓扑与控制
Topology and Control of a Novel Multiplexing Arm Selection Modular Multilevel Converter
Zeyu Hao · Jianxi Lan · Wu Chen · Xin Li 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年3月
随着海上风电与光伏发电中直流输电技术的快速发展，模块化多电平变换器（MMC）在经济性与轻量化方面的需求日益迫切。本文创新性地提出一种基于级联开关堆与复用臂结构的新型复用臂选择MMC（MAS-MMC）拓扑，并提出一种臂优化调制电压选择策略，可在不同功率因数下实现半工频周期内的能量平衡，且最小化臂电压峰值，相较传统MMC减少子模块数量达59.1%。该拓扑显著降低系统成本并提升功率密度。通过系统仿真与实验样机验证了所提拓扑结构与控制策略的优越性与可行性。
解读: 该复用臂选择MMC拓扑技术对阳光电源的大功率产品线具有重要参考价值。通过级联开关堆与复用臂结构创新,可将子模块数量减少近60%,这与我司ST2000储能变流器及SG3000HV光伏逆变器的成本优化目标高度契合。该技术可优化我司MW级变流器的功率密度与经济性,特别适用于海上风电并网和储能变流等场景。建...
考虑隐变量相互辅助的电力系统高斯混合模型不确定性建模
Gaussian Mixture Model Uncertainty Modeling for Power Systems Considering Mutual Assistance of Latent Variables
Xiao Yang · Yuanzheng Li · Yong Zhao · Yang Li 等6人 · IEEE Transactions on Sustainable Energy · 2024年1月
高斯混合模型（GMM）与狄利克雷过程混合模型（DPMM）常用于刻画电力系统中的不确定性，通常采用期望最大化（EM）算法求解。然而，在处理大规模不确定变量数据时，传统方法难以在较低时间消耗下准确获取模型参数。为此，本文提出一种考虑隐变量相互辅助的GMM不确定性建模方法。首先构建不确定变量的GMM，利用条件概率描述隐变量间的相互辅助关系；进而改进EM算法，在E步和M步中引入条件概率，并重新推导GMM参数的闭式解。基于澳大利亚实际风电与负荷数据的实验结果表明，所提方法在建模效率与精度方面均优于传统GM...
解读: 该研究提出的GMM不确定性建模方法对阳光电源储能和风电产品具有重要应用价值。该方法可应用于ST系列储能变流器和PowerTitan系统的功率预测与调度优化,提升系统对风电、负荷等不确定性的建模精度。特别是在大规模储能电站中,该方法可提高计算效率,为iSolarCloud平台提供更准确的发电/用电预测...