找到 5 条结果 · 风电变流技术
基于特征谱与扩张因果卷积及Squeeze-Excitation ShuffleNet轻量级深度学习的区域风电场日前低功率输出事件预测
Prediction of Day-Ahead Low-Power Output Events in Regional Wind Farms Using Feature Spectrums with Dilated Causal Convolution and Squeeze-Excitation ShuffleNet Lightweight Deep Learning
Zimin Yang · Xiaosheng Peng · Xiaobin Zhang · Guoyuan Qin 等6人 · IEEE Transactions on Power Systems · 2025年5月
区域风电场低功率输出事件的准确预测对电力系统的电网调度至关重要。然而，传统的风电预测方法主要侧重于提高整体预测精度，因此很少单独讨论风电低功率输出事件。本文提出了一种创新的区域风电场日前低功率输出事件预测方法，该方法利用特征频谱，结合扩张因果卷积（DCC）和挤压 - 激励（SE）改进的ShuffleNet网络。首先，将时间序列区域特征转换为频谱图像，在特征创建和选择后，引入并讨论了三种可能的特征排列方式。其次，提出了DCC - SE - ShuffleNet轻量级深度学习神经网络作为低功率输出事...
解读: 该研究的深度学习预测方法对阳光电源的新能源发电及储能产品具有重要应用价值。特征谱分析与轻量级深度学习模型可集成到ST系列储能变流器和SG系列光伏逆变器的控制系统中,提升功率预测精度。具体应用包括:(1)优化储能系统的充放电调度策略,提高PowerTitan等大型储能系统的经济性;(2)改进光伏/风电...
STE-HOLNet：一种融合时空特征、动态概念漂移检测与自适应校正的风电功率预测新方法
STE-HOLNet: A new method for wind power prediction by integrating spatio-temporal features, dynamic concept drift detection and adaptive correction
Xiongfeng Zhao · Hai Peng Liu · Huaiping Jin · Xueping Shen 等5人 · Energy Conversion and Management · 2025年1月 · Vol.344
摘要 风电具有高度的不确定性和非线性，其时间序列通常表现出多周期性特征和概念漂移现象，这对实现高精度预测构成了重大挑战。本文提出了一种基于时空特征增强并结合动态在线校正机制的混合深度学习预测模型——时空增强型混合在线学习网络（Spatio-temporal Enhanced Hybrid Online Learning Network, STE-HOLNet），该模型通过改进的时间编码机制与深层网络结构紧密集成，实现了实时且高精度的风电功率预测。首先，引入一种改进的Time2Vec模块（E-Ti...
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。STE-HOLNet模型的概念漂移检测与自适应在线学习机制,可直接应用于ST系列PCS的功率预测模块,提升储能系统对风电波动的响应能力。其时空特征增强方法能优化iSolarCloud平台的预测性维护算法,降低RMSE达36.93%的性能可显著改善...
仿生风力涡轮机效率的静态空气动力学分析：基于婆罗洲樟树种子叶片设计及其平行板排列的建模
Static aerodynamic analysis of bio-inspired wind turbine efficiency: Modeling Borneo camphor seed blade designs and their parallel plate arrangements
H.Y.Peng · Y.J.Chu · Heung Fai Lam · Hongjun Liu 等5人 · Energy Conversion and Management · 2025年1月 · Vol.331
摘要 受婆罗洲樟树种子旋转下落方式的启发，本研究采用其具有弯度的翼型截面进行涡轮叶片设计，并通过计算流体动力学模拟来预测功率与扭矩。在第一阶段，对五种类型的种子翼型在不同折叠轴位置和折叠角度配置下进行建模。结果表明，3号翼型表现出最高的峰值功率系数（0.4328）和扭矩（2.1310 Nm），因此被选为第二阶段的研究对象。第二阶段设计了具有不同折叠数量以及不同折叠轴位置和折叠角度的平板叶片，以低成本方式实现种子的天然几何结构。结果表明，四折构型达到了较高的峰值功率系数0.3637，双折构型紧随其...
解读: 该仿生叶片气动优化研究对阳光电源风电变流器产品具有重要参考价值。研究中折叠板设计实现0.3637功率系数,扭矩波动特性为我司风电变流器的MPPT算法优化、扭矩脉动抑制控制策略提供新思路。仿生叶片的非线性功率输出特性可结合我司三电平拓扑技术和先进控制算法,提升低风速段发电效率。该成果可应用于风储一体化...
揭示青藏高原理论风能潜力：一种针对威布尔双变量分布的新型贝叶斯-蒙特卡洛框架
Revealing the theoretical wind potential of the Qinghai-Tibet Plateau: A novel Bayesian Monte-Carlo framework for the Weibull bivariate distribution
Liting Wang · Renzhi Liu · Weihua Zeng · Lixiao Zhang 等10人 · Energy Conversion and Management · 2025年1月 · Vol.325
摘要 理解区域理论风能潜力对于风电规划与建设至关重要。以往的研究面临诸多挑战，包括风速数据质量不一致、分布参数中的不确定性未被量化，以及估算理论风能潜力的方法存在缺陷。因此，本研究提出了一种分层贝叶斯-蒙特卡洛框架，以概率性和分层方式处理多年期、多来源的风速数据。该框架能够量化风速分布及其参数相关的不确定性，并通过整合历史数据降低预测误差。此外，本研究在传统理论风能潜力估算方法的基础上，进一步考虑了叶片扫掠高度范围内风速和空气密度变化以及最大可能功率系数的影响。结果表明，青藏高原地区的风速分布符...
解读: 该青藏高原风电潜力评估框架对阳光电源风电变流器布局具有重要参考价值。贝叶斯-蒙特卡洛模型可量化风速分布不确定性,为ST储能系统在高原风电场的容量配置提供精准数据支撑。研究揭示的风速-空气密度垂直变化特性,可优化风电场侧储能PCS的功率预测算法和充放电策略。青藏高原60%以上区域具中高风电潜力,结合i...
弱电网条件下近区构网型变流器的稳定性判据
Stability Criterion for Near-Area Grid-Forming Converters Under the Weak Grid Condition
Peng Wang · Junpeng Ma · Rui Zhang · Shunliang Wang 等6人 · IEEE Transactions on Power Electronics · 2024年9月
本文引入了一种简化的稳定性判据，以系统地研究构网型风力发电机（GFM - WTG）之间，尤其是同一风电场内的相互作用机制。为了阐明在相同条件和控制器参数下运行的多个GFM - WTG之间的相互作用机制，本文提出了共模和差模电流、电压及阻抗的概念，这极大地简化了稳定性判据。由于忽略了基于GFM的永磁同步发电机机侧变流器的内部动态特性，因此可将GFM - WTG简化为基于GFM的电压源逆变器（GFM - VSI），且不失一般性。该稳定性判据揭示了共模和差模电流的特性，从而能够识别导致系统不稳定的主要...
解读: 从阳光电源的业务视角来看，这篇论文提出的构网型变流器稳定性判据具有重要的工程应用价值。随着公司在光伏、储能及风电领域的深度布局，构网型（Grid-Forming）技术已成为弱电网环境下保障系统稳定运行的核心解决方案。 该研究的核心贡献在于通过共模-差模分解方法，将多台构网型设备间复杂的交互机理简化...