找到 2 条结果 · 风电变流技术
考虑边界突变的直驱风电系统电压稳定动态安全域划分方法
Voltage Stability Dynamic Security Region Partitioning Method Considering Boundary Crises for Direct-Drive Wind Power System
Xiaoyang Ma · Jinwen Liang · Xianyong Xiao · Ying Wang 等5人 · IEEE Transactions on Power Delivery · 2025年7月
参数变化下吸引域的突变源于全局分岔，当涉及混沌吸引子时，其随机性与突发性可能严重威胁大扰动电压稳定。在亚临界Hopf分岔中，不稳定极限环可通过边界突变引发系统失稳。为此，本文提出考虑边界突变的电压稳定动态安全域（BC-VSDSR）划分方法。通过流形分析研究边界突变机理，结合同宿Melnikov方法进行数值分析，并仿真分析参数变化下各类分岔对直驱风电并网系统电压稳定性的影响，结合状态空间分析探讨边界突变对吸引域的影响，最终划分功率注入空间中的BC-VSDSR，为运行中参数调节提供指导。
解读: 该研究对阳光电源的储能和风电变流产品具有重要参考价值。文中提出的边界突变分析方法可应用于ST系列储能变流器和风电变流器的电压稳定性控制。特别是在大规模储能电站中,该方法有助于优化PowerTitan系统的GFM控制策略,提升系统在大扰动下的电压稳定性。通过将边界突变理论与VSG控制相结合,可以增强变...
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...